中文摘要：

顾客网络舆情指的是在网络环境下顾客群体对产品价格、质量和服务等综合评价所形成的具有一定规模和传播趋势一种集聚现象，对供应链不同成员都会产生多层次、多方面的复杂影响。本项目以数理分析和计算实验为主要工具，从微观个体消费者到宏观消费群体逐层次、逐阶段地分析顾客网络舆情对消费者和供应链成员的影响进行识别和度量，挖掘顾客网络舆情的传播与扩散机理，分析顾客网络舆情影响下的个体消费者决策行为特征和决策准则。基于顾客网络舆情建立供应链绩效模型和不同市场环境下供应链成员间协调决策模型，分析顾客网络舆情对供应链系统及其成员行为偏好和行为选择的影响。通过对异常舆情的评估和危机应对策略的研究，为供应链成员的舆情危机的规避和防范提供切实有效的建议。本研究对于拓展和深化供应链管理问题的研究，探索并丰富计算实验方法在管理科学与工程领域的深入应用，促进相应研究成果的国际化和实际应用等方面具有积极的理论意义和应用价值。

结论摘要：

顾客网络舆情指的是在网络环境下顾客群体对产品价格、质量和服务等综合评价所形成的具有一定规模和传播趋势一种集聚现象，对供应链不同成员都会产生多层次、多方面的复杂影响。本项目以实证分析为主要手段，结合数理分析和计算实验方法进行研究。首先对顾客网络舆情的研究现状进行了分析，并对重要研究文献进行了回顾和梳理，详细分析当前在线评论下的供应链营运模式，并指出其存在的问题在此基础上讨论其对供应链管理的影响；其次，对消费者传播动机进行了研究，研究如何进一步获取消费者真实信息；随后对评论信息可信度进行研究，并通过实证方式给出了影响因素。考虑到在线评论已成为消费者网络购物的重要参考依据，研究如何从海量信息中识别有用性评论。采用文本挖掘和实证研究方法，从评论信息特征和评论者信息两个角度对在线评论获得有用投票数的影响因素进行分析，并以亚马逊的用户评论为样本，研究了各因素的影响作用。在线评论来源于许多不同类型的网站，包括网络零售商和第三方网站。研究了不同来源的在线评论对网络零售商的搜索型和体验型产品的销量的影响。基于Jsoup编写了网页解析与数据抓取程序，分别在亚马逊和第三方网站，豆瓣、中关村在线及太平洋电脑网上抓取了产品的特征信息以及在线评论数据，并对所收集的数据进行了分析。研究发现不同来源的在线评论对搜索型产品和体验型产品的销量影响并不相同。研究了电子商务背景下，制造商和零售商的定价策略，并对分析了网络媒体下具有小世界特征的消费者网络结构对制造商的销售策略影响。随后分别考虑到消费者信息感知与自主学习对制造商的竞争策略影响。根据贝叶斯学习机制，建立了消费者学习和决策模型，分别考虑网络评论和不考虑网络评论条件下，对制造商广告竞争策略和质量竞争策略进行比较研究，随后讨论了市场结构对其影响。分别选取了质量、广告等领域，对供应链不同成员间的合作策略进行研究，随后提出了考虑网络顾客舆情下的供应链合作运营框架，在此基础上，从信息所有权和信息质量两个维度，给出了供应链不同成员的三种合作模式。考虑发生顾客网络舆情波动时对供应链需要的影响，根据风险管理的研究范式，利用案例推理方法，对供应链成员的危机应对进行了研究，并给出相应的应对策略。