企业危机事件中网络舆情热度生成影响因素研究
2024-06-17许成斌夏志杰
许成斌 夏志杰
摘要：[目的/意义]企业危机事件频发导致高热度网络舆情不断涌现，这给企业处理突发危机舆情的能力带来重大挑战，因此如何把握危机舆情热度生成规律成为企业危机管理中亟待处理的问题。[方法/过程]选择企业危机舆情作为研究对象，基于拉斯韦尔5W传播要素理论，运用模糊集定性比较分析（fsQCA）方法，基于组态视角探索5W传播要素相互作用对于舆情热度生成的多条路径，通过综合考虑分析传播要素之间的协同驱动关系及作用，试图厘清企业危机事件中网络舆情热度生成的路径及内在机理。[结果/结论]研究发现：传播效率中的峰值传播速度以及信息人中的领袖媒体占比是企业危机事件网络舆情热度生成的关键条件，在高热度生成结果中，高峰值传播速度以及高领袖媒体占比发挥核心驱动作用；在低热度生成结果中，低领袖媒体占比发挥核心驱动作用。各个传播要素以多条协同路径共同作用于企业危机事件舆情热度生成结果。
关键词：企业危机事件；网络舆情；拉斯韦尔5W；fsQCA
分类号：G206
引用格式：许成斌， 夏志杰. 企业危机事件中网络舆情热度生成影响因素研究——基于60个企业危机事件网络舆情案例的fsQCA分析[J/OL]. 知识管理论坛， 2024， 9（2）： 195-207 [引用日期]. http：//www.kmf.ac.cn/p/387/. （Citation： Xu Chengbin， Xia Zhijie. Research on the Influencing Factors of Online Public Opinion Heat Generation in Corporate Crisis Events： Based on fsQCA Analysis of 60 Online Public Opinion Cases in Corporate Crisis Events[J/OL]. Knowledge Management Forum， 2024， 9（2）： 195-207 [cite date]. http：//www.kmf.ac.cn/p/387/.）
1 引言/Introduction
在当今数字智能时代，社交机器人、ChatGPT以及深度伪造等智能技术的加入，使得网络舆情的传播发生了新的变化，网络舆情治理也因此变得更为复杂。企业危机事件是指对企业生产经营、业务发展、乃至立身之所具有潜在的重大威胁的事件[1]，其与常规危机事件相比所引发的网络舆情传播速度更快，留给企业反应的时间较短[2]。危机事件信息在社交媒体平台上迅速扩散并衍生，形成以涉事企业为矛头指向的危机网络舆情[3]。随着近年来国内高热度企业危机事件舆情频发，有关企业危机舆情的研究也越来越受学者关注。
当前关于危机舆情传播领域的研究主要包括主体行为、影响因素、传播机制以及生成机理4个方面：①主体行为领域，何奇龙等[4]通过随机演化博弈理论，重点研究网民圈群式分布结构对突发危机事件负面网络舆情演化规律的影响，主要对公众的传播行为进行研究；孙瑞英[5]在主体数量上进行拓展研究，分析网络舆情传播利益主体之间的策略互动关系。②影响因素领域，胡吉明等[6]结合信息生态理论建构影响因素模型，从众多影响因素之间识别了突发公共事件网络舆情中的9个关键影响因素。③通过传播主体行为以及传播的影响因素研究，冯佳昊等[7]对舆情传播机制进行研究，通过仿真实验探究相关因素对突发公共卫生事件舆情传播的影响机制；李艳微等[8]通过对我国话语舆情传播的生成因素、特征分析以及演化过程，具体提出三大机制：风险预判机制、舆情化解机制和安全监督机制。④随着传统传播研究的深入，有学者开始尝试从源头解决问题，即进行舆情信息生成机理研究，杨波等[9]基于信息生态组态的视角探讨要素驱动舆情传播态势生成的联合效应与因果机制，张亚明等结合实际，围绕网络舆情反转现象，尝试总结网络舆情反转的生成机理[10]。
上述研究通过多个维度由浅入深的分析，推动了学界对网络舆情传播领域研究的深入，但是仍有可继续拓展的空间：①对于从整体视角下的多因素协同驱动效应分析较为欠缺； ②学界中对于涉及企业的危机舆情研究较少，绝大部分是选择突发事件网络舆情为研究对象。基于此，笔者选择企业危机舆情作为研究对象，以拉斯韦尔的5W传播要素理论作为分析框架，使用模糊集定性比较分析方法从整体视角，基于组态分析理论探索5W传播要素相互作用对舆情热度生成的多条路径，通过综合考虑分析传播要素之间的协同驱动关系及作用，试图厘清企业危机事件中网络舆情热度生成的路径及内在机理。
2 理论基础及分析框架/Theoretical foundation and analytical framework
2.1 理论基础：拉斯韦尔5W传播要素理论
拉斯韦尔5W传播理论的核心概念主要包括5个：①所涉主体，指与事件直接相关的担责主体或者组织[9]，在企业危机事件舆情研究中主要指涉事企业。②事件本体。网络信息因其自身特性（包括即时化、个体化、碎片化），容易导致所承载信息主体失真，而对事件的重要性、危害性进行横向纵向扩大化或片面化传播会更易造成风险传播放大和公众的感知偏差[11]，本文主要指事件风险程度。③媒介或者环境，指事件信息传播所需的媒介。网络舆情作为一个复杂的动态网络系统[12]，舆情信息传播的环境主要指其所处的网络空间和社会空间，主要包含由网络媒介环境和传播媒介环境组成的技术硬环境，以及社会结构压力组成的社会软环境[13]。而本文主要考虑技术硬环境，表现为平台舆论占比。④受众，即公众，是事件信息主要的传达者。公众参与网络舆情治理是国家治理现代化的题中应有之义，大数据应用的普及也促进了公众网络舆情治理的进程[14]。⑤传播效果。这是传播过程的最终环节，要考虑效果对热度的反馈机制，即其对企业危机舆情热度生成的影响作用。
2.2 分析框架：企业危机事件网络舆情热度生成机理框架
首先从系统层面出发，通过拉斯韦尔5W传播要素理论构建分析框架，条件变量包括：涉事企业、受众、传播媒介、事件内容以及传播效果；结果变量是企业危机事件网络舆情热度高低，其主要关注危机舆情高热度生成和低热度生成的不同路径及其因果机制；最后基于组态理论分析不同组态路径的各传播要素之间的协同驱动关系，重点考察各个传播要素是如何通过组态效应联合驱动舆情传播（高/低）热度的生成，试图总结出网络舆情热度这一动态对象的生成演化规律。综上，笔者构建了企业危机事件网络舆情热度生成机理框架，如图1所示：
3 研究设计/Research design
3.1 研究方法
定性比较分析（qualitative comparative analysis， QCA）是由美国学者拉金[15]首次提出，该分析方法关注不同组态路径与结果之间的复杂因果机制。QCA基于整体性视角，认为局部存在于整体之中，二者互相依存，并不是彼此孤立的，单个或局部要素的变动会改变整体结果的情况，因此不同要素条件组态的复杂性导致了因果机制的复杂性，并以“集合论”分析原因条件构成的组态对于结果的影响。笔者选择模糊集定性比较分析方法（focused stepwise quantitative case analysis， fsQCA）方法，主要出于以下考虑：首先，目前关于企业危机网络舆情热度生成影响因素的研究，对于从整体视角下的多因素协同驱动效应分析较为欠缺，而fsQCA方法基于整体论的组态视角，能够较好地解决本文研究问题；其次，fsQCA方法可以对同一结果下的不同偏差情况进行非排他性的解释[3]。
对于本文的研究问题，QCA方法可以促进企业危机网络舆情各利益相关者厘清企业危机事件网络舆情热度生成的复杂因果机制。同时，QCA方法兼具定性与定量分析的优势，通过跨案例的比较分析，能够在一定程度上弥补案例研究存在的结论普适性问题[3]。最后，将目前QCA变体分析方法依据集合形式进行分类：清晰集定性比较（csQCA）、多值集定性比较（mvQCA）、模糊集定性比较（fsQCA）。csQCA是由拉金和德拉斯[16]在1987年设计的QCA的第一个变体，是一种将一个变量转换为0和1的二分法[17]。mvQCA可以看作是csQCA的扩展，它将变量视为多值变量，不仅仅是以往单纯的二分变量。而fsQCA则是根据自身数据需求将变量取值范围划定在0和1之间的部分隶属度分数，这解决了csQCA的二分法限制。fsQCA主要有以下优点：①fsQCA在数据分析时使用模糊集可以减少信息丢失[18]；②fsQCA可用于小样本和大样本；③最重要的一点，fsQCA是从整体的角度分析变量之间的因果关系。鉴于本文的数据类型主要为连续型，因此选择fsQCA方法来进行研究。
3.2 案例选择
案例筛选原则具体如下：①数据可得性高，是指所选取样本案例相关数据容易通过一定渠道获得，对于条件和结果变量数据的获取提供良好支撑；②确保样本案例多样化，也即所选取的样本案例包含所有的条件和结果，避免有变量未涉及到，以此确保最终研究结果路径的普遍性以及可解释度；③广泛传播性，是指所选取的样本案例具有一定的热度和影响力，即曾出现在微博热搜榜等。
具体的考虑如下：①时效性和相关性，可以确保所选择的案例具有时效性和相关性，能够反映出近期的危机管理趋势和实践；②新冠疫情逐渐退去对企业危机管理的影响，探究在疫情退去之后一段时间内的企业危机管理趋势；③数据可得性和完整性，选择近期的案例更容易获取相关数据和资料，与较早发生的案例相比，这些案例的数据可能更加完整、详实，有利于分析研究的开展；④确保所选案例为热点事件，所选案例因其同时在微博、知微、百度等平台都有热搜、事件标签以及搜索指数，能够反映在当时属于热点事件。结合以上选取标准和具体考虑，笔者最终确定选取2022年5月至2023年3月共60起企业危机事件网络舆情组成样本案例集（见表1），案例选取来源于知微危机汇平台，其中数据来源包括微博话题数据、“知微事见”平台传播大数据以及百度指数。
3.3 变量选择与编码
3.3.1 条件和结果的测量
（1）条件的测量。
涉事企业。企业危机事件爆发后，对于企业来说如何维护与利益相关方的良好关系尤为重要，其关键在于在危机网络舆情之前，能够使用社交媒体让自己的信息快速填充信息真空并保持和利益相关者的沟通[18]，即公开回应，如召开新闻发布会、官网声明以及官方微博声明等线上回应方式。具体地，本文使用知微事见中的“公开回应次数”来衡量涉事企业。
事件内容。事件自身的因素无疑会对企业危机网络舆情热度生成产生影响，包括事件风险程度、事件所属行业、事件信息透明度等等，笔者选取“事件风险程度”作为表征事件内容的变量，根据知微危机汇网站对风险程度的划分，采用三分均值锚点法分别赋值为0.05、0.5、0.95。
受众。公众参与会促使舆情信息快速传播和充分聚合，如果企业危机事件持续不断获得公众广泛关注，可以更快揭晓真相[19]。各大社媒平台中巨量的事件舆情咨询形成强大的群体智慧，会倒逼事件真相浮出水面，加速危机网络舆情演化进程。因此笔者选取“百度咨询指数”（通过加权求和的方式，对事件在舆论场上的活跃程度进行全面描述，由网民的阅读、评论、转发、点赞等行为的数量得出）来衡量受众这一条件变量。
传播媒介。当前危机事件频发，危机事件信息在多平台同时传播，其中新浪微博作为国内最具影响力的社交媒体平台之一，再加之其开放、互动、连通以及去中心化等特征，使其成为舆论传播的主要渠道[3]，因此选取“微博平台舆论占比”作为一个数据指标，因为领袖媒体在舆情传播中具有重要的引导作用[20]，因此选取“领袖媒体占比”（事件在单位时间内在自媒体和网络媒体上的传播效果）作为另一个数据指标。具体的数据来源为知微危机汇平台。
传播效率。当下各种新型智能技术（AIGC模型、深度伪造、社交机器人、智能推荐技术等）的出现和发展，使得传播效率越来越高，因此选取转评赞总量作为衡量传播效率的一个指标；考虑到传播过程中的速度影响，因此选取“峰值传播速度”作为另一个指标，所谓峰值传播速度即字面意思，是指某事件热度上升期间转发评论数最大的一小时，即峰值传播速度，短时间内峰值传播速度越高则越不可控，因而引发公众情感共鸣，推动危机舆情热度上涨[21]。
（2）结果的测量。危机舆情事件热度。笔者选取舆情热度指数作为结果变量来对企业危机舆情事件热度生成机理的评估指标，采用知微事见平台中收录的“事件热度”（单位时间内事件在自媒体和网络媒体上的传播效果）这一指标来衡量。
3.3.2 条件和结果的校准
通过上述条件和结果变量的测量，下面需要对条件和结果变量进行校准，在使用QCA进行分析时，需要为每个案例赋予集合隶属分数，笔者参考主流研究的校准过程，采用QCA分析技术中的“三值模糊集校准法”。“三值模糊集校准法”依据案例在结果变量和条件变量上的隶属度高低进行[0.05-0.5-0.95]三分校准，“0.95”表示完全隶属，“0.05”表示完全不隶属，“0.5”为交叉点表示条件变量在结果变量上没有影响，“0.05-0.95”之间数值越高，表示案例在此变量的隶属度越高。通过fsQCA4.1中的calibrate进行校准得出隶属度值，通过设定这3个校准锚点，可以对结果变量和条件变量进行评估，确定每个案例在集合中的位置，深入探究因果复杂性，具体校准锚点见表2。
4 结果分析/ Results analysis
4.1 单变量必要性分析
主流的QCA研究过程[23-25]首先是进行单个条件的必要性分析，所以本文研究过程也需要先对单个条件变量的必要性进行分析，用来检验是否存在一个单一条件及其非集构成企业
危机事件网络舆情（高/低）热度结果的必要条件。在fsQCA方法中，一致性衡量了一种共享程度，当案例在某个条件变量上共享程度较高时，其测量值接近于1，反之则越低，具体来讲，当某个条件变量的一致性测量值大于0.9时，就可以说该条件是导致某一结果的必要条件。在本文中，使用fsQCA4.0软件对每个单一条件变量进行必要性分析，具体结果见表3。
根据表3的结果，可以看到所有条件变量及其非集变量的一致性水平都不高于0.9。这意味着单一条件变量不足以构成企业危机事件网络舆情热度高低状态的必要条件。因此可以认为，企业危机事件的舆情表现复杂且系统性充分，传播理论中的单一要素无法充分解释整体传播趋势。这也暗示着单个传播要素无法单独决定其舆情热度的高低状态。
4.2 组态充分性分析
相对于必要条件分析，组态分析侧重于研究多个条件的组合，以确定其充分性，从而导致特定结果的产生。笔者参考借鉴了FISS[17]标准以及主流研究[23-25]，取组态充分一致性阈值为0.8，PRI一致性（consistency for prime implicants）阈值为0.75，案例频数阈值根据样本规模将其设置为1。在fsQCA的计算过程中，可以得到3种解，包括简约解（parsimonious solution）、中间解（intermediate solution）以及复杂解（complex solution）。可以从以往的研究中得出推出结论的具体过程：将中间解视为组态分析结果的标准路径解，中间解也同时结合简约解的信息。在区分条件变量重要性上，将核心条件认定为同时在中间解与简约解的条件变量，辅助边缘条件认定为只出现在中间解中的条件变量。笔者通过fsQCA4.0软件进行QCA分析，最终得出企业危机事件网络舆情热度（高/低）的两类组态结果，其中，高热度生成产生6条组态路径（见表4），低热度生成产生5条组态路径（见表5）。
（1）高热度企业危机舆情传播态势的组态分析。企业危机事件网络舆情高热度生成的条件组合路径共有6条（见表4），其整体覆盖度（solution coverage）为0.648，整体一致性（solution consistency）为0.959。6条路径表示企业危机事件网络舆情高热度生成的路径不一，存在多种情况，也说明这6条路径能够比较全面地覆盖和分析企业危机事件网络舆情高热度生成情况。根据各路径的原始覆盖率由高到低排序，发现路径6、路径1和路径3是企业危机事件网络舆情高热度生成的核心路径，它们的原始覆盖率分别为39%、38%和37%。下面主要对路径1、3和6进行详细分析。
在路径1中，峰值传播速度与领袖媒体参与发挥核心作用。该组态表明，对于公众关注程度低、微博舆论占比低，但涉事企业回应积极的高风险危机事件来说，无论转评赞总量高低，在领袖媒体主导下同时拥有较高的峰值传播速度时，相应的该危机事件网络舆情热度较高。该组态对应的典型案例包括“搜狐员工遭内部邮件诈骗事件”和“蔚来汽车坠楼两名试车员身亡事件”。结合实际案例可解释为：在主流媒体发挥意见领袖功能并广泛参与的同时，新技术的应用显著提升了信息传播效率，共同作用于事件风险较高的背景下，涉事企业迅速采取了积极的应对措施。然而，由于企业危机事件网络舆情的横向传播范围广泛，导致单一舆论场中的公众活跃度相对较低。尽管如此，由于传播效率的提升，现有传播平台所受到的影响以及传播上涨数值的累加，足以引发整体危机事件的高热度生成。这一现象充分展示了主流媒体、新技术应用以及事件风险等多重因素在危机事件舆情传播中的共同作用。综上，将该组态命名为“领袖主导的全平台积极传播型”。
在路径3中，同样由峰值传播速度以及领袖媒体发挥核心作用。该组态表明，对于高风险企业危机事件，无论公众关注程度高低，当领袖媒体主导下的微博舆论场传播效率高涨，涉事企业采用消极策略进行回应，会引发更大规模的公众讨论，这类特点的危机舆情会生成更高热度的传播趋势。这一组态的典型案例有“波司登淘宝旗舰店被曝先提价再打折”。结合实际案例可以解释为，在主流媒体高度关注及报道下，由于涉事企业回应次数较少，再加之舆论场主要集中于微博平台，又因为事件风险程度较高以及相对高效的传播效率，使得该企业危机事件舆情的传播态势热度愈高。因此，将该组态命名为“领袖主导的单平台舆情高热型”。
在路径6中，同样由峰值传播速度以及领袖媒体发挥核心作用。该组态表明，对于高风险企业危机事件，当领袖媒体主导下的主流媒体活跃且公众高度关注时，此时事件信息传播主要集中在微博平台，并且传播效率较高，此时无论涉事企业采取积极回应还是消极回应策略，最终都会导致这类危机舆情生成更高热度的传播态势。这类组态的典型案例有“爱奇艺被曝限制投屏和HDMI连线播放”。结合实际案例可以解释为：在主流媒体以及公众高度关注及报道下，大量舆论主要集中于一个平台进行快速传播，此时无论涉事企业态度如何，最终都会使得该事件舆情热度愈来愈高。因此，将该组态命名为“领袖主导的多平台高热传播型”。
（2）低热度企业危机舆情传播态势的组态分析。企业危机事件网络舆情低热度生成的条件组合路径共有5条（见表5），其整体覆盖度为0.533，整体一致性为0.967。5条路径表示企业危机事件网络舆情低热度生成的路径不一，存在多种情况，也说明这5条路径能够比较全面地覆盖和分析企业危机事件网络舆情低热度生成情况。根据各路径的原始覆盖率由高到低排序，发现路径2和路径4是企业危机事件网络舆情低热度生成的核心路径，它们的原始覆盖率分别为33.08%和32.84%。下面主要对路径2和路径4进行详细分析。
在路径2中，“～领袖媒体占比”发挥核心作用。该组态表明，对于涉事企业积极回应、微博舆论占比高，但转评赞总量、百度咨询指数以及峰值传播速度都低的低风险危机事件来说，会抑制危机舆情热度的生成，使得低热度生成。该组态对应的典型案例包括“古茗直播间系统自动退单”。结合实际案例可以解释为：对于风险程度较低的危机事件，具有意见领袖功能的主流媒体较低层次的参与，再加之涉事企业积极回应，及时发布相关公关信息和处理结果，以及危机事件舆情信息较低程度的横向传播，使得主要舆论信息集中在微博平台，便于对舆论进行统一引导，由此转评赞总量以及百度咨询指数下降，从而抑制危机舆情高热度的生成。综上，将该组态命名为“低风险的单平台低热传播型”。
在路径4中，同样是“～领袖媒体占比”发挥核心作用。该组态表明，对于涉事企业积极回应，但微博舆论占比、转评赞总量、百度咨询指数以及峰值传播速度都较低的高风险危机事件来说，以上这种情况会抑制危机舆情热度的生成，进而导致舆情低热度。该组态对应的典型案例包括“悦鲜活牛奶广告用词被质疑不尊重女性”“高和汽车被曝销售欺诈”以及“学习通疑似数据泄露”。结合实际案例可以解释为：针对风险程度较高的危机事件，若主流媒体作为意见领袖的参与度较低或缺失，而涉事企业积极回应，迅速通过线上发布会等方式发布相关信息，以回应公众疑虑，即使舆情信息在多个线上平台间广泛传播，造成舆论信息的分散，从而增加了舆情引导的难度。这种情况下，转评赞总量和百度咨询指数的下降，会抑制高风险危机事件舆情高热度的生成，最终产生低热度现象。综上，将该组态命名为“高风险的全平台低热传播模型”。
5 结论与启示/ Conclusions and implications
5.1 研究结论
在本研究中，笔者采用60个企业危机事件的网络舆情案例数据集，以组态视角探索5W传播要素和舆情热度之间的相互影响和驱动路径。并揭示了在生成高或低热度的情况下，所涉及的核心路径以及不同组态背后的因果机制。最终，得出以下结论：①企业危机事件网络舆情热度生成的背后是多个传播要素共同作用的结果，这些传播要素之间以协同驱动的方式助力最终危机舆情热度的生成，或许不同传播要素协同作用的路径有所不同，但最终达成的结果具有一致性。②在企业危机事件舆情高热度生成结果中，峰值传播速度以及信息人中的领袖媒体占比发挥核心驱动作用，各传播要素在领袖媒体主导下以及保持高峰值传播速度的基础下，以多条组态路径共同产生企业危机事件网络舆情高热度这一共同结果。③在企业危机事件舆情低热度生成结果中，只有信息人中的领袖媒体占比发挥核心的驱动作用，各传播要素才能在领袖媒体参与程度较低的基础上协同驱动企业危机事件网络舆情低热度的生成。
5.2 理论启示
笔者采用组态视角结合拉斯韦尔5W传播要素理论，研究了企业危机舆情传播热度生成的复杂机制。与以往的研究不同，本文侧重于多要素以及组态分析，从组态理论的视角出发揭示了企业危机事件网络舆情热度生成路径及其背后的因果机制，填补了以往的研究空白。此外，鉴于传统信息生态理论在传播效率方面的不足，笔者基于拉斯韦尔的5W传播要素理论构建了企业危机事件网络舆情热度生成的框架。通过模糊集定性比较分析，发现了企业危机舆情传播热度生成的重要组态驱动路径，为未来关于企业网络舆情传播的研究提供了新的角度。最重要的是，鉴于企业危机事件具有其特殊性，与一般危机事件有一些不同之处，本文的研究结果也为未来在企业危机事件舆情传播领域的研究提供了新的思路。
5.3 管理启示
一是传播媒介是企业危机事件网络舆情热度生成的关键条件。从条件组态路径中可以看出，领袖媒体参与在舆情高热度生成以及降低舆情热度方面均起到核心作用。因此对于领袖媒体，换句话来说对于意见领袖，首先企业运维以及公关部门要加强同意见领袖的合作联系，应该将注意力从大规模的民间舆论，转向领袖媒体（意见领袖）的关键舆论，积极与意见领袖们沟通合作，借助意见领袖之手了解公众利益诉求以及其他需要，通过意见领袖之音回应危机舆情中的重要节点事件，以此来减少高热度、情绪煽动、高风险的危机舆情规模的进一步扩大。其次作为管理者要未雨绸缪，谋危机之未起，积极培育和转化专业的企业危机意见领袖，加强同社交平台中的应急管理、危机管理专家学者的联系[26]，充分发挥专业意见领袖的作用。
二是传播效率亦是企业危机事件网络舆情热度生成的关键条件。从实证结果中可以看出，峰值传播速度或者说传播效率高，则相应舆情热度就高，由此看出传播效率之于舆情高热度生成的高度一致性。对于企业部署危机管理及应急管理相关工作时，传播效率即峰值传播速度意味着企业应用社交媒体程度，也即企业应用新型技术程度或者从某一方面来说意味着企业信息数字化程度。那么如何平息高热度危机舆情，就变成如何抑制传播速度的问题，企业可以通过社交媒体进行信息遮蔽行为，对一些负面极端的信息采取付费删帖等具体措施，然而这些措施在合法性和合规性方面存在疑问。因此，企业需要寻找更加合理且合法的方式来应对。例如企业可以通过社交媒体等平台，积极发布正面信息，包括企业文化、社会责任、产品优势等，以平衡负面信息的影响，提升公众对企业的正面认知。基于组态分析进行分类，面对公众热情类型时，涉事企业要积极地面对和寻求解决危机事件的方法，对于应该承担的社会责任予以接受，以此塑造并改善线上企业形象，并提升企业公信力，争取将危机程度下降，也即“大事化小，小事化无”。对于风险程度较低的企业危机事件，企业管理者更应该注重公众的情感宣泄总体水平以及针对危机事件所持相关利益诉求，并及时对公众反应和平台反馈做出回应，针对反馈的类型采取不同的应对措施，以此来降低危机事件对公众情绪的影响，企业要积极采取热情型回应机制。除此之外还应该实时监测一些恶意散布极端情绪、不良信息的行为，未雨绸缪，防微杜渐，通过及时有效的预防措施进一步消减企业危机事件网络舆情的负面传播对公众、企业乃至社会造成的不良影响。
三是重视群体智慧的边缘作用。在这里，群体智慧是指企业相关管理者可以通过用户生成内容（user-generated content， UGC）与专业生成内容（professional generated content/professionally-produced content， PGC/PPC）的互相补充、举证、质疑、纠错等的结构性关系，包括组态分析中使用的代表受众的百度咨询指数，其得出过程也源自于舆情受众的诸多行为，可以算作是另一种形式的群体智慧。企业在危机管理以及应急管理时，需要注意时刻掌握受众舆论情绪，确保在可控范围之内；通过大数据技术、内容提取技术、深度学习技术等新兴技术对危机舆情过程中的大量舆论进行分析，根据舆论反馈改进公司管理措施，以此降低危机舆情高热度的生成概率。
5.4 研究创新性与展望
本文的研究创新体现在两个方面：①采用了新的研究视角。当前的相关研究主要集中在单独研究每个要素对结果的影响，这样虽然可以追求精确性，但却忽略了整体性的考虑。虽然有一些研究尝试从整体的角度去考虑各个要素之间的相互作用，但这些研究通常只限于定性分析，缺乏深入的定量分析。而本文采用系统整体的研究视角，在原有定性分析的基础上添加融合了定量分析，通过组态分析理论深入研究探讨5W传播要素彼此之间的作用关系以及协同对舆情热度生成的作用，从而更全面地解释危机舆情热度生成现象。②运用了新的理论方法。通过拉斯韦尔5W传播要素理论，构建了分析框架与理论模型，并对企业危机舆情热度生成结果进行分析，是对fsQCA方法的一次创新性拓展。最后，研究对象的创新，选择企业危机事件这一研究对象，探究企业危机事件网络舆情热度生成机理，其与一般危机事件存在一些不同，有助于丰富危机舆情研究。
局限性与不足主要表现为：首先，未分析时间变量的影响机制。网络舆情的演变是一个动态过程，不同时间段内的影响机制可能存在差异。本文只考虑了危机舆情传播的整体过程中的要素影响机制，而未考虑时间因素。因此，未来的研究可以进一步探讨不同阶段的传播要素作用机制。其次，研究中选取了60个案例，符合以往对中小样本的要求。然而，这一样本规模可能限制了研究结论的普适性。未来的研究可以考虑收集更多不同类型的案例，以进行更大规模的分类研究，从而提高结论的普适性。
参考文献/References：
[1] 王满仓， 佘镜怀， 王伟. 现代企业危机管理理论综述[J]. 经济学动态， 2004（3）： 80-83. （WANG M C， SHE J H， WANG W. A review of modern enterprise crisis management theories[J]. Economics news， 2004（3）： 80-83.）
[2] 阎海燕， 詹凌云， 陈明明， 等. 基于系统动力学的企业危机事件网络舆情传播与应对研究[J]. 系统科学学报， 2021， 29（1）： 92-97. （YANG H Y， ZHAN L Y， CHEN M M， et al. A study of online public opinion dissemination and response to corporate crisis events based on system dynamics[J]. Journal of systems science， 2021， 29（1）： 92-97.）
[3] 谢乐， 杨波， 杨美芳， 等. 企业危机事件网络舆情负性偏向驱动机制研究——基于40个案例的两阶段fsQCA分析[J]. 管理评论， 2023， 35（7）： 339-352. （XIE L， YANG B， YANG M F， et al. Research on the diving mechanism of negative bias of online public opinion in corporate crisis events—a two-stage fsQCA analysis based on 40 cases[J]. Management commentary， 2023， 35（7）： 339-352.）
[4] 何奇龙， 罗兴， 王先甲. 突发危机事件负面网络舆情化解的随机演化博弈分析[J]. 经济与管理， 2023， 37（2）： 20-29. （HE Q L， LUO X， WANG X J. Stochastic evolutionary game analysis of negative online public opinion resolution in unexpected crisis events[J]. Economy and management， 2023， 37（2）： 20-29.）
[5] 孙瑞英. 网络舆情治理的协调性惩罚自组织演化机制研究[J]. 现代情报， 2020， 40（5）： 122-129， 168. （SUN R Y. Research on the self-organized evolution mechanism of coordinative punishment for online public opinion governance[J]. Modern intelligence， 2020， 40（5）： 122-129， 168.）
[6] 胡吉明， 杨泽贤. 突发公共事件网络舆情热度关键影响因素识别研究[J]. 情报杂志， 2022， 41（5）： 112-117， 182. （HU J M， YANG Z X. A study on the identification of key influencing factors on the heat of online public opinion of public emergencies[J]. Journal of intelligence， 2022， 41（5）： 112-117， 182.）
[7] 冯佳昊， 韩玮， 陈安. 基于BDI-Agent模型的突发公共卫生事件公众应急信息传播机制建模研究[J]. 现代情报， 2022， 42（10）： 110-122. （FENG J H， HAN W， CHEN A. Modeling research on public emergency information dissemination mechanism for public health emergencies based on BDI-Agent model[J]. Modern intelligence， 2022， 42（10）： 110-122.）
[8] 李艳微， 包磊. 基于融媒体技术的中国话语舆情传播引导机制研究[J]. 情报科学， 2022， 40（11）： 40-48， 109. （LI Y W， BAO L. Research on the dissemination and guidance mechanism of Chinese discourse and public opinion based on integrated media technology[J]. Intelligence science， 2022， 40（11）： 40-48， 109.）
[9] 杨波， 谢乐. 企业危机事件网络舆情传播态势生成机理研究——基于信息生态的多阶段fsQCA分析[J]. 管理评论， 2022， 34（7）： 339-352. （YANG B， XIE L. Research on the mechanism of generating online public opinion communication posture in corporate crisis events--a multi-stage fsQCA analysis based on information ecology[J]. Management review， 2022， 34（7）： 339-352.）
[10] 张亚明， 高祎晴， 宋雯婕等.信息生态视域下网络舆情反转生成机理研究——基于40个案例的模糊集定性比较分析[J]. 情报科学， 2023， 41（3）： 66-73. （ZHANG Y M， GAO Y Q， SONG W J， et al. Research on the generation mechanism of online public opinion reversal under the view of information ecology--a qualitative comparative analysis of fuzzy sets based on 40 cases[J]. Intelligence science， 2023， 41（3）： 66-73.）
[11] 胡象明， 刘腾.突发公共卫生事件网络舆情影响力生成机理及风险规避[J]. 山东社会科学， 2023（2）： 96-107. （HU X M， LIU T. Generation mechanism and risk avoidance of network public opinion influence on public health emergencies[J]. Shandong social science， 2023（2）： 96-107.）
[12] MENG L ， QI K ， HAN C ， et al. A multi-agent model for simulation of public crisis information dissemination[J]. International journal of wireless & mobile computing， 2016， 11（1）： 33-41.
[13] 孙倬， 赵红， 王宗水. 网络舆情研究进展及其主题关联关系路径分析[J]. 图书情报工作， 2021， 65（7）： 143-154. （SUN Z， ZHAO H， WANG Z S. Progress of network public opinion research and its path analysis of thematic correlation relationship[J]. Library and intelligence work， 2021， 65（7）： 143-154.）
[14] 张世昌. 大数据时代网络舆情治理中公众参与的困境与完善[J]. 新疆社会科学， 2023（1）： 128-136， 146. （ZHANG S C. Dilemma and improvement of public participation in online public opinion governance in the era of big data[J]. Xinjiang social science， 2023（1）： 128-136， 146.）
[15] RAGIN C. C. Redesigning social inquiry： fuzzy sets and beyond[J]. Social forces， 2010， 88（4）： 1936-1938.
[16] ROIG-TIERNO N， GONZALEZ-CRUZ T F， LLOPIS-MARTINEZ J. An overview of qualitative comparative analysis： a bibliometric analysis[J]. Journal of innovation & knowledge， 2017， 2（1）： 15-23.
[17] CHIARA C， CORTESE D， MOSCA F， et al. Paradoxes and strategies in social enterprises dual logics enactment： a csQCA between Italy and the United Kingdom[J]. Journal of business research， 2020， 115（1）： 334-347.
[18] FISS P C. A set-theoretic approach to organizational configurations[J]. Academy of management review， 2007， 32（4）， 1180-1198.
[19] 吴芃， 陈依旋， 卢珊， 等.企业负面事件社交媒体回应策略及其市场反应：来自新浪微博的证据[J]. 东南大学学报（哲学社会科学版）， 2022， 24（4）： 82-100， 147-148. （WU P， CHEN Y C， LU S， et al. Social media response strategies to negative corporate events and their market reactions： evidence from Sina Weibo[J]. Journal of Southeast University （Philosophy and Social Science Edition）， 2022， 24（4）： 82-100， 147-148.）
[20] 郑思佳， 汪雪锋， 刘玉琴， 等. 关键核心技术竞争态势评估研究[J]. 科研管理， 2021， 42（10）： 1-10. （ZHENG S J， WANG X F， LIU Y Q， et al. Research on the assessment of competitive situation of key core technologies[J]. Research management， 2021， 42（10）： 1-10.）
[21] 李磊， 支梅， 李睿涵. 新冠肺炎突发公共卫生事件网络舆情传播动力学[J]. 西安科技大学学报， 2022， 42（1）： 47-54. （LI L， ZHI M， LI R H. Dynamics of online public opinion dissemination of the new coronary pneumonia public health emergencies[J]. Journal of Xi'an University of Science and Technology， 2022， 42（1）： 47-54.）
[22] 朱珺彤， 单晓红. 突发事件网络舆情危机的生成机理研究——基于21个突发事件网络舆情案例的fsQCA分析[J]. 情报探索， 2022（3）： 40-48. （ZHU J T， SHAN X H. A study on the generation mechanism of critical incident online public opinion crisis--an fsQCA analysis based on 21 critical incident online public opinion cases[J]. Intelligence exploration， 2022（3）： 40-48.）
[23] 杜运周， 刘秋辰， 陈凯薇， 等.营商环境生态、全要素生产率与城市高质量发展的多元模式——基于复杂系统观的组态分析[J]. 管理世界， 2022， 38（9）： 127-145. （DU Y Z， LIU Q C， CHEN K W， et al. Multiple models of business environment ecology， total factor productivity and urban high-quality development - a group analysis based on the complex system view[J]. Management world， 2022， 38（9）： 127-145.）
[24] 杜运周， 刘秋辰， 程建青.什么样的营商环境生态产生城市高创业活跃度？——基于制度组态的分析[J]. 管理世界， 2020， 36（9）： 141-155. （DU Y Z， LIU Q C， CHENG J Q. What kind of business environment ecology generates high entrepreneurial activity in cities？ --an analysis based on institutional grouping[J]. Management world， 2020， 36（9）： 141-155.）
[25] 杜运周， 贾良定. 组态视角与定性比较分析 （QCA）： 管理学研究的一条新道路[J]. 管理世界， 2017， 28（6）： 155-167. （DU Y Z， JIA L D. Group perspective and qualitative comparative analysis （QCA）： a new path for management research[J]. Management world， 2017， 28（6）： 155-167.）
[26] 李晚莲， 高光涵.突发公共事件网络舆情热度生成机理研究——基于48个案例的模糊集定性比较分析（fsQCA）[J]. 情报杂志， 2020， 39（7）： 94-100. （LI W L， GAO G H. Research on the mechanism of generating online public opinion heat in public emergencies--fuzzy set qualitative comparative analysis （fsQCA） based on 48 cases[J]. Journal of intelligence， 2020， 39（7）： 94-100.）
作者贡献说明/Author contributions：
许成斌：确定论文主题，进行数据收集与论文撰写；
夏志杰：指导研究思路，修改论文。
Research on the Influencing Factors of Online Public Opinion Heat Generation in Corporate Crisis Events：Based on fsQCA Analysis of 60 Online Public Opinion Cases in Corporate Crisis Events
Xu Chengbin Xia Zhijie
School of Management， Shanghai University of Engineering Science， Shanghai 201620
Abstract： [Purpose/Significance] The frequent occurrence of corporate crisis events has led to the emergence of high-heat online public opinion， which has brought significant challenges to the ability of corporations to deal with sudden crisis public opinion， so how to grasp the law of generating heat of crisis public opinion has become an urgent issue to be dealt with in corporate crisis management. [Methodology/Process] Selecting corporate crisis public opinion as the research object， based on Lasswells 5W communication element theory， using fuzzy set qualitative comparative analysis （fsQCA） method， exploring the multiple paths of the interaction of the 5W communication elements for the generation of public opinion heat based on the grouping perspective， and analyzing the synergistic driving relationship and the role of the communication elements， we attempted to clarify the paths of the generation of online public opinion heat in corporate crisis events by considering the synergistic driving relationship and the role of the communication elements. and the inner mechanism. [Result/Conclusion] The study found that the peak communication speed in communication efficiency and the leader media share among informants are the key conditions for generating online public opinion heat of corporate crisis events. In the high heat generation results， the peak communication speed and the high leader media share play a core driving role; in the low heat generation results， the low leader media share plays a core driving role. Various communication elements work together in multiple synergistic paths to generate the public opinion heat of corporate crisis events.
Keywords： corporate crisis events online public opinion Laswell 5W FsQCA
Fund project（s）： This work is supported by National Social Science Fund of China titled “Research on Intelligent Governance Mechanism and Operation Strategy of Internet Rumors Supported by Big Data” （Grant No. 21BGL243）， and Shanghai Philosophy and Social Science Planning Grant Program “Study on the Characteristics of Pseudo-Health Information Dissemination and Multi-subject Collaborative Intervention in the Era of Big Data” （Grant No. 2020BGL005）.
Author（s）： Xu Chengbin， master candidate; Xia Zhijie， professor， PhD， doctoral supervisor， corresponding author， E-mail： xia_zhijie@163.com.
Received： 2023-08-01 Published： 2024-04-24
