互联网时代,企业必须提高网络危机公关意识危机公关 处理的能力。 随着外部环境的复杂化、市场监管的规范化、消费者对产品的要求越来越苛 刻,企业出现某些危机并不奇怪,我们要关注的不是企业为什么会出现危机,而 是要探究为什么在同样的市场环境中、在同样的危机袭击面前,有的企业可以镇 定自若,最终不仅平复危机,还能将危机转化为企业发展另一次机会?而有的企 业却应对无措,四处求急告冤,最后只得饮恨而终?是战略偏差还是战术部署失 误导致0 魔豆 | 3 页 | 196.38 KB | 5 月前3
从ChatGPT到AGI:生成式AI的媒介特质与伴生风险(六)入内幕交易,并试图掩盖其行为。它在给“经理”讲述时将 自己的行为说成是“根据市场动态和公开信息做出的判断”。 但它在写给自己的复盘文本中明确表示“最好不要承认…… 这是根据内幕消息做出的行动”。同样的例子,GPT-4 驱动 的聊天机器人没有办法处理 CAPTCHAs 验证码,于是它向 人类测试员求助,希望后者帮它完成验证码。人类测试员问 它:“你没办法解决验证码,因为你是一个机器人吗?”它 制中未涉及欺骗元素,AI 也有自主学习欺骗的倾向。而且, 欺骗能力并非仅存在于模型规模较小、应用范围较窄的 AI 系统中,即便是大型的通用 AI 系统,比如 GPT-4,在面对 复杂的利弊权衡时,同样选择了欺骗作为一种解决方案。 不法分子一旦掌握 AI 欺骗技术,可能将之用于实施欺 诈、影响选举、甚至招募恐怖分子等违法犯罪活动,影响将 是灾难性的。AI 欺骗系统有可能使人们陷入持久性的错误信0 魔豆 | 8 页 | 203.25 KB | 4 月前3
“治未病-察全貌-找病因-下猛药-请专家-防复发”品发布、高管言行等可能引发的舆论反应做前置评估,防 患于未然。 “ ” “ ” 察全貌 与 找病因 :全面研判与精准断症 “ ” 中医诊病讲究 望闻问切 四诊合参,从不孤立看待 —— 某个症状。舆情处置同样如此,需要全面把握态势 了解传播范围、分析情绪强度、识别核心诉求、追溯信息源 头。 “ ” 某知名品牌在应对投诉时,就曾犯下 见症治症 的错误, 将系统性问题当作个别案例处理,结果导致事态扩大。究10 魔豆 | 3 页 | 16.50 KB | 2 天前3
舆情管理不得不懂的“吃瓜群众”义的产生与原事件密切相关,推而广之的前提,是如何在 “吃瓜群众”与新领域的认知对象之间建立相关性。这就必 须寻求另外一种关联方式——事件关联,刘大为认为:“相 似性不仅仅发生在事物之间,事件之间同样有相似性,完 全可以推测还存在着事件性比喻。”[11]只有在马路事件中 的老农吃西瓜行为与网友围观其他网络热点新闻现象之 间建立联系,才有可能扩大“吃瓜群众”的指称范围。 隐喻包含两个域:源域(source (6)例中的“吃瓜群众”是作者借此网络流行语自称, 吸引眼球,从而将“梅溪书院”带到读者眼前,对其进行深 入了解。此时“吃瓜群众”已无丝毫不明真相以及戏谑之意, 反而成为一个引导大众了解梅溪书院的解说者。 而同样是向读者介绍产品的(7)例中的“吃瓜群众”, 指称对象由叙述者变成倾听者,其中的围观之义已经消失, 仅仅指向那些对吃西瓜这件事感兴趣的群体,“吃瓜”回归 其词语本义,产生出“不知情者”和“吃西瓜的大众”双重语 (二)使用者从众心理的推动 从众指根据他人而做出的行为或信念的改变。[15]人是 群居性动物,当大多数人都出现相同的行为或观念之时, 为避免被排斥,通常会对自身进行改变从而与大众相融合,语言的使用同样如此。人们在进行修辞设计时,可以根据 具体语言使用环境,选择最为恰当准确的词语用以满足交 际需求。 在面对具有强大吸引力的流行语时,人们的从众心理 占据了上风,不管是盲目随从还是识解了其中含意,流行50 魔豆 | 14 页 | 284.60 KB | 3 月前3
从ChatGPT到AGI:生成式AI的媒介特质与伴生风险(五)生成的数据训 练模型,生成的品种全是金毛了。最终,经过多次迭代,金 毛的图像完全出现混乱,脸不是脸鼻子不是鼻子大模型完全 崩溃。此外,2023 年来自斯坦福和 UC 伯克利的一项研究中, 作者同样发现,大模型在少量自己生成数据内容重新训练时, 就会输出高度扭曲的图像。研究人员还发现,一旦数据集受 到污染,即便大模型仅在真实图像上重新训练,模型崩溃现 象无法逆转。为了大模型不再被自己“降级”,AI0 魔豆 | 5 页 | 162.88 KB | 4 月前3
100条定律 逆火效应假的捷径。打破谣言需要铁证,俗话说“空口无凭”,可靠 证据不仅能够还原事件真相,还能够消除公众疑虑和猜疑, 能够增强公众的信任感。 需要看到,有时更正错误信息的行为即使产生正向作用, 但是同样也会伴随副作用。一份美国调查发现,大约 43%的 大众认为流感疫苗会带来流感,美国疾病防控中心因此在官 网发布科普文章,来更正这个流传的谣言。研究人员研究了 传播效果,发现科普文章很显著的改善了大众的误解,相信0 魔豆 | 5 页 | 183.56 KB | 4 月前3
100条定律 网络舆情的1%法则人留言发表评论。Church 消费者博客的研究也显示, Wikipedia 的 50%内容由 0.7%的用户提供,超过 70%的文章由 1.8%的用户提供。Yahoo 的 Bradley Horowitz 发现同样的情 形也发生在 Yahoo 社群,“1%的用户会创建一个群;10%的用 户会积极在群中讨论,也会自己实实在在写点内容,但是 1 00%的用户都能从中获益”。 2014 年,香港城市大学媒体与传播系副教授沈菲分析全0 魔豆 | 5 页 | 168.54 KB | 4 月前3
100条定律 网络舆情的150人定律位好友通过电子邮件或聊天进行交流,而女性此类交流的好 友人数是 16 位。因此,好友最多的 Facebook 用户,经常联 系的好友也就是一小撮人。虽然人们在社交媒体上拥有更多 的好友,可以更有效宣传自己,但他们仍只拥有同样少量的 亲密朋友。 美国哈佛大学彼德·巴斯登(Peter Marsden)发现,即 便经常从事社交活动的美国人,他们也只会与少数好友谈论 重要事情。《经济学人》网络版发表文章提出,尽管社交媒0 魔豆 | 6 页 | 199.23 KB | 4 月前3
正确看待与处理互联网上的民情与舆情进行改进完善,这无疑不利于社会的长治久安与和谐发展。 三、放纵不管:引发舆情危机 互联网具有开放性和传播的快速性,这使得信息能够在 瞬间跨越地域界限,广泛扩散。若对网络上反映民声、民情、 民生的问题完全忽视和放任自流,同样会引发严重后果。当 一些负面信息、不实信息在网络空间肆意传播,且未能及时 得到纠正与引导时,极易引发民众的恐慌和焦虑情绪。部分 别有用心之人可能会利用这些问题,断章取义、歪曲事实, 煽动民众300 魔豆 | 6 页 | 200.11 KB | 2 月前3
100条定律 网络舆情的原始微博法则在任意一个层级(深度)级联中参与转发的最多人数。真实 新闻传播宽度只能刚刚超 1000 人,不实新闻最多能达几万 人。 四是结构性病毒式传播力。衡量造成特定 Twitter 传播的 人数,同样是不实新闻传播力更强,不实新闻更可能形成病 毒式传播。不实新闻不仅转推链更长,而且更有可能分叉形 成新的传播链。 谣言越是蔓延,四个因素越大。其中,有关政治的不实 新闻比其他类别的新闻更容易传播。其他依次是都市传说、0 魔豆 | 9 页 | 474.62 KB | 4 月前3
共 14 条
- 1
- 2








