基于QCA的企业网络舆情演化机理研究.pdf

25AInformation ResearchNo.9(SerialNo.311)Sep.2023情报探索2023年9 月第9 期（总3 1 1 期）基于QCA的企业网络舆情演化机理研究*曲云鹤孙钦莹（黑龙江大学信息管理学院黑龙江哈尔滨150080)摘要：【目的/意义 探究企业网络奥情的影响因素有助于提升企业决策层对网络奥情的治理成效，对留存用户群体、维护企业形象减少企业损失具有实践意义。【方法/过程】以企业舆情为研究对象，围绕奥情事件、企业、政府、媒体、网民群众五个奥情维度，结合近两年2 0 起企业网络奥情事件案例,采用QCA方法进行单因素分析与组态分析。【结果/结论 媒体报道准确度是造成企业网络奥情热度高涨的关键性成因，企业形象的影响作用最小，企业负面事件引起的网络奥情是多种影响因素共同导致的。企业应对奥情时应端正态度，注意回应频次以及方式方法，避免不当言论倾向；在注重生产质量、营销宣传等基础企业活动之外，企业应尽可能避免卷入刑事、民事以及激发公众爱国情绪的事件当中。关键词：企业网络奥情；演化机理；组态分析；QCA中图分类号：G350.7文献标识码：Adoi:10.3969/j.issn.10058095.2023.09.004Research on Evolution Mechanism of Enterprise Network Public Opinion Based on QCQu YunheSun Qinying(School of Information Management,Heilongjiang University,Harbin Heilongjiang 150080)Abstract:Purpose/significance Exploring the influencing factors of enterprise network public opinion is helpful to improve theeffectiveness of enterprise decision-making on network public opinion governance,and has practical significance for retaining usergroups,maintaining corporate image and reducing corporate losses.Method/process This paper takes enterprise public opinion as theresearch object,focuses on five dimensions of public opinion,including public opinion events,enterprises,government,media and neti-zens,combines 20 cases of enterprise network public opinion events in the past two years,and uses QCA method for single factor analysisand configuration analysis.Result/conclusion The accuracy of media report is the key cause of the high popularity of enterprise net-work public opinion,and the influence of enterprise image is the least.The network public opinion caused by negative events of enterpriseis caused by a variety of influencing factors.In response to public opinion,enterprises should correct their attitude,pay attention to thefrequency and methods of response,and avoid improper speech tendency;in addition to focusing on basic enterprise activities such asproduction quality and marketing publicity,enterprises should avoid getting involved in criminal,civil and public patriotic events as muchas possible.Keywords:enterprise network public opinion;evolution mechanism;configuration analysis;QCA0引言通过中国互联网络状况统计报告 1 1 发布，截至2 0 2 2 年6 月，我国网民规模高达1 0.51 亿，互联网普及率高达7 4.4%。在数字化传播的不断扩张下，通过互联网产生的奥论场逐渐扩大。企业网络舆情热度的根源来自于某一事件，经由公众热议出现舆论，负面事件一旦出现对社会舆论稳定和企业形象都有较大影响。因此，想要剖析企业网络舆情的关键成因，降低奥情热度，需要追本溯源,从系统性、主体多元化角度切入深入研究企业网络舆情的影响因素及其条件组态，从根本上实现舆情治理与引导，降低企业网络舆情的负面性后果，本文选取清晰集定性比较分析（csQCA）为研究方法,其具有以案例为导向的定性优势和以变量为收稿日期：2 0 2 3-0 5-1 6*本文系国家社会科学基金一般项目“基于事理图谱的应急情报感知推理与智慧决策研究”（项目编号：2 2 BTQ049)成果之一。作者简介：曲云鹤（1 9 9 9），女，2 0 2 1 级硕士研究生，研究方向为应急管理；孙钦莹（1 9 8 5一），女，讲师，研究生导师，通讯作者，研究方向为应急情报、危机信息管理。262023年9 月第9 期(总3 1 1 期)情报探索导向的定量分析优势,适用于中小样本案例研究 2 组态理论下的QCA方法作为一种基于整体论分析多要素组态效用的范式，现已被广泛应用在多个管理学领域 3 。目前QCA方法类型有：清晰集csQ-CA、多值集mvQCA、模糊集fsQCA、时序集TQCA。本文注重以互联网技术为核心竞争力，以用户需求为导向，主要收人来源地或运营总部位于中国大陆，为互联网行业发展提供互联网接入、信息、数据、在线处理服务等主要业务的互联网企业 4 。目前对于企业网络舆情的定义尚未统一界定，本文对其定义为由企业负面事件引起，以互联网为传播载体，传播主体表达、汇聚并传播对企业或企业员工不利言论，从而对企业信誉造成损害，削弱企业公信力，影响社会稳定并对企业形象产生负面影响的网络奥情。现有关于企业舆情的研究成果主要围绕风险识别 5、演化分析以及危机应对 6-8 展开,大多研究成果针对个例事件进行分析 9-1 0 ,叶茂声等 1 1 以中美贸易摩擦事件为切人探讨网络奥情对我国纺织业上市企业的绩效影响。目前鲜有学者结合多案例对企业网络舆情的影响因素与多因素组态构型进行阐释，为探究哪些影响因素是企业网络舆情热度高涨的充要条件，又以何种组态结合形成作用，本研究选取近两年2 0 个企业负面舆情事件，以事件、企业、政府、媒体、网民群众五个舆情维度，通过清晰集定性比较分析方法分析其影响因素，提出企业舆情管理相关思考与建议1文献综述资本市场中，奥情体现着公共投资者的“民意”，大量的共性信息直接影响着群体性认知和块择。由此，部分负面舆情经由互联网传播附加后常常超越了当事人的控制能力 1 2 。企业作为中间人，卷人负面事件网络舆情的漩涡之中，由于企业风险研判不足，公关处理策略选取不当，使舆情热度加剧，舆论导向失控，甚至产生二次奥情等增生现象，威胁企业的品牌、声誉甚至生存。随着网络舆情的发展，学者们对企业应对舆情治理的研究也不断深人，使用的研究方法和角度不尽相同1.1企业网络奥情相关理论研究基于社会网络视角，梁循等 1 3 通过企业舆情与国家、个人奥情的联系与区别切人，提出企业在线奥情管理控制相关建议。有学者 1 4 将行动者网络理论引入社会热点事件引发奥情的治理体系中，通过界定网络舆情负面倾向的强制通行点构建发展性事件与终结性事件治理网络。田世海等 1 5 将平衡积分卡思想加入企业奥情绩效管理系统中，从引导治理、主体联动、监控预警与反馈响应、文化修养五个方面进行因素间制约关系的探究，以“Facebook数据泄露门”为例进行实证分析。蔡淑琴等 1 6 将线性阈值模型和价值共创理论加人针对负面口碑（NWOM）特征的社会化网络传播以及企业价值共创策略的模型当中，指出了NWOM的传播主要依赖于处于传播初期的低感知阈值消费者数目。蒋国银等 1 7 以孟晚舟所关联的企业热点事件为例，使用扎根理论对微博评论进行在线评论分析，经过开放性编码、主轴编码、选择性编码分析过程归纳出主要影响因素。1.2企业网络舆情相关方法研究在企业舆情模拟演化仿真与影响因素研究方面，国内外有着丰富的研究方法与模型基础，如投票模型 1 8 、基于连续观点的Deffuant模型 1 9 、SIR传染病模型等,不同学者给予较为丰富的呈现,杨于峰等 2 0 获取近年来典型企业品牌丑闻事件作为样本，采用SOM神经网络模型对事件数量变化进行聚类，归纳出对数、缓坡、突变、长坡、堤坝五种企业奥情传播类型。针对企业应对危机视角，齐丽云等 2 1 通过企业、政府、民众、媒体和意见领袖节点，采用系统动力学方法研究企业社会责任负面事件网络奥情演化。张一文 2 将企业负面分为一般、核心价值、重大负面三类。使用末级指标量化方式针对企业负面奥情影响因素进行交叉分析，根据网民与媒体推动力的象限特点明确企业媒体策略。有学者引人受内外驱动因素影响的S-ED/ID-R模型建立企业社会责任负面事件网络舆情蔓延扩散模型，对内外部影响因子及其关联关系进行分析，再以Lotka-Volterra竞争关系模型实现不同策略的效果比对 2 3 。还有学者将Petri网理论运用到企业舆情中，建立企业奥情监测预警模型 2 4 目前关于企业负面事件的相关研究，反映出我国针对网络奥情在企业上的映射不足，企业网络舆情不仅要从舆情事件本身属性来研究，同时也要从传播的属性来研究，企业网络舆情不是简单的因果关系,而是多种条件因素相互交织的结果。已有研究大多仅通过个案分析法来讨论原因，其结论不具有普遍性，无法具化分析企业负面奥情的关键因子以及影响条件构型。此外，大数据时代下传统的以线性因果关系为基础的定量统计和仿真建模方法所272023年9 月第9 期(总31 1 期)曲云鹤等：基于QCA的企业网络舆情演化机理研究得的结果较为模糊，而定性比较分析方法的出现为研究该事件提供了一种全新的思路。2企业网络舆情影响因素分析网络奥论场是由多重要素构成的复杂网络。各要素在舆论生态中的作用各不相同，要素间相互依赖共同作用造成结果产生，不同研究中对要素的考量也略有差异，目前学者们针对网络舆情提出了三、四、五要素等多元观点。如赵晨阳等以政府、媒体、意见领袖为主体进行网络奥情引导 2 5,林芹等认为网民、媒体、企业和政府是构成企业舆情传播的四要素 2 6 ,李明等提取事件信息、发布主体、信息受众、信息技术以及信息环境作为影响网络奥情生发的五要素 2 7 。本文根据要素视角选取事件、企业、政府、媒体与网民公众为主要要素。2.1解释变量2.1.1事件变量事件维度主要考虑事件危害性与持续时间。事件对社会系统的影响与当事人的健康及财产存在一定伤害程度 2 8 ，事件风险程度越高，网民的共情情感越强烈，媒体呼声越大。事件危害性指标以涉及生命财产安全的程度为根据将负面事件分为重大与较大风险事件。舆情事件的持续性是造成公众感知风险产生的重要条件，事件持续时间的增加会扩大舆情信息的覆盖面，增加舆情控制难度。该影响因素以“知微事见”记录的事件持续时长作为衡量。2.1.2企业变量企业维度上主要考量企业公关处理能力、知名度与应对态度。企业作为涉事主体存在，企业解决问题的速度越快，解决方案越优，损失越低。本文采取知微根据公关传播效果指数将企业公关处理能力划分为差与较好。企业自身的发展水平、产品与品牌知名度等客观因素会对奥情热度和舆论导向带来一定影响，人们对过往形象正面的企业倾向于发表积极言论 2 9 。当网络舆情涉及的企业具有较高的知名度或社会地位显著时，奥情影响力与讨论量也会比较大。研究以企业是否属于中国互联网企业综合实力指数报告（2 0 2 2）发布的互联网行业前100强来衡量企业知名度。企业应对态度可分为积极和消极应对，积极行为为对各方主体的疑问进行正面反馈，主动承担责任，纠正错误行为；负面行为表现为沉默，希望民众遗忘该事件。两种方式都会使奥情热度消散，但积极的应对方式对企业口碑有着正向作用。以初次回复是否在事发后一天内、企业回复次数与公关发文态度综合考量企业应对态度。2.1.3政府变量Zucker在研究中发现第三方监督的存在促进信任关系的发生 30 。我国不断出台政策以及相关法律法规对网络信息安全、企业销售推广运营等方面进行约束，政府监管力度始终存在。当前品牌辱华现象频繁出现，针对国际交涉的政府回应与博奔具有相对隐匿性,不易为公众感知,影响政府形象与制度信任。此外，政府决策较大程度地影响着奥情框架形成 31 ,政府应当补充奥情事件背景和相关信息，回应公众质疑，运用政府的已知信息消除不确定性，减少信息存续与信息在多级传播中的扭曲与衰变现象，并对事件责任人、责任企业履行事后追责义务。该指标主要考量政务机构是否围绕事件进行发声与处置行动。2.1.4媒体变量媒体维度下主要考虑参与度报道热度与报道准确度。媒体是舆情形成和信息传播扩散的主要媒介、是推动网民聚焦奥论的重要力量。媒体对事件进行走向跟踪报道，报道频次在一定程度上影响舆情热度值。媒体的参与度以知微危机事件案例库统计的网络媒体对舆情事件的报道量来衡量。媒体报道准确度采用是否存在辟谣行为或反转现象进行衡量。部分媒体基于利益诉求亦或是夺流量博眼球，对部分消息捏造，使网络谣言频发，致使民众对企业突发事件反应呈现激动状态，降低对产业及政府的信任度,甚至还可能会衍生出新的奥情事件。若在政企等权威机构公开发布辟谣信息之前，谣言被大范围传播，公众则需要大量的时间来判断信息的真伪以及是否进行传播行为 32 O2.1.5网民公众变量网民是网络奥情的核心参与主体。网民公众面对危害社会共同利益与安全的企业事件时，基于情感或是利益的诉求会经历担心、愤怒、指责、调侃等心理变化，还会对信息进行加工传播进而引导舆论方向 33。关于企业负面奥情事件的传播越紧密,结合互联网下信息畅通的程度网民的转赞评量就越大，舆情的发展速度就越快，危机爆发的能力就越强。本文以知微危机事件案例库所记录的事件持续期间内的转赞评量衡量网民群众的讨论参与度。2.2被解释变量的选择本文选取“知微事见”中事件热度峰值为被解释282023年9 月情报探索第9 期(总31 1 期)变量，用以判断企业危机奥情处于高热度或低热度。事件热度峰值是事件在单位时间内在以微博、微信为主的自媒体和网络媒体上的传播效果2.3变量编码研究被解释变量用Y表示，对解释变量进行中文首字母简要缩写。依照布尔代数运算进行赋值，变量采用二分赋值法处理取值为0 或1 形成真值表，取值为1 表示某条件发生或存在，反之为0。变量编码如表1 所示。表1企业负面网络舆情影响因素研究变量编码维度研究变量变量属性说明编码事件安全危害性AQWH重大风险对人身造成伤害，经济损失惨重1较大风险对人身、经济财产伤害较低0事件持续时间TIME持续时间长事件持续时间处于均值及以上1持续时间短事件持续时间处于均值以下0企业企业公关处理能力CLNL处理能力较好公关传播效果指数 2 8.41处理能力差公关传播效果指数2 8.40企业知名度QYZM知名度高企业属于互联网企业前1 0 0 强1知名度低企业不属于互联网企业前1 0 0 强0企业应对态度QYYD积极企业积极解决问题，多次应对1消极企业态度消极，拒绝解决0政府政府行动响应ZFXY处理政府对企业进行举措应对1不进行处理政府不采取措施0媒体媒体参与报道热度MTBD参与报道量高媒体参与报道数处于均值及以上1参与报道量低媒体参与报道数处于均值以下0媒体报道准确度MTZQ准确度高不存在事件报道辟谣反转现象1准确度低存在事件报道辟谣反转现象0网民群众讨论参与度WMTLCY网民高参与度该事件的转赞评总量处于均值及以上1网民低参与度该事件的转赞评总量处于均值以下0被解释变量事件热度Y高热度事件热度峰值大于等于均值1低热度事件热度峰值小于均值03企业网络舆情演化机理分析3.1案例选择本研究依据“知微事件危机事件案例库”与“知微事见对2 0 2 1 一2 0 2 2 年企业负面事件进行选择，“知微事见”平台通过事件在微博、微信为主的自媒体与网络媒体上的累积传播效果进行加和再归一化处理形成影响力指数。案例选择如表2 所示，本研究选取影响力指数大于6 5、类型多元且具有差异性的单个企业网络舆情事件，不考虑次生负面事件，且网民群体具有自由言论的权利。表220212022企业负面网络舆情事件基本信息事件安全危害性事件持续时间企业公关处理能力互联网企业1 0 0 强企业应对态度字节跳动员工猝死重大7天1 8 小时较好是积极回应次数：258同城束埔寨血奴重大18天9 小时较好是积极回应次数：3H&M禁用新疆棉花较大13天1 1 小时差否消极回应次数：1欧莱雅虚假宣传差价风波较大12天1 7 小时较好否积极回应次数：4国家网信办下架滴滴出行重大8天1 9 小时差否积极回应次数：4主播直播万名观众拼多多砍价失败较大6天1 4小时较好是积极回应次数：1知网涉嫌垄断被立案调查较大9天1 9 小时较好否积极回应次数：2315插旗菜业使用土坑酸菜较大12 天 1 4 时较好否积极回应次数：4较大较好否是是否是是是否是是是钟薛高价格创始人言论争议14 天1 0 时积极回应次数：4阿里巴巴女员工被侵害重大15天2 1 时较好积极回应次数：2百度网盘被曝人工审核用户照片较大5天2 0 时较好积极回应次数：3宝洁公众号文案辱女性较大7天2 时较好积极回应次数：3爱奇艺倒奶打投事件较大6 天1 4时较好积极回应次数：1美团“二选一”垄断立案事件重大10天2 0 时较好积极回应次数：1360搜索被爆虚假医药广告较大6天2 2 时较好积极回应次数：2中通快递违规邮寄宠物盲盒重大7天1 4时差积极回应次数：2网易互娱HR下药招聘风波较大5天1 6 时较好积极回应次数：1QQ大规模账号被盗较大4天1 9 小时较好积极回应次数：1搜狐员工遭内部邮件诈骗较大5天1 4时较好积极回应次数：3女生乘货拉拉搬家跳窗身亡重大10天较好否积极回应次数：3292023年9 月曲云鹤等：基于QCA的企业网络奥情演化机理研究第9 期（总31 1 期）表2（续）事件政府行动响应媒体参与报道数媒体报道准确度转赞评总量事件热度峰值无有有有有无有有无无无无有有有有无无有有字节跳动员工猝死30321非谣言1559.7431238758同城束埔寨血奴15763谣言14153777911H&M禁用新疆棉花70673非谣言24762.91027788欧莱雅虚假宣传差价风波35228非谣言482.05313.309国家网信办下架滴滴出行169540非谣言145601399027主播直播万名观众拼多多砍价失败6.394谣言41096166404知网涉嫌垄断被立案调查17730非谣言2.199.20341628315插旗菜业使用土坑酸菜18569非谣言182381828844钟薛高价格创始人言论争议16220有反转3807122229阿里巴巴女员工被侵害87 455非谣言2.37699530 163百度网盘被曝人工审核用户照片4512谣言688354115宝洁公众号文案辱女性10525非谣言2180.9019122爱奇艺倒奶打投事件23946非谣言36751786534美团“二选一”垄断立案事件21435非谣言32827125147360搜索被爆虚假医药广告13700非谣言1953228768中通快递违规邮寄宠物盲盒18 268非谣言7811553.889网易互娱HR下药招聘风波5421非谣言7242646.305QQ大规模账号被盗5597非谣言1655887937搜狐员工遭内部邮件诈骗5458非谣言18530810159女生乘货拉拉搬家跳窗身亡74.460非谣言7046597241523.2单因素必要性分析必要性分析包含一致性与覆盖率,一致性(con-sistency)取值范围为0-1,指该影响因素在案例中以多大程度致使被解释变量发生，当一致性指标大于0.8,解释变量X为被解释变量Y的充分条件，在一致性指标超过0.9 时，则认为X是Y的必要条件；覆盖率(coverage)用来判断解释变量或变量组合对于结果的解释力，表示在一定比例的案例当中，该解释变量或解释变量的组合能够导致结果产生。在确定影响变量后,进行案例编码赋值,研究基于fsQCA3.0对数据进行分析，单变量必要性检验结果如图1 所示，企业知名度对奥情事件的热度影响最小，媒体报道准确度的一致性超过0.9，作为企业负面舆情事件热度高涨的充分必要条件。其他影响变量的一致性水平均小于0.9,说明其他条件难以单独导致企业网络舆情事件处于高热度，需要进行组态分析。Analysis of Necessary ConditionsOutcomevariable:YConditions tested:ConsistencyCoverageAQWH0.5714290.571429TIME0.8571430.666667CLNL0.7142860.294118QYZM0.2857140.181818QYYD0.8571430.375000ZFXY0.8571430.500000MTBD0.5714290.800000MTZQ1.0000000.437500WMTLCY0.7142860.625000图1被解释变量的单变量必要性检验分析3.3组合重合度分析为分析企业相关影响因素的并存,本文选择对企业公关处理能力、知名度以及应对态度进行组合重合程度分析，如图2 所示，研究中重合程度最大的是企业公关处理能力与企业应对态度，这说明所选择的案例具有一定的相似性。此外,案例间也具有一定的多样性，事件的类别不同致使对经济、人身安全造成的危害性程度不同。coincidence(CLNL,QYZM,QYYD)0.473684coincidence(CLNL,QYZM)=0.647059coincidence(CLNL,QYYD)=0.736842coincidence(QYZM,QYYD)=o.5图2企业相关影响因素的重叠程度3.4演化路径情形分析选取解释变量所形成的组态进行分析，产生复杂解、简单解以及中间解三种原因组合的分析结果，其中中间解具有较好的普适性与启示性。本文选取简单解和中间解进行结合解释，简单解与中间解的整体一致性大于0.9,因而数据分析结果较为理想。如表3所示，导致被解释变量产生的简单解组合有两种为“企业公关处理能力差*媒体参与报道热度高”“事件持续时间长*企业应对态度积极*媒体报道准确度高”表3被解释变量的条件组态分析简约方案条件组态原始覆盖率唯一覆盖率一致性CLNL*MTBD0.2857140.2857141TIME*QYYD*MTZQ0.714 2860.7142861总体一致性：1总体覆盖率：1注：“”表示非，即该条件不存在，“*”表示与，解释变量间同时存在。302023年9 月第9 期（总31 1 期)情报探索如表4所示，致使被解释变量产生的中间解有六种,结合简单解进行分析梳理路径中的核心与边缘变量，当该因素变量在中间解与简单解中同时存在，即为核心变量，用表表示，不存在用表示，若该因素变量仅在中间解中出现则为边缘变量用表示,反之为。而存在与否对被解释变量都无关紧要的用空白表示。表4企业负面事件网络奥情热度的组态分析与构型组合第一组构型第二组构型第三组构型解释变量路径1路径2路径3路径4路径5路径6安全危害性AQWH事件持续时间TIME企业公关处理能力CLNL十企业知名度QYZM企业应对态度QYYD政府行动响应ZFXY媒体参与报道热度MTBD媒体报道准确度MTZQ网民讨论参与度WMTLCY一致性111111原始覆盖率0.1428570.142.8570.2857140.1428570.1428570.142.857唯一覆盖率0.142.8570.142.8570.2857140.1428570.1428570.142.857总体覆盖率1解答一致性1总体来看，由三类构型映射出企业网络舆情的三种情形：情形一：高量精准报道下的低公关力。其中企业公关处理能力差与媒体参与报道热度高作为核心变量存在，共有边缘变量中企业知名度低、政府行动响应以及媒体报道准确度高。恶劣性事件加大企业舆情管理难度。该情形下的事件危害性高，部分涉及违法性行为如涉及用户数据安全、外国制裁及国家安全等，对党和政府管理的公信力提出挑战。尤其当发生危害国家利益与安全相关事件时，政府已然果断响应，在此基础上，企业的公关处理能力低，企业应对态度若仍旧处于消极状态，没有及时处理或者处理得不够完善，公众出于维护国家的爱国目的更易产生抵制情绪，形成更高的讨论量，将舆情热度推向更高潮。情形二：长持续时间、低量精准报道下的企业积极应对。该类情形的核心变量为事件持续时间长、企业应对态度积极以及媒体报道准确度高，共性边缘变量为企业公关处理能力较好，政府行动响应以及媒体参与报道热度低。精准化媒体报道对企业应对能力提出挑战。当面对质量监督性活动等公众聚焦性企业事件时，官方时刻在线，央级媒体高度参与，央级媒体的受众范围广、覆盖面大,具有权威性，其报道“低温平缓”，量小却精炼持续。公众网媒的关注度高，黏性强，对事件的负面情绪逐渐累积，此时企业虽积极处理，但已经过一定时间长度的发酵，导致企业网络奥情事件热度到达高峰值。情形三：长持续时间、高度关注下的企业积极应对。该类情形持续时间长、企业应对态度积极以及媒体报道准确度高组合构成核心变量，共有边缘变量为重大安全危害性、企业公关处理能力较好、媒体参与报道热度高以及网民讨论参与度高。负面社会情绪的煊染给企业带来较大威胁。该情形事件危害属性高,对当事人的生命财产安全产生严重性影响，该情形舆情蓄势阶段较短，在初期便产生大量负面情绪，因而舆情时间持续较长，且伴随媒体大量精准的报道，信息流人网民公众的视野引起广泛讨论，公众的冲击感不断增强，情绪激化，推动舆情热度爆发，此时，企业态度积极，及时回应也无法控制公众的话语权，造成舆情热度高涨的现象。结论与展望本文以近两年2 0 个企业负面舆情事件为案例，以事件中各主体为主要维度，使用QCA方法对企业负面事件带来的舆情热度进行影响因素方面探究，在单一因素必要性分析中，企业相关维度的一致性排序为企业应对态度、企业公关处理能力、企业知名度。企业相关知名度对奥情热度相对影响最小。通过研究发现企业负面事件的网络舆情是由多影响因素共同联动导致的，通过三种组态分析与构型组合，提出以下建议：（1)企业作为责任主体,其应对行为和态度在网络舆情应对过程中起到最为重要的作用。企业应持312023年9 月第9 期（总31 1 期）曲云鹤等：基于QCA的企业网络奥情演化机理研究有积极、诚愿妥善的应对态度解决问题，企业态度愈端正，行动愈迅速，公众满意度愈高，舆情存在时长越短。企业要加强回应效能、介入程度、丰富回应渠道。可通过旗下公众号、旗下媒体等进行回复，在短时内发布公告，提出事后补救方案并纠正不当行为，并多渠道覆盖事件信息，缩小信息差额，促使信息向洁净化、透明化发展，使公众及时接收事件处理进度的相关信息。面对原则性错误带来的低量权威性报道时，要在第一时间摆明态度，在发布致歉公告时需讲究方式方法，采用合理的表达方式真诚致并积极反思，拒绝空洞说辞，拿出实质证据与解决方案。(2)规范化开展企业公关,正确引导舆论。面对负面舆情事件，企业应采取合法合情合理的应对策略，迅速分清责任归属进行追责，避免采取回避甚至是直接指控等方式。谣言的威力与涉及事件的重要程度成正比，与人们对事件的了解程度成反比，企业需要保障信息洁净，还可以通过信息溯源链条锁定谣言发布主体严厉问责，必要时可委托权威公关机构正名。（3)形象与声誉对企业来说是无形财产。企业应时刻强化自我约束，实现自我监督，避免存在性别对立、悔辱、政治性等语言错误倾向影响企业形象。在企业运营管理中，企业除注重生产质量问题、活动运营问题之外，还应坚守法律道德双底线，尽可能避免卷人刑事、民事以及激发公众爱国情绪的各类事件当中。本文的研究存在以下局限性：在案例选择中可能存在主观因素，或形成部分视野性偏差，本文以互联网企业为研究对象，分析相对简单，未来可尝试从政企协同管理的角度切入进行不同视角的组态研究，丰富案例数量，提高研究普适性。参考文献1中国互联网网络信息中心.第50 次中国互联网络发展状况统计报告 EB/0L.2022-11-30.http:/ N,HUANG K H,RIBEIRO-SOR-IANO D.Qualitative comparative an-alysis:Crisp and fuzzy setsin business and management J.Journal of Busin-ess Re-search,2016,69(4):1261-1264.3杜运周，李佳馨，刘秋辰，等。复杂动态视角下的组态理论与QCA方法：研究进展与未来方向 J.管理世界，2021,37(3):180-197,12-13.【4金定海，顾海伦.论互联网企业的定义与再定义问题 J.现代传播（中国传媒大学学报），2 0 1 6,38（5）：1 37-142.5张志剑，刘政昊，马费成.面向互联网奥情事件的企业风险识别：基于KGANN模型J.工程管理科技前沿，2022,41(1):65-73.6 辜丽琼,夏志杰，宋祖康,等.基于在线网民评论情感追踪分析的企业危机舆情应对研究 J.情报理论与实践，2019,42(12):6773.7张永利.企业网络奥情的特点与危机处理对策J.青年记者,2 0 2 0(8):6 5-6 6.【8 王康,李含伟.自媒体时代的企业网络奥情应对策略研究：基于上市公司百度指数的研究 J.情报科学，2 0 1 8，36(1):113-117.9】牛莉霞，刘洁,李乃文.突发事件下安全奥情的传播与演变：以江苏响水天嘉宜化工有限公司“321”特别重大爆炸事故为例 J.中国安全生产科学技术,2 0 2 0,1 6(7)：176-182.10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):92-97.11 叶茂升，张石钰.网络奥情对中国纺织业上市企业绩效的冲击：基于中美贸易摩擦事件 J.国际商务研究，2021,42(3):38-50.【1 2 史青春，徐露莹.负面奥情对上市公司股价波动影响的实证研究 J.中央财经大学学报，2 0 1 4（1 0）：54-6 2.13 奖梁循，许媛，李志宇，等。社会网络背景下的企业奥情研究述评与展望 J.管理学报，2 0 1 7,1 4（6）：9 2 5-9 35.【1 4 袁红，李佳.行动者网络理论视域下社会热点事件网络奥情治理策略研究 J.情报资料工作,2 0 2 1,42（6)：31-44.15田世海，张家毓，孙美琪.基于BSC-SD的企业网络奥情管理绩效研究 J.情报科学，2 0 1 9,37(1 0）：2 6-33.16蔡淑琴，袁乾，周鹏.企业响应下负面口碑线性阈值传播模型研究 J.系统工程学报，2 0 1 7,32(2)：1 45-1 55.17 来蒋国银，蔡兴顺，陈玉凤，等.企业热点事件网络奥情生成影响因素研究 J.信息资源管理报,2 0 2 1,1 1(1)：80-89.18 RONZANOVA L,BOGUNA M.Dynamics propertiesof the herding voter modelwith and without noiseJ.PhysicalReview E,2017,96(1):1-8.19 VILONE D,CARLETTI T,BACNOLI F,et al.ThePeace Mediator effect:He-terogeneous agents can foster consen-sus in continuous opinion modelsJ.Phy-sica A Statistical Me-chanics&Its Applications,2016,462:84-91.20杨于峰，余伟萍，田盼.基于SOM神经网络的品牌丑闻微博传播分类预测研究 J.情报杂志,2 0 1 3,32（1 0)：23-28,12.21齐丽云，李晓鸿，曹硕.企业社会责任负面事件网322023年9 月第9 期(总31 1 期)情报探索络奥情演化与政企合作研究 J.系统工程理论与实践，2020,40(7):1792-1805.22 张一文.企业负面网络奥情研判与媒体应对策略研究 J.科技传播,2 0 2 1,1 3(1 3)：1 6 8-1 7 2.23 陈华，张煜巍.企业社会责任负面事件网络舆情演化阶段式建模分析 J.中国管理科学：2 0 2 3,31（2）：1 9 5-204.24杨雯淇.基于广义随机Petri网的企业奥情监测机制建模与分析 J.信息与电脑（理论版），2 0 1 6（2 4）：1 2 2-123.25赵晨阳，张鹏，夏一雪，等.共生视角下网络奥情多元主体引导模型研究 J.现代情报，2 0 2 1,41（1 2）：1 0 7-120.26 林芹，郭东强.企业网络舆情传播的系统动力学仿真研究：基于传播主体特性 J.情报科学，2 0 1 7,35（4)：54-60,67.27李明，曹海军.信息生态视域下突发事件网络奥情生发机理研究：基于40 起突发事件的清晰集定性比较分析 J.情报科学,2 0 2 0,38(3)：1 54-1 59,1 6 6.28盛宇.微博奥情跨域周期波动实证研究 J.情报杂志,2 0 1 5,34(1 0)：1 2 3-1 2 8.29MAFAEL A,GOTTSCHALK S A,KREIS H.Exami-ning Biased Assimilation of Brand-related Online Reviews J.Journal of Interactive Marketing,2016,36:91-106.30ZUCKER L G.Production of trust:institutionalsources of economic structure J.Research in OrganizationalBehavior,1986(8):53-111.31 ZHOU Y,MOY P.Parsing framing processes:Theinterplay between online p-ublic opinion and media coverageJ.International Communication Association,2007(57):79-98.32 OZTURK P,LI H,SAKAMOTO Y,et al.CombatingRumor Spread on Social M-edia:The Effectiveness of Refutationand Warning C.Hawaii Internat