在信息不完全的世界中，声誉发挥着重要的信号作用，企业也努力维护声誉。本研究通过实证评估参与推特活动的企业的声誉作用。结果证实，收到负面推文（其中许多表达了不满）与企业业绩不佳高度相关，这表明在信息快速、轻易传播的时代，社交媒体（SM）十分重要。
声誉是一项极具价值的资产，一旦失去，几乎不可能重建（Tirole，1996）。在消费者购买前无法观察产品质量的行业中，声誉的影响更大；在这种情况下，过去的质量会成为当前或未来质量的指标（Shapiro，1983）。此外，一旦消费者发现某种产品不符合要求，负面影响可能波及该品牌的其他产品，甚至影响未受影响品牌的产品（Toledo 和 Villas-Boas，2016）。
为了监测声誉，企业可以密切关注客户体验。MIT斯隆管理学院和谷歌近期的研究表明，持续跟踪客户并将客户体验拓展到销售漏斗之外的企业，能够实现业务增长。
数字时代的到来改变了声誉维护方式。在社交媒体普及之前，企业获取投诉信息往往有所延迟。得益于社交媒体，企业如今能够更快地了解更广泛受众的看法。然而，参与社交媒体活动也会增加企业声誉的曝光度。员工、客户、供应商等可以实时提供反馈，而这些反馈可能影响企业声誉。
研究方法
本研究探讨推特账号是否有助于企业更密切地跟踪自身声誉。实证分析基于对世界管理调查受访企业收集的推特数据，这些企业均拥有推特账号。该调查涵盖不同行业的企业，我重点关注在英国和美国的企业。
我手动识别这些推特账号（或用户名），并排除例如专用于招聘的账号。我利用这些用户名，通过查询推特应用程序编程接口（API），随机收集发给企业的公开推文。
在这项研究中，我使用了约400万条推文，收集时间为2016年1月至2017年5月。2016年1月，在3000家企业中，只有约400家拥有推特账号。有意思的是，我的证据表明，在控制行业因素后，拥有推特账号与生产力较高之间存在关联。
推文具有高维度和噪声较多的特点，因此分类和建模自然面临挑战。为解决这些问题，我采用监督式潜在狄利克雷分配（sLDA）（Blei 和 McAuliffe，2007），以简洁呈现推文集合中的语义主题。
首先，为获得响应变量，我基于剑桥同义词词典和Guiso 等人（2015）构建词汇表。我对推文进行分类，识别出七个能够反映受众对企业业绩看法的方面：环境、创新、投诉、企业价值观、企业人员、增长和其他。随后，为每条推文配对一个响应变量。
其次，我对推文中剩余的词语和响应变量进行联合建模，计算每家企业的sLDA估计值或潜在主题。我采用五折交叉验证并测量预测R^2来评估估计质量。
鉴于词汇表中的词语可能无法准确衡量公众在推特上表达的意思，我通过开展情感分析（Feuerriegel 和 Proellochs，2017）对此进行补充。这使我能够将推文中的每个词标记为正面、负面或中性。因此，如果负面词语所占比例高于正面和中性词语，一条推文就被视为负面。基于这一分类，我计算了一个负面程度变量（范围为0至1），表示发给企业的推文中负面情绪的平均程度。
最后，我结合sLDA和情感分析的估计结果，探究研究期末投诉和负面情绪与企业生产力之间的联系。生产力根据资本使用回报率计算（数据来自Orbis Bureau Van Dijk）。我进行了回归分析，其中纳入sLDA对企业投诉主题的估计值、企业平均负面程度、二者的交互项，以及一些其他控制变量，例如企业规模和总部所在国、企业是否为跨国公司，以及所属行业。
生产力
在七个sLDA潜在主题中，投诉可能是影响声誉最直接的渠道。此外，围绕未解决或处理不当投诉的负面情绪会影响声誉，并可能损害企业生产力。因此，我重点关注投诉与负面情绪共同作用下的异质性效应。其含义是，未得到妥善解决并引发推特负面评论的投诉可能损害企业业绩。反之，如果投诉得到迅速解决，这种影响就会减弱。图1根据这一分析绘制。
图1：生产力回归的分箱散点图：投诉相关负面情绪的差异化影响
图1中的图表使用了不同的企业样本。第一个面板展示所有行业企业的结果，另外三个面板则关注特定行业。证据表明，还存在一种潜在的异质性：不同行业的企业受到投诉和负面情绪的影响可能不同。食品行业最迫切需要迅速、有效地处理投诉，以避免损失。机械行业呈现出一些负面趋势，而仪器及相关产品行业似乎几乎不存在这种关联。
这些结果需要注意的一点是，收到投诉报告和负面评论的企业本身生产力就较低。要因果性地断言社交媒体上的公众看法会影响企业生产力，还需要进一步研究。
