企业危机舆情传播影响因素及组态路径研究

Research on the Influencing Factors and Configuration Path of Enterprise Crisis Public Opinion Communication

摘要: [目的/意义]探究影响企业危机舆情事件影响力的关键因素，识别各因素间的联合驱动作用，对治理和引导舆情传播有重要意义。[方法/过程]首先，本文基于行动者理论并结合现有文献，从公众、媒体、企业、政府等四个维度选取六个指标作为企业危机舆情事件影响力产生的条件变量，并将事件影响力作为结果变量；其次，以30个企业危机事件为例采用模糊集定性比较分析法，基于系统视角探究企业危机舆情事件影响力生成路径；最后，采用灰色关联分析，从个体视角分析不同组态路径下，核心条件与事件影响力的关联程度。[结果/结论]研究表明：企业危机舆情的传播受到多个要素的联合驱动；公众在企业危机舆情高事件影响力的形成中有着关键作用；媒体参与助推企业危机舆情高事件影响力的形成；低曝光度和低公众参与会导致企业危机舆情低事件影响力的形成。

Abstract: [Purpose/Significance] To explore the key factors that affect the impact of corporate crisis public opinion events, and identify the joint driving role of various factors, which is of great significance to governance and guide the spread of public opinion. [Method/Process] Firstly, based on the actor theory and combined with the existing literature, this paper selects six indicators from the four dimensions of the public, media, enterprises and government as the conditional variables of the impact of corporate crisis public opinion events, and takes the event impact as the outcome variable; Secondly, taking 30 enterprise crisis events as an example, the paper uses the qualitative comparative analysis method of fuzzy sets to explore the generation path of the influence of enterprise crisis public opinion events based on the system perspective; Finally, the grey correlation analysis is used to analyze the correlation between the core conditions and the influence of events under different configuration paths from the individual perspective. [Results/Conclusion] The research shows that the spread of corporate crisis public opinion is jointly driven by multiple factors; The public plays a key role in the formation of high impact of corporate crisis public opinion events; The participation of the media will promote the formation of the influence of high events of corporate crisis and public opinion; Low exposure and low public participation will lead to the formation of low impact of corporate crisis and public opinion.

1. 引言

随着互联网的发展，以微博为代表的新媒体层出不穷且成为人们生活的重要组成部分。网络舆情尤其是企业危机舆情极易发生，并在各类新媒体平台不断发酵。如：2021年特斯拉刹车失灵事件、2022年B站审核风波事件、2022宝洁公众号侮辱女性等。由企业危机事件所引发的网络舆情具有参与主体多、传播速度快、突发性、影响范围广等特点。企业危机舆情的发生容易引起社会的广泛关注，同时现有研究表明，企业危机舆情的波动会对企业形象和企业股票收益等造成不同程度的影响 [1] ，甚至威胁企业的生存与发展。因此，在新媒体时代，研究企业危机舆情传播的影响因素是十分有必要的，是企业等相关组织治理以及引导企业危机舆情的前提和关键。

2. 相关研究综述

企业网络舆情是指公众利用网络发表和传播对企业热点事件的不同认知、看法和态度的总和 [2] 。近年来，企业舆情事件频繁发生并引发高热度，虽然企业已经意识到去应对网络舆情是十分有必要的，但是就目前来看对网络舆情的应对企业难以有效把握，舆情应对效果并不理想。掌握企业网络舆情传播的影响因素是企业应对网络舆情的前提和关键，也是当前企业网络舆情治理的主要任务之一，不同学者采用不同方法对企业网络舆情传播影响因素进行研究。有些学者从主体层面出发研究公众、媒体等主体对企业网络舆情传播的影响 [3] [4] 。有些学者从行为层面出发分析引导主体不同干预措施、控制策略等对企业网络舆情传播的影响 [5] [6] 。部分学者采用扎根理论对文本进行分析，经过主轴编码等方式获取企业网络舆情影响因素 [7] 。

定性比较分析法是探究研究对象之间因果关系的一种方法，该方法由csQCA、fsQCA、mvQCA三种类型组成，已经在不同领域得到运用 [8] 。如彭国超等 [9] 以社会燃烧理论为基础，利用csQCA探究反转新闻高舆情热度的生成路径。冯雯璐等 [10] 以36个案例为例，采用fsQCA探究社会民生事件中网络舆情演化机制。晏婉暄等 [11] 结合模糊集定性比较分析法和多元回归分析偶遇信息分享行为的影响因素。Wang等 [12] 运用fsQCA探究企业网络舆情热度的生成因素。

综上所述，学者们虽采用了不同方法对企业网络舆情传播影响因素进行研究，但多是从主体层面和行为层面考虑不同干预措施或者不同主体对企业网络舆情的影响或者通过编码获取企业网络舆情影响因素，对企业网络舆情传播过程中多种因素相互作用的研究较少。虽有部分学者利用QCA对企业网络舆情传播进行研究，但从组态和单一双重视角对影响因素进行研究还较为缺乏。因此，本文以行动者理论为基础，结合模糊集定性比较分析法和灰色关联分析法从组态视角和单个视角对企业危机舆情传播影响因素进行探究，识别产生企业危机舆情高事件影响力的组态路径，深入探究不同组态路径下不同核心条件对事件影响力的影响程度，为管理和引导企业危机舆情提供参考和支撑。

3. 研究设计

3.1. 研究方法与步骤

为探究企业危机舆情传播影响因素及组态路径，本文采用模糊集定性比较分析法和灰色关联分析法从系统视角和单个视角探究企业危机舆情传播影响因素及其组态路径。模糊集定性比较分析法是基于组态视角探究不同变量组合与因变量之间的因果关系。灰色关联分析是基于数据的变化趋势分析两个因素之间的关系程度 [13] ，该方法已经运用到网络舆情等多个领域 [14] [15] 。模糊集定性比较分析法能够探究出形成企业危机舆情事件影响力的组态路径，灰色关系分析弥补了fsQCA不能从单个视角探究不同自变量对因变量的影响程度这一问题。因此，本文以行动者理论为基础，结合以上两种方法，首先，基于行动者理论以及对现有文献的总结选择影响因素指标并确定条件变量和结果变量；其次，针对QCA对案例选取的要求，选择案例；接着，使用模糊集定性比较分析法分析形成企业危机舆情高事件影响力及低事件影响力的影响因素组态路径；最后，使用灰色关联分析法探究不同组态路径的核心条件对事件影响力的影响程度。本文的研究流程如图1所示。

Figure 1. Flow chart of research on the influencing factors and configuration paths of corporate crisis public opinion

图1. 企业危机舆情影响因素及组态路径研究流程图

3.2. 指标与案例选取

3.2.1. 理论基础与指标选取

法国社会学家卡隆和拉图尔提出了行动者理论(ANT)，主要研究人类与非人类行动者之间相互作用形成的异质网络 [16] 。不少学者将该理论运用到谣言治理研究以及突发性公共事件网络舆情生成机理研究。鉴于行动者理论与企业危机舆情事件生成机理有高度的适应性，同时考虑到企业危机舆情的独特性，本文以行动者理论为基础以及对已有文献的总结，将从公众、媒体、企业、政府四个维度选取影响企业危机舆情事件影响力的指标，最终选取了六个指标作为条件变量，将事件影响力作为结果变量。各指标详细信息如表1。

Table 1. Explanation of variables influencing the spread of corporate crisis public opinion

表1. 企业危机舆情传播影响因素变量说明

注：央级媒体包括中央电视台、经济日报、中国日报等18家中央级别新闻单位。

3.2.2. 案例选取

为保证研究案例具有针对性且符合QCA对样本的选取要求，本文从知微事见平台按照以下三条标准选择案例样本：①案例引起广泛关注，曾在微博热搜上出现。②案例类型多样性，选取的舆情案例类型包括消费者权益问题、公司经营管理问题等。③案例差异性，选取的案例在条件和结果上具有多样化的表现形式。最终本文选取了2019~2022年30个案例作为研究样本，其中舆情事件影响力70以上15个，70以下15个，具体见表2。

Table 2. Research cases

表2. 研究案例

4. 实证分析

4.1. 模糊集定性比较分析

4.1.1. 数据赋值与校准

利用fsQCA进行数据分析之前需要对各条件变量和结果变量进行校准，以表示数据的集合隶属度，参考已有研究本文选择直接校准法进行校准 [17] ，将结果变量和条件变量的75%分位点、50%分位点以及25%分位点分别作为完全隶属点、交叉点和不完全隶属点。其中，“政府回应”和“企业回应”变量无法用分位数方法进行校准，因此关于变量“政府回应”的赋值标准为：政府回应赋值为1，政府没有回应赋值为0。“企业回应”的赋值标准为：企业回应赋值为1，企业没有回应赋值为0。具体校准锚点见表3。

Table 3. Variable calibration results

表3. 变量校准结果

4.1.2. 单变量必要性分析

在各个变量赋值后，真值表分析之前，需要对条件变量进行必要性检验，即探究单个条件变量及其非值是否是企业危机舆情高事件影响力或低事件影响力形成的必要条件。在fsQCA中用一致性指标衡量必要条件是否存在，计算公式如下见式(1)。通常当一个条件的一致性大于0.9时则认为该条件是结果的必要条件，一致性大于0.8则认为该条件是结果发生的充分条件 [8] 。本文采用fsQCA3.0软件进行必要性条件的分析，结果见表4。

$\begin{array}{c}Consistency\left(Y_i\le X_i\right)=\frac{{{\displaystyle \sum }}^{\text{}}\left[\min \left(X_i,Y_i\right)\right]}{{{\displaystyle \sum }}^{\text{}}\left(X_i\right)}\end{array}$ (1)

Table 4. Results of univariate necessity analysis

表4. 单变量必要性分析结果

注：~表示逻辑非。

由表4可知，所有条件的一致性均低于0.9，表明单个条件不是形成企业危机舆情高事件影响力或低事件影响力的必要条件。但当结果变量为高事件影响力时，意见领袖、重要媒体参与数、企业回应的一致性均高于0.8，因此可将其视为企业危机舆情高事件影响力形成的充分条件。当结果变量为低事件影响力时，~意见领袖影响力、~重要媒体参与数的一致性均高于0.8，表明低意见领袖影响力、低重要媒体参与数是企业危机舆情低事件影响力形成的充分条件，表明低意见领袖影响力和少量重要媒体参与对企业危机舆情低事件影响力的生成有着较为重要的作用。

4.1.3. 条件组态分析

条件组态分析是探究由若干条件构成的不同组态而产生某种结果的充分性。进行组态分析时使用真值表算法来确定组态与结果的充分性。本文通过fsQCA3.0软件进行真值表构建，并参考Fiss [18] 和已有研究 [19] [20] 标准将最小案例数设置为1，将组态充分性一致性阈值和PRI一致性阈值分别设置为0.8和0.75。fsQCA会得到三种解，分别为复杂解、简约解、中间解。根据已有研究 [21] ，本文将中间解作为条件组态结果的标准解，并结合简约解以此判断核心条件和边缘条件。若一个条件变量同时在解约解和中间解中出现，则该条件变量为核心条件，若一个条件变量只在中间解中出现，则认为该条件为边缘条件。本文使用fsQCA3.0软件分别对高事件影响力的企业危机舆情和低事件影响力的企业危机舆情进行组态分析，见表5。

由表5可知，共有6条企业危机舆情高影响力形成的组态路径，其总体解的一致性为0.957，总体解的覆盖度为0.787，表明这6条组态路径能够解释大约78.7%的案例。由组态结果可知，不同组态路径的覆盖度有一定的差异，组态路径的覆盖度与路径的解释力成正相关，因此，为了保证结论具有解释性，参考已有研究 [1] ，本文将会对覆盖度大于0.1的组态进行解释。

组态H1：网民关注度*重要媒体参与数*央级媒体参与度*企业回应。该组态的核心条件为网民关注度、重要媒体参与数、央级媒体参与度。该组态表明无论政府以及意见领袖是否活跃，当网民高度关注、重要媒体和央级媒体积极参与，即使企业积极回应也会导致较高的影响力。如本研究案例中网易员工疑遭“暴力”裁员是该组态的典型案例。该事件发生后舆情迅速发酵引发了网民和媒体的高度关注，并且随着舆情热度的高涨，企业进行多次回应，最终成为高影响力舆情事件。因此，本文将该组态命名为网民媒体推动型。

组态H2：网民关注度*意见领袖影响力*~央级媒体参与度*企业回应*~政府回应。该组态的核心条件为网民关注度和意见领袖影响力。该组态表明无论重要媒体是否活跃，当网民关注度高，意见领袖影响力大且企业积极回应时，即使缺乏央级媒体和政府参与也能生成较高影响力的企业危机舆情事件。如本研究中“三只松鼠酸辣粉宣传照引起争议”是该组态的典型案例。该案例百度资讯指数达到9360921，意见领袖影响力达到12108万均处于较高水平，得到公众的激烈讨论最终形成高影响力企业危机舆情事件。因此，本文将该组态命名为公众推动型。

组态H3：网民关注度*意见领袖影响力*重要媒体参与数*央级媒体参与度*政府回应。组态的核心条件为网民关注度、意见领袖影响力、重要媒体参与数、央级媒体参与度。该组态表明无论企业是否积极回应，当网民关注度高，意见领袖影响力强，媒体参与数多且政府参与的企业危机事件具有较高的事件影响力。如本研究中“腾讯与老干妈合同纠纷事件”是该组态的典型案例，事件发生后网民对该事件有较高的关注度，意见领袖影响力也高达23649万，有129家重要媒体参与，央级媒体的参与度也达到65.5%。事件影响力为85.3，在知微事件企业危机事件库中排名第五，参与者主体的高参与度以及高媒体报道度最终形成高影响力企业危机舆情事件。因此，本文将该组态命名为多主体推动型。

组态H4：意见领袖影响力*重要媒体参与数*央级媒体参与度*企业回应*政府回应。该组态的核心条件为意见领袖影响力、重要媒体参与数、央级媒体参与数。该组态表明无论网民是否关注，当意见领袖影响力高，重要媒体参与数多，央级媒体参与度大且企业积极回应，政府积极参与时能生成高事件影响力的企业危机舆情事件。如本研究中“金融管理部门再次约谈蚂蚁集团”是该组态的典型案例，事件发生后百度指数较低为150398，在30个研究案例中排第27位，即网民关注度较低，但该事件得到了媒体的积极报道，意见领袖、企业、政府的积极参与最终形成了高事件影响力事件。因此，本文将该组态命名为意见领袖媒体双重推动型。

Table 5. Configuration analysis results of high impact events generated by corporate crisis public opinion

表5. 企业危机舆情高事件影响力生成的组态分析结果

将结果变量设为“~事件影响力”，得到7条企业危机舆情低事件影响力组态路径。由表6可知，这7条路径解的覆盖度为0.79，解的一致性为0.984。其中有4条组态路径的覆盖度高于0.1，表明H1~H4这4条路径对低事件影响力的企业危机舆情具有解释性。在H1~H4这四条路径中，低重要媒体参与数在H1~H4四条路径中均有出现，低网民关注度在H1、H3、H4三条路径中出现，低意见领袖影响力在H2、H3、H4三条路径中出现、低央级媒体参与度在H1、H2、H3三条中出现，表明低曝光度和低公众参与是形成企业危机舆情低事件影响力的主要原因。

Table 6. Configuration analysis results of low impact events generated by corporate crisis public opinion

表6. 企业危机舆情低事件影响力生成的组态分析结果

4.2. 灰色关联分析

通过本文3.2节的分析，共有四种类型的组态会生成较高影响力的企业危机舆情事件。在不同组态路径中，存在不同的核心条件和辅助条件。本节通过灰色关联模型分析不同类型组态路径的核心条件对企业危机舆情高事件影响力的影响程度。灰色关联分析的基本过程如下：

(1) 确定参考数列和比较数列

对系统行为产生影响的因素所组成的若干组数据序列为比较数列。反应系统行为特征的序列为参考数列。本文以事件影响力作为参考数列，以网民关注度、意见领袖影响力、重要媒体参与数、央级媒体参与度作为比较序列。

(2) 数据的无量纲化处理

本文采用初值法进行无量纲化处理，即把每个指标数据除以该指标的第一个数据，得到无量纲化后的序列。用 $X_0\left(t\right)$ 表示无量纲化后的参考数列， $X_i\left(t\right)$ 表示无量纲化后的比较数列。

(3) 计算关联系数

关联系数是指参考数列与比较数列的关联程度值，计算公式如下：

${\gamma }_i\left(\text{n}\right)=\frac{\underset{i}{\min }\underset{t}{\min }\left|X_i\left(t\right)-X_0\left(t\right)\right|+\rho \underset{i}{\max }\underset{t}{\max }\left|X_i\left(t\right)-X_0\left(t\right)\right|}{\left|X_i\left(t\right)-X_0\left(t\right)\right|+\rho \underset{i}{\max }\underset{t}{\max }\left|X_i\left(t\right)-X_0\left(t\right)\right|}$ (2)

其中， $\rho$ 为分别系数，一般取值为0~1，通常取值为0.5。 $\underset{i}{\min }\underset{t}{\min }\left|X_i\left(t\right)-X_0\left(t\right)\right|$ 为差序列的最小值， $\underset{i}{\max }\underset{t}{\max }\left|X_i\left(t\right)-X_0\left(t\right)\right|$ 为差序列的最大值。

(4) 计算关联度

关联系数的平均值为关联度，关联度是用来衡量比较序列 $X_i\left(t\right)$ 与参考序列 $X_0\left(t\right)$ 的关联程度，用 ${\gamma }_i$ 表示。计算公式如下：

$\begin{array}{c}{\gamma }_i=\frac{1}{N}{\displaystyle \underset{k=1}{\overset{t}{\sum }}{\epsilon }_i\left(k\right),\left(k=1,2,\cdots ,n\right)}\end{array}$ (3)

其中， ${\gamma }_i$ 值越大说明其关联程度越高，反之越小说明其关联程度越低。

通过上述计算得到四条组态路径核心条件与事件影响力的关联度，见表7。由表7可知，在网民媒体双重推动型中，网民关注度与事件影响力的关联度为 ${\gamma }_1=0.69$ ；重要媒体参与数与事件影响力的关联度为 ${\gamma }_2=0.75$ ；央级媒体参与度与事件影响力的关联度为 ${\gamma }_3=0.59$ 。从而可以看出，在该组态中，核心条件指标各对事件影响力的影响程度大小关系为：重要媒体参与数 > 网民关注度 > 央级媒体参与数。在公众推动型中，网民关注度与事件影响力的关联度为 ${\gamma }_1=0.56$ ，意见领袖与事件影响力的关联度为 ${\gamma }_2=0.83$ ，表明意见领袖影响力是影响企业危机舆情事件影响力的关键因素。在多主体推动型中，网民关注度、意见领袖影响力、重要媒体参与度数、央级媒体参与度与高事件影响力的关联度分别为0.75、0.63、0.79、0.56，表明在该组态路径中，对事件影响力影响程度最大的核心指标为重要媒体参与数，其次为网民关注度，第三为意见领袖影响力，最后为央级媒体参与度。在意见领袖媒体双重推动型中，意见领袖、重要媒体参与数、央级媒体参与度与事件影响力的关联度分别为0.43、0.31、0.61，表明在该组态中央级媒体参与度对事件影响力的影响程度最大。

Table 7. Calculation results of correlation between core conditions of different configuration paths and high event influence

表7. 不同组态路径核心条件与高事件影响力的关联度计算结果

5. 结论与启示

本文基于行动者理论，采用模糊集定性比较分析法和灰色关联分析法，基于参与者主体、媒体、企业、政府四个维度，确定了网民关注度等六个指标。选取30个典型的企业危机舆情案例作为分析样本，运用fsQCA从系统视角分析不同影响因素组合对企业危机舆情事件影响力的影响。在此基础上，运用灰色关联分析法，计算不同组态路径的核心条件与事件影响力的关联度，从个体视角探究不同组态路径下，不同核心条件对事件影响力的影响程度。通过分析得出结论：(1) 企业危机舆情的传播受到多个要素的联合驱动作用。(2) 公众参与对企业危机舆情事件较高事件影响力的形成具有关键推动作用。(3) 媒体参与助推企业危机舆情事件影响力的提升。(4) 低曝光度和低公众参与更倾向于产生低事件影响力。

本文对于企业危机舆情传播影响因素的研究存在一定的局限性。在案例选取方面，案例数量有限仅为30个且具有一定的主观性，虽符合定性比较分析法中小样本的要求，但在一定程度上弱化了结论的普适性。因此，下一阶段研究应收集多个案例数据进行定性比较分析。