论文部分内容阅读
面对瞬息万变的市场环境,企业竞争愈演愈烈,企业不仅需要重视自身能力的发展,还要随时关注竞争对手在市场中的行为表现。了解竞争对手在市场中的行为是企业战略决策的重要组成部分[1,2],竞争对手的行为甚至会影响企业的策略选择。然而,传统的方式难以获取完整且及时的企业行为信息。幸运的是,越来越多的企业通过社交媒体平台与其利益相关者保持信息上的及时连接与沟通,产生了大量企业生成内容,这些内容包含了丰富的企业行为信息,具有重要的商业价值和研究价值。因此,本文首先从海量的社交媒体数据中识别出企业行为,然后基于社交媒体中的企业行为研究企业竞争。然而,从海量的社交媒体数据中识别企业行为进而研究企业竞争并非易事,存在如下挑战:1)社交媒体中的企业行为缺乏明确定义;2)非结构化的社交媒体数据信息抽取难度大;3)企业动态的竞争关系缺乏度量指标。为了应对以上挑战,本文首先利用算法识别海量社交媒体数据中的企业行为,再基于社交媒体中的企业行为识别企业动态竞争关系,最后分析企业自身或竞争企业的行为演化过程。具体的解决方案如下:首先,基于海量社交媒体数据的企业行为识别。本文明确定义了社交媒体中基于触发词组合的企业行为,并提出了文本触发词特征优化算法(FAE)。基于优化的企业行为触发词,本文进一步提出了融合外部信息的约束非负矩阵分解算法(CNMF-Info),利用CNMF-Info识别海量社交媒体数据中的企业行为。其次,基于企业行为的竞争研究。本文首先定义了基于企业行为的动态竞争关系;再从时间、企业、行为三个维度构建企业-行为时序矩阵;然后利用皮尔森系数量化企业间的竞争程度,并对竞争程度指标排序,得到企业独特且动态的竞争关系;最后再分析企业自身或竞争企业间的行为演化过程。综上所述,本文以手机市场为例,基于手机企业在社交媒体中的行为研究企业竞争。研究结果表明:1)本文提出的FAE不仅能降低专家标注成本,而且能有效提升CNMF-Info的分类效果;2)本文提出的CNMF-Info能有效地从海量的社交媒体数据中识别出企业行为;3)本文提出的基于企业行为的竞争研究,能帮助企业明确竞争环境,实现企业行为策略监控,为企业竞争战略的制定提供支持。