Knowledge Management Forum >

2025 , Vol. 10 >Issue 5: 441 - 452

DOI: https://doi.org/10.13266/j.issn.2095-5472.2025.029

The Impact of Negative Opinion Recovery Strategies for Scenic Area Short Videos on Public Satisfaction in the Context of Varying Public Involvement

  • Chen Jinghao , 1, 2 ,
  • Li Wensi 3 ,
  • Gu Lian 1
Expand
  • 1. School of Public Policy and Management, Guangxi University, Nanning 530004
  • 2. Research Center of Regional Social Governance and Innovation, Guangxi University, Nanning 530004
  • 3. Party Committee Department of Student Affairs, Guangxi Logistics Vocational and Technical College, Guigang 537100

Chen Jinghao, Associate Professor, PhD, E-mail:;

Li Wensi, Master’s Degree;

Gu Lian, Master’s Candidate.

Received date: 2025-06-03

  Online published: 2025-10-10

Supported by

Fund project(s): This work is supported by the National Social Science Fund of China（NSSFC） project titled "Research on the Principle and Intervention Strategy of Emotional Polarization in Short-video Public Opinion"(22BTQ046)

Fold

Abstract

[Purpose/Significance] Focusing on sudden incidents at tourist attractions within the short-video public opinion environment, this study aims to explore the most effective recovery strategies (apology, rectification, compensation) to restore public trust and enhance post-recovery satisfaction. [Method/Process] Using an online experiment, a 4 (recovery strategy: apology, rectification, compensation, no remedy) × 2 (involvement: high, low) between-subjects design was implemented. Short videos of service failures at tourist attractions served as stimulus materials to examine the effects of different strategies on public negative emotions and satisfaction under varying levels of involvement. [Result/Conclusion] The results indicate that among the recovery strategies, compensation is the most effective, followed by rectification, and then apology. Effective recovery enhances satisfaction by mitigating the public’s negative emotions. Public involvement plays a key moderating role: under high involvement, compensation is the optimal strategy for emotional remediation; under low involvement, rectification and compensation are equally effective in alleviating negative emotions.

Key words： short videos; negative public opinion; public opinion recovery; tourist attractions; involvement

Cite this article

Chen Jinghao , Li Wensi , Gu Lian . The Impact of Negative Opinion Recovery Strategies for Scenic Area Short Videos on Public Satisfaction in the Context of Varying Public Involvement[J]. Knowledge Management Forum, 2025 , 10(5) : 441 -452 . DOI: 10.13266/j.issn.2095-5472.2025.029

1 引言/Introduction

近年来，我国旅游产业在政策支持和市场需求的推动下迅速复苏，但行业的高风险特性逐渐凸显。随着互联网技术升级，短视频成为舆情传播主渠道。截至2025年6月，我国短视频用户规模已达10.68亿。景区服务失败事件若经短视频曝光，负面舆情将迅速发酵，进而影响游客满意度及景区形象。
在短视频舆情传播中，负面舆情易引发网民强烈情绪反应，损害景区发展，导致游客流量下降，并影响地方经济。景区若不及时化解负面情绪，将面临公众信任度下降及舆情升级风险。同时，短视频舆情下网民对事件的卷入度显著提升，这不仅放大了游客的情绪反应，更影响了他们的信息处理方式及对补救策略的期望。
基于此，本研究将通过在线控制实验，探讨负面短视频舆情下景区服务补救策略、公众舆情卷入度和公众负面情绪等变量对公众满意度的影响机制。

2 文献综述与研究假设/Literature review and research hypotheses

2.1 服务失败与服务补救

服务失败指服务未达顾客期望，包含过程失败与结果失败[1]。过程失败是服务过程中导致顾客在情感方面的不愉快体验，而结果失败则涉及顾客利益的损失。因服务无形性、异质性及生产消费同时性，组织难以全流程控制，加之顾客参与度高、需求差异大、外部环境多变，服务失败难以避免[2]。
服务补救是服务提供方为使顾客从不满意转向满意所采取的行动[3]。顾客不满时会表达情绪，企业需通过补救措施消除不满，维持关系。在以往研究中，学者们从不同维度划分补救策略，如有形与心理两种类型：有形策略通过超额或等额补偿（折扣、现金、退票等）弥补损失；心理策略则通过道歉、解释、关心等方式减轻顾客内心损失。最具代表性的是A. K. Smith等[4]的“实物补偿、道歉、响应速度和补救主动性”四维度划分，且该划分应用广泛。总体而言，不同服务失败需不同补救措施，企业应遵循“合适原则”。
在旅游景区服务补救研究中，学者们从归因、感知公平等角度提出策略，如确认过失方、有形补偿和提高响应速度等[5]。但现有文献缺乏对互联网舆情背景下，旅游景区服务补救与公众舆情卷入度、负面情绪和满意度的关系研究，值得进一步探索。

2.2 服务补救与公众满意度

R. N. Cardozo最早提出顾客满意理论[6]，后来学界从不同角度界定顾客满意度，如价值感知与期望之间的落差[7]或服务期望与实际感受的对比[8]。M. J. Bitner等[9]提出顾客满意度包括面对面接触的满意度和一整套服务后的满意度。A. K. Smith等[10]则认为顾客满意度应从购买前理想值、购买后服务失败、补救后满意度3个方面来看待整体满意度。服务补救对遭遇服务失败后的顾客满意度有显著影响，学者们发现“结果、程序和互动”的3个感知公平的维度代表了服务补救满意度的前置变量[11]。从现有研究来看，有关服务补救后的满意度研究已经有了巨大的进展，学者们通常用补救后顾客满意度衡量企业的服务补救效果。尽管不同补救策略效果各异，但补救策略、时机及主动性均影响顾客满意度，有效的服务补救能降低负面感知评价[12]，从而提升正面评价。
综合以上，本研究提出以下假设：
H1：不同补救策略（无补救、道歉、整改、补偿）将产生不同程度的公众满意度。
H1a：相比无补救，道歉更能提升公众满意度。
H1b：相比无补救，整改更能提升公众满意度。
H1c：相比无补救，补偿更能提升公众满意度。
H1d：相比整改，补偿策略更能提升公众满意度。
H1e：相比道歉，整改策略更能提升公众满意度。
H1f：相比道歉，补偿策略更能提升公众满意度。

2.3 负面情绪与公众满意度

情绪感染理论最早由E. Hatfield等在心理学领域提出，后逐渐应用于管理学、社会学及服务营销等领域[13]。该理论认为，个体在交互过程中会无意识地捕捉并模仿他人的情绪特征，形成“模仿—反馈”机制，即情绪感染。在服务营销中，员工的情绪展示会直接影响顾客情绪，如A. Pugh 发现服务人员的积极情绪可通过情绪感染提升顾客满意度[14]。服务补救后的负面情绪，是指顾客在经历服务失败后，即便企业采取补救措施，仍可能持有的愤怒、悲伤等消极情绪。杜建刚等[15]证实了在服务补救情境下，顾客对员工的补救行为、神情、言语和态度尤为敏感，情绪感染更为显著。方淑杰等[16]的实验表明，游客经历补救后的负面情绪受景区补救努力程度影响。
而情绪对个体的认知、评价甚至行为都存在着显著影响。情绪认知评价理论认为，情绪源于对公平的感知，服务补救中的公平感知直接影响顾客情绪与评价[17]。在公共危机事件中，负面情绪可能导致认知偏差，进而影响个体对事件的理解和反应，是影响满意度的重要前导因素[18]。
根据以上论述，本研究提出以下假设：
H2：负面情绪对公众满意度产生负面影响。
H3：不同补救策略通过改变公众负面情绪影响公众满意度。

2.4 卷入度与负面情绪

卷入度是信息加工动机的关键指标，亦称“涉入度”或“个人相关性”，反映了信息主题对个体的重要性和相关性[19]，是研究传播效果的重要变量。根据公众对服务失败事件短视频的卷入程度，可将其划分为高卷入度和低卷入度。精细加工可能性模型（Elaboration Likelihood Model，ELM）指出，高卷入度用户倾向于采用中心路径处理信息[20]，即对内容进行深度分析。而低卷入度用户则更多采取外围路径处理信息，缺乏对信息的深度思考，表现为较低的参与度[21]。
情绪感染理论表明，卷入度影响社交互动中的情绪传递[22]，高卷入度公众对舆情解决尤为重视，景区细致补救可减轻其负面情绪，回避或敷衍则可能加重其负面情绪；低卷入度下，公众关注度低，补救策略影响不显著。
鉴于此，本研究提出以下假设：
H4：公众卷入度在不同补救策略与公众负面情绪之间起调节作用。
本研究以精细加工可能性模型、情绪感染理论和情绪认知评价理论为基础，结合旅游景区服务失败下的短视频舆情情境，构建如下模型和研究框架，如图1和图2所示。图1展示了本研究的核心模型框架，详细阐述了公众舆情卷入度、补救策略、公众负面情绪及公众满意度之间的假设关系，并对各个假设进行了具体说明。图2则描述了本研究的设计与实验流程，涵盖了从理论基础到研究问题的界定，再到实验设计、数据分析方法，以及实验一和实验二的具体安排，最后探讨了理论深化的可能性和实践启示。
图1 实验研究模型

Figure 1 Experimental research model

图2 研究框架

Figure 2 Research framework

3 实验一：补救策略对公众满意度的影响/Experiment 1: The impact of recovery strategies on public satisfaction

3.1 实验设计

实验一旨在检验不同补救策略对公众满意度产生的影响（即H1），以及负面情绪在服务补救和满意度之间的中介效应（即H2、H3）。本研究采用单因素四水平组间实验设计，自变量为补救策略，包括道歉、整改、补偿和无补救措施（对照组）4个处理条件。通过见数平台招募被试，并随机分配至某一情境，开展在线情景实验，以控制外部干扰，确保因果推断的有效性。
为确保实验的外部效度和针对性，实验一的视频材料是从新浪舆情通大数据平台采集的2022—2023年间旅游景区服务失败的真实案例，参考关新华等[23]在选取负面报道真实案例的做法，通过情景化干预的模式模拟短视频平台的真实信息情景。
刺激物设计：为了更好地操纵实验变量，增强实验场景的真实感，本研究将短视频平台收集到的旅游景区作出补救措施的界面进行文字、图片的改编，力求还原平台真实画面。实验组的所有干预材料具体见表1，为了排除实验过程对实验结论的影响，本研究还增设了对照组，其干预内容为景区不作任何补救措施。
表1 实验材料及分组

Table 1 Experimental materials and grouping

实验分组 刺激物 实验场景
T0 无补救 游客在某景区游玩过程中对景区服务质量不满，将遭遇拍摄成视频发布到社交平台上，景区对此未发布任何声明，且无后续回应内容
T1 道歉 游客在某景区游玩过程中对景区服务质量不满，将遭遇拍摄成视频发布到社交平台上，景区对此向广大网友表达了诚挚的歉意
T2 整改 游客在某景区游玩过程中对景区服务质量不满，将遭遇拍摄成视频发布到社交平台上，景区对此向公众表明会对涉事商家进行整改，并公示监管热线
T3 补偿 游客在某景区游玩过程中对景区服务质量不满，将遭遇拍摄成视频发布到社交平台上，景区对此在短视频平台上公布赔偿方案

3.2 实验程序

在正式实验之前，首先通过一轮预实验检验实验流程、样本以及测量工具的有效性，共有96人参加。当自愿参与实验的被试者点击链接或扫描二维码之后，将会被系统随机分配至4个实验场景。正式实验中，通过“您使用过短视频平台吗？”“您平时是否有通过短视频平台了解到一些服务失败事件？”两道题筛选参与实验的被试群体，选择“未使用过”和“没有了解过”的参与者将被立即终止实验，而选择“使用过”和“了解过”的参与者才能进入接下来的实验。
随后，被试会在系统随机分配的实验组中观看一段视频材料，再随机进入一个补救策略的实验情景中，被试能够看到所分配的补救策略。参与者在观看视频材料后，会被询问视频的发布账号，回答错误则终止实验。被试在阅读完补救策略的材料后，需要填写负面情绪和公众满意度测量题项。

3.3 变量测量

负面情绪量表参考已有的成熟量表，设计景区采取补救措施后的公众负面情绪量表。题项设计结合关新华、谢礼珊和皮平凡对旅游负面舆情中公众情绪的研究情境[23]，运用自陈式评量法测量负面情绪，共设置5个题项，均采用Likert 9分量表测量（1=非常不同意，9=非常同意）。公众满意度量表则参考A. K. Smith等[10]的研究成果，共设置9个题项，均采用Likert 7分量表测量（1=非常不同意，7=非常同意）。所有测量题项如表2所示，Cronbach’s α系数分别为0.966和0.981，表明量表具有良好的内部一致性信度。
表2 测量题项、信度

Table 2 Measurement items and reliability

变量 测量题项 Cronbach’s α
负面情绪 景区作出这一补救措施，我感到很郁闷 0.966
景区作出这一补救措施，我感到很失望
景区作出这一补救措施，我感到很生气
景区作出这一补救措施，我感到很悲哀
景区作出这一补救措施，我感到很恶心
公众满意度 景区的回应让我感受到了诚意 0.981
我认为景区这一补救措施是很负责任的表现
我认为该景区的补救能够解决公众所关注的问题
我认为景区对处理此次事件做出了实质性的努力
我认为景区的补救措施弥补了游客所遭到的损失
我对景区处理此次事件的方式感到满意
我对景区处理此次事件的态度感到满意
我对景区处理此次事件的结果感到满意
总的来说，景区对待此次事件的反应及态度比我预想的要好

3.4 结果分析

（1）样本概况。实验一共发放问卷480份，通过剔除乱作答、不作答、作答时长异常等的无效问卷，最终回收有效问卷452份，问卷回收率达到94.2%。在实验被试中，男性有188人，比例是41.59%；女性有264人，占比为58.41%。年龄方面，18—25岁的参与者最多，共389人，占比86.06%。学历方面，本科学历人数最多，比例为66.37%。参与者以企业职员和学生为主。所有被试被随机分配为4组，分别是无补救组（113人）、道歉组（113人）、整改组（114人）、补偿组（112人）。
（2）操纵检验。该部分在于检验被试能否准确区分补救策略类型的差别，通过见数平台招募95名被试，随机分配至道歉、整改、补偿和无补救4个组中。被试通过阅读补救策略的4个不同情境描述，并根据文字提示回答“您认为材料中的描述属于哪种补救策略？”选项1=无补救，2=道歉，3=整改，4=补偿。结果显示，4个补救策略在问项的选择上有显著差异（M无=1.03<M道=2.05<M改=2.94<M补=3.96，F=3827.880，P<0.01），说明补救策略的操控成功。
（3）假设检验。首先以补救策略为自变量，公众满意度为因变量，采用单因素方差分析验证主效应H1。检验结果显示：不同补救策略对公众满意度的影响均有显著的差异（F=32.961，p=0.000）。进一步进行两两比较，结果表明：与无补救组相比，整改、道歉和补偿组的公众满意度提高更显著（M整改=3.84，M道歉=3.40，M补偿=4.40，M无补救=2.28，P<0.01），假设H1a、H1b和H1c成立。相比整改，补偿策略更能提升公众满意度（M整改=3.84，M补偿=4.40，P<0.05）；相比道歉，整改策略更能提升公众满意度（M整改=3.84，M道歉=3.40，P<0.05）；相比道歉，补偿策略更能提升公众满意度（M道歉=3.40，M补偿=4.40，P<0.01），假设H1d、H1e和H1f成立。综上，H1得到支持。
其次，以负面情绪为自变量，公众满意度为因变量，并控制住人口统计变量（性别、年龄、学历、职业），进行多元线性回归并使用普通最小二乘法（Ordinary Least Squares, OLS）算法估计回归系数。多元回归模型所有方差膨胀因子（Variance Inflation Factor, VIF）值均小于5，表明回归方程不存在严重的多重共线性的问题。回归方程的整体拟合优度较好，调整后的R2为0.759。如表3所示，负面情绪与公众满意度呈显著的负相关（ β=-0.633，p<0.01），这说明负面情绪负向影响公众满意度，假设H2得到验证。
表3 负面情绪对公众满意度的多元回归分析结果（实验一）

Table 3 Results of multiple regression analysis (Experiment 1)

变量类别 变量名称 模型1 模型2
控制变量 常数

2.369**

(5.608)

6.313**

(26.928)

性别

0.138

(0.768)

0.131

(1.474)

年龄

-0.058

(-0.439)

-0.017

(-0.251)

学历

0.153

(1.663)

0.111*

(2.424)

职业

0.146*

(1.993)

0.048

(1.310)

自变量 负面情绪

-0.633**

(-37.148)

样本量 452 452
R2 0.026 0.762
调整R2 0.017 0.759
F值 F(4,447)=2.941, p=0.020 F(5,446)=285.613, p=0.000

注：*p<0.05，**p<0.01，括号里面为t值

最后，为检验负面情绪的中介作用，使用SPSS 24.0软件中的Process插件，采用Bootstrap方法，设置随机抽取样本为5 000次，置信区间为95%。结果见表4。负面情绪中介作用显著（LLCI=0.172，ULCI=0.312，该区间不包含0），且中介效应大小为0.397。此外，控制中介变量后，补救策略对公众满意度的直接效应区间包括0（LLCI=-0.082，ULCI=0.074），说明负面情绪发挥了完全中介作用。H3得到验证。
表4 负面情绪的中介作用（实验一）

Table 4 The mediating role of negative emotions (Experiment 1)

效应 效应值 95% CI 标准误 p值 结论
下限 上限
间接效应 0.397 0.172 0.312 0.036 0.000 完全中介
直接效应 -0.004 -0.082 0.074 0.040 0.920
总效应 0.393 0.246 0.540 0.075 0.000

4 实验二：公众卷入度与负面情绪的作用/Experiment 2: The role of public involvement and negative emotions

4.1 实验设计及程序

实验二将重点分析公众卷入度在补救策略对公众满意度的影响中所起的调节作用，即假设H4。同时再次验证实验一中的H1、H2和H3。实验二采用3（补救策略：道歉vs整改vs补偿）×2（公众卷入度：高卷入度vs低卷入度）的组间实验，并增加2组对照组，共8个实验组。
首先，对新浪舆情通平台收集到的景区服务失败短视频信息（浏览量、点赞量、评论数等）进行整理，计算并筛选出高卷入度和低卷入度的代表视频。为了更好地还原短视频平台公众卷入度的真实情况，笔者通过向被试随机发送景区服务失败视频网页链接，要求被试在真实的网络环境中观看视频，了解该视频在网上的舆论情况。最后，根据所分配的补救策略，填写负面情绪和公众满意度量表，负面情绪和公众满意度量表设计与实验一相同。
表5 实验二材料及分组

Table 5 Experimental materials and grouping (Experiment 2)

实验分组 刺激物 实验场景
T0 高卷入度x无补救 景区A区别对待中外游客，将普通游客集中限制在固定区域观看，并且推迟演出等待外国游客。该视频登上网络热搜引发大量网友批评，景区对此未发布任何声明，且无后续回应内容
T1 高卷入度x道歉 景区A区别对待中外游客，将普通游客集中限制在固定区域观看，并且推迟演出等待外国游客。该视频登上网络热搜引发大量网友批评，景区对此向广大网友表达了诚挚的歉意
T2 高卷入度x整改 景区A区别对待中外游客，将普通游客集中限制在固定区域观看，并且推迟演出等待外国游客。该视频登上网络热搜引发大量网友批评，景区对此向公众表明对存在问题的整改决心，并公布改进措施
T3 高卷入度x补偿 景区A区别对待中外游客，将普通游客集中限制在固定区域观看，并且推迟演出等待外国游客。该视频登上网络热搜引发大量网友批评，景区对此在短视频平台上公布赔偿方案
T4 低卷入度x无补救 景区B气炉设备老化引发火灾导致部分木质建筑烧毁，该视频显示观看量低于1万次，评论区仅12条讨论，景区对此未发布任何声明，且无后续回应内容
T5 低卷入度x道歉 景区B气炉设备老化引发火灾导致部分木质建筑烧毁，该视频显示观看量低于1万次，评论区仅12条讨论，景区对此向广大网友表达了诚挚的歉意
T6 低卷入度x整改 景区B气炉设备老化引发火灾导致部分木质建筑烧毁，该视频显示观看量低于1万次，评论区仅12条讨论，景区对此向公众表明对存在问题的整改决心，并公布改进措施
T7 低卷入度x补偿 景区B气炉设备老化引发火灾导致部分木质建筑烧毁，该视频显示观看量低于1万次，评论区仅12条讨论，景区对此在短视频平台上公布赔偿方案
为保证实验材料、测量工具和实验程序的有效性，在正式实验之前，首先进行一次预实验，共招募96人，与预实验一的被试人群无重复。当自愿参与实验的被试者点击链接之后，被试者将会由系统随机分配至8个实验场景。正式实验中，通过“您使用过短视频平台吗？”“您平时是否有通过短视频平台了解到一些服务失败事件？”2道题筛选参与实验的被试群体，选择“未使用过”和“没有了解过”的参与者将被立即终止实验，而选择“使用过”和“了解过”的参与者才能进入接下来的实验。

4.2 变量测量

实验二的变量测量与实验一一致，其中负面情绪（Cronbach’s α=0.968）、公众满意度（Cronbach’s α=0.979）的信度良好。

4.3 结果分析

（1）样本概况。实验二共发放问卷439份，通过剔除乱作答、不作答、作答时长异常等的无效问卷，最终回收有效问卷400份，问卷回收率达到91.1%。在实验被试中，男性有125人，比例是31.25%；女性有275人，占比为68.75%。年龄方面，26-35岁的参与者最多，共211人，占比52.75%。学历方面，本科学历人数最多，比例为72.25%。所有被试被随机分配为8组，低卷入度下无补救组54人、道歉组48人、整改组52人、补偿组50人；高卷入度下，无补救组48人、道歉组52人、整改组46人、补偿组50人。
（2）操纵检验。首先是卷入度水平的操控检验。为了验证被试能否准确区分卷入度的差别，笔者通过见数平台招募参与者共65名，随机分配至高卷入度和低卷入度2个组中。被试通过阅读公众卷入度的情景描述，根据文字提示回答“您认为材料中的描述展现了哪一种水平的卷入度？”选项1=低卷入度，2=高卷入度。结果显示，高卷入度和低卷入度在问项的选择上有显著差异（M低=1.03 <M高=1.93，t= -40.856，P<0.01），说明卷入度在高、低两个水平上均操控成功。
其次，检验被试能否准确区分补救策略类型，通过见数平台招募被试共97名，随机分配至道歉、整改、补偿和无补救4个组中。被试通过阅读补救策略的4个不同情境描述，并根据文字提示回答“您认为材料中的描述属于哪种补救策略？”选项1=无补救，2=道歉，3=整改，4=补偿。结果显示，4个补救策略在问项的选择上有显著差异（M无=1.04<M道=2.05<M改=2.90<M补=3.93，F=1 707.216，P<0.01），说明补救策略的操控成功。
（3）假设检验。采用单因素方差分析检验H1，检验结果显示：不同补救策略对公众满意度的影响均有显著的差异（F=73.315，p=0.000）。进一步进行两两比较，结果表明：对公众满意度的影响，与无补救组相比，整改、道歉和补偿组的公众满意度提高更显著（M整改=4.12，M补偿=4.74，M道歉=3.33，M无补救=1.82，P<0.01），假设H1a、H1b和H1c成立。相比整改，补偿策略更能提升公众满意度（M整改=4.12，M补偿=4.74，P<0.01）；相比道歉，整改策略更能提升公众满意度（M整改=4.74，M道歉=3.33，P<0.01）；相比道歉，补偿策略更能提升公众满意度（M道歉=3.33，M补偿=4.74，P<0.01），假设H1d、H1e和H1f成立。综上，H1再次得到支持。
其次，以负面情绪为自变量，公众满意度为因变量，并控制住人口统计变量（性别、年龄、学历、职业），进行多元线性回归并使用OLS算法估计回归系数。多元回归模型所有VIF值均小于5，表明回归方程不存在严重的多重共线性的问题。回归方程整体拟合优度较好，调整后R2为0.791。检验结果显示，负面情绪与公众满意度呈显著的负相关（ β= -0.660，p<0.01），这说明负面情绪负向影响公众满意度，假设H2再次得到验证。
第三，使用SPSS 24.0软件中的Process插件重复验证负面情绪的中介作用。采用Bootstrap方法，设置随机抽取样本为5 000次，置信区间为95%。负面情绪中介作用显著（LLCI=0.203，ULCI=0.358，该区间不包含0），且中介效应大小为0.461。此外，控制中介变量后，补救策略对公众满意度的直接效应区间包括0（LLCI= -0.017，ULCI=0.137），说明负面情绪发挥了完全中介作用。H3再次得到验证。
以负面情绪为因变量，通过2（公众卷入度：高vs.低）× 4（补救策略：无补救vs.道歉vs.整改vs.补偿）的双因素方差分析，对公众卷入度的调节作用进行检验。结果表明：舆情卷入度和补救策略的交互项呈现出显著性(F=4.381，p=0.005<0.01)，如表6所示：
表 6 卷入度与补救策略的交互效应

Table 6 The Interaction effect of involvement and recovery strategies

差异源 平方和 df 均方 F p
Intercept 11 222.275 1 11 222.275 3 123.702 0.000**
卷入度组 156.462 1 156.462 43.551 0.000**
补救策略 817.599 3 272.533 75.859 0.000**
卷入度组×补救策略 47.221 3 15.740 4.381 0.005**
Residual 1 408.307 392 3.593

注：R2=0.422，*p<0.05，**p<0.01

进一步进行简单效应分析：在高卷入度下，相比道歉策略，补偿策略对负面情绪的降低效果更好（M补偿=4.55，M道歉=5.82，p<0.01），整改和道歉在降低负面情绪方面又显著高于无补救组，但整改和道歉之间的效果无显著差异（M无补救=7.83，M整改=5.51，M道歉=5.82，p<0.01）；在低卷入度下，整改和补偿均比道歉更能缓解负面情绪（M补偿=3.28，M整改=3.17，M道歉=4.90，p<0.01），而道歉对降低负面情绪的效果又显著高于无补救组（M无补救=7.36，M道歉=4.90，p<0.01），但整改和补偿对负面情绪的影响无显著差异，结果见图3。因此，公众卷入度在补救策略与负面情绪之间具有调节作用，假设H4成立。
图3 卷入度和补救策略交互效应下的负面情绪均值对比

Figure 3 Comparison of negative emotion means under the interaction effect of involvement and recovery strategies

5 研究结论与贡献/Research conclusions and contributions

5.1 研究结论

本研究基于情绪感染理论，设置两个在线控制实验，探讨了短视频舆情环境下景区服务补救策略对公众满意度的影响机制，主要得出以下结论：
首先，在景区突发事件短视频舆情背景下，不同的补救策略产生不同的满意度。相较于无补救，采取道歉、整改和补偿等策略均能显著提升公众满意度，总体上补偿策略效果最佳，整改次之，道歉效果最弱。此结果源于公众在面对利益受损时，更关注实质性行动而非情感表达。补偿策略直接弥补游客经济损失，展现景区的责任担当，有效平息舆情；而整改策略需时间和资源投入，效果有限；单纯道歉缺乏实质行动，难以满足公众期待。
其次，多元回归分析表明，补救后的公众负面情绪负向影响公众满意度，且公众负面情绪在补救策略与满意度间起中介作用。这表明，舆情补救策略的有效性取决于其能否有效减轻或消除网民负面情绪。当补救策略契合网民期望与诉求时，能引发积极情绪共鸣，促进理解与支持；反之，则会加剧负面情绪，损害景区口碑与形象。因此，景区需高度重视公众情绪管理，采取恰当补救策略缓解负面情绪，为舆情管理创造有利条件。
最后，本研究发现公众舆情卷入度在补救策略与负面情绪间起调节作用。结合ELM模型，卷入度通过调节信息处理路径，影响补救策略对负面情绪的缓解效果。高卷入度下，补偿策略通过制度性补偿方案满足公众深度认知需求，效果最佳；低卷入度下，公众更依赖情感符号与即时反馈，整改策略与补偿策略效果相当。这表明，景区需根据公众对事件的关注程度和情感投入，动态匹配策略资源投入。在高关注度事件中，需提供系统性补偿方案；在低关注度事件中，实际行动比象征性回应更能赢得公众认可。

5.2 研究贡献

5.2.1 理论贡献

本研究重构了服务补救理论在短视频舆论场域下的作用框架。传统服务补救模型多聚焦于企业与受损顾客间的“互动关系”，强调感知公平和顾客满意度。而本研究的贡献在于：①补救的评价主体从单一顾客扩展为异质性的公众，他们的卷入度和信息处理方式（中枢或边缘路径）成为决定补救效果的关键变量；②补救的目标从个体满意度提升转变为公众负面情绪的降温和集体信任的修复。这突破了传统模型的适用边界，将服务补救从营销学和管理学的范畴，拓展至危机沟通和公共关系治理的交叉领域。
第二，本研究增强了情绪理论在网络舆情危机中的解释力。传统情绪感染理论多应用于线下人际互动。本研究将其应用边界拓展至短视频这一兼具高匿名性、强视觉冲击和快速扩散性的媒介中，发现情绪的感染与修复机制呈现新特征。研究贡献在于验证了在短视频舆情中，公众的负面情绪是连接补救策略与最终满意度的核心中介变量。这意味着，无论采取何种策略，其首要任务必须是实现“情感修复”。若无法有效管理和疏导公众的负面情绪，任何后续的理性或经济补救措施都将事倍功半。
第三，本研究为精细化加工可能性模型（ELM）在危机沟通中的应用提供了新的实证支持。ELM模型清晰划分了信息处理的中心与外围路径。本研究的创新之处在于，将“补偿”策略界定为满足中心路径处理需求的高阶、实质性信息；将“道歉”和“整改”等界定为作用于外围路径的启发式线索。研究发现，公众卷入度的高低决定了哪条路径在舆情降温中起主导作用。这一发现为ELM模型的应用场景提供了实证支持。

5.2.2 实践启示

景区应摒弃将补救策略视为孤立选项的传统模式，构建“道歉—整改—补偿”三位一体的动态响应流程，实现从战术应对到战略管理的升级。研究证实：首先，道歉虽对直接提升满意度效果最弱，但它是一种表明态度、给公众应激情绪降温、帮助其恢复冷静的有效策略，是危机沟通中平息初步怒火、为后续实质性行动争取宝贵时间的必要起手式。其次，以整改确证诚意。通过公示并透明化整改进程，即展现本研究发现的“行动可见性”，能有效重建公众信任。此举的效果显著优于单纯道歉，因为它将抽象的承诺转化为了公众可见的具体行动。最后，以补偿完成闭环。公布合理的补偿方案是平息舆论最有效的策略，尤其是在高卷入度事件中。它不仅弥补了当事人的个体损失，更是对所有事件关注者作出的明确交代，通过满足其对实质性结果的深度认知需求，最终实现舆情降温与满意度重塑。
另外，以公众“舆情卷入度”为核心标尺，对三阶段模型进行动态资源配置，是实现从“同质化应对”到“层级化治理”的战略关键。本研究的核心发现是“卷入度”的调节作用，这意味着并非所有危机都需要同等级别的资源投入。对于高卷入度事件，公众的信息处理倾向于中心路径，要求危机响应必须提供高信息浓度、高实质性的解决方案。因此，景区必须完整执行三阶段流程，并将资源重点向补偿环节倾斜。方案的设计需详尽透明，兑现需迅速有力，以此满足公众对事件公平性的深度认知与验证需求，实现最有效的情绪修复。反之，对于低卷入度事件，公众更倾向于通过外围路径进行信息处理。其关注点在于组织是否“有所作为”，而非对行动的细节进行精细推敲。在此情境下，一个及时的道歉与一个清晰可见的整改行动组合，便能有效达成舆情降温的目标。此时，补偿可更多地转向内部，精准针对直接当事人，无需进行大规模公开。这种策略既能高效解决问题，又避免了因过度反应可能导致的资源浪费或不必要的舆情升级。

Author(s): Chen Jinghao, Associate Professor, PhD, E-mail: jinghaochen@gxu.edu.cn; Li Wensi, Master’s Degree; Gu Lian, Master’s Candidate.

陈璟浩：研究构思与方案设计，论文撰写、修改与定稿；

李文思：数据收集、整理与分析，论文撰写与修改；

顾　连：数据收集，组织协调。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杜学美, 刘桃, 吴念烔, 等. 主题乐园服务补救满意度模型——基于上海迪士尼乐园的实证研究[J]. 上海管理科学, 2022, 44(4): 70-80.

DU X M, LIU T, WU N T, et al. Satisfaction model of theme park service remediation: an empirical study based on Shanghai Disneyland[J]. Shanghai management science, 2022, 44(4): 70-80.

[2]
格罗鲁斯. 服务管理与营销[M]. 韩经纶, 韦福祥, 译. 北京: 电子工业出版社, 2002.

GRÖNROOS C. Service management and marketing[M]. HAN J L, WEI F X, trans. Beijing: Publishing House of Electronics Industry, 2002.

[3]
SPRENG R A, HARRELL G D, MACKOY R D. Service recovery: impact on satisfaction and intentions[J]. Journal of services marketing, 1995, 9(1): 15-23.

[4]
SMITH A K, BOLTON R N. The effect of customers’ emotional responses to service failures on their recovery effort evaluations and satisfaction judgments[J]. Journal of the Academy of Marketing Science, 2002, 30(1): 5-23.

[5]
齐晶晶.基于感知公平的景区服务补救对游客行为意向的影响研究[D]. 北京: 北京交通大学, 2017.

QI J J. Study on the effect of scenic spot service recovery on tourist behavior intention based on perceived fairness[D]. Beijing: Beijing Jiaotong University, 2017.

[6]
CARDOZO R N. An experimental study of customer effort, expectation, and satisfaction[J]. Journal of marketing research, 1965, 2(3): 244–249.

[7]
WESTBROOK R A, REILLY M D. Value-percept disparity: an alternative to the disconfirmation of expectations theory of consumer satisfaction[J]. Advances in consumer research, 1983, 10(1): 256-261.

[8]
ENGEL J F, BLACKWELL R D. Consumer behavior[M]. Chicago: Dryden Press, 1986.

[9]
BITNER M J, BOOMS B H, MOHR L A. Critical service encounters: the employee's viewpoint[J]. Journal of marketing, 1994, 58(4): 95-106.

[10]
SMITH A K, BOLTON R N, WAGNER J A. A model of customer satisfaction with service encounters involving failure and recovery[J]. Journal of marketing research, 1999, 36(3): 356-372.

[11]
GOODWIN R, IVAN R. Consumer responses to service failures: influence of procedural and interactional fairness perceptions[J]. Journal of business research, 1992, 25(2): 149-163.

[12]
LIN H H, WANG Y S, CHANG L K. Consumer responses to online retailer’s service recovery after a service failure[J]. Managing service quality: an international journal, 2012, 21(5): 511-534.

[13]
李春华. 基于情绪感染理论的航空公司社交媒体印象管理策略研究[D]. 天津: 中国民航大学, 2022.

LI C H. Research on airline social media impression management strategy based on emotional contagion theory[D]. Tianjin: Civil Aviation University of China, 2022.

[14]
PUGH S D. Service with a smile: emotional contagion in the service encounter[J]. Academy of management journal, 2001, 44(5): 1018-1027.

[15]
杜建刚, 范秀成. 服务补救中情绪对补救后顾客满意和行为的影响——基于情绪感染视角的研究[J]. 管理世界, 2007, 23(8): 85-94.

DU J G, FAN X C. The effect of emotion on customers' satisfaction and behavior in service recovery: a study from the perspective of emotional contagion[J]. Journal of management world, 2007, 23(8): 85-94.

[16]
方淑杰, 黎耀奇, 傅云新. 赔礼还是赔钱?——基于情绪感染理论的旅游景区服务补救策略研究[J]. 旅游学刊, 2019, 34(1): 44-57.

FANG S J, LI Y Q, FU Y X. Symbolic or utilitarian? research on recovery strategies of scenicareas based on emotional contagion theory[J]. Tourism tribune, 2019, 34(1): 44-57.

[17]
SCHOEFER K, ENNEW C. The impact of perceived justice on consumers' emotional responses to service complaint experiences[J]. Journal of services marketing, 2005, 19(5): 261-270.

[18]
赵云泽, 薛婷予. 危机事件中恐慌情绪传播及群体认知研究[J]. 当代传播, 2021, 217(2): 31-35, 40.

ZHAO Y Z, XUE T Y. Research on the spread of panic emotions and group cognition in crisis events[J]. Contemporary communications, 2021, 217(2): 31-35, 40.

[19]
PETTY R E, CACIOPPO J T. The elaboration likelihood model of persuasion[J]. Advances in experimental social psychology, 1986, 19(1): 123-205.

[20]
赵文军, 孙丽, 易明. 在线健康谣言辟谣效果的影响机制研究:信息框架、信息来源及话题卷入度的作用[J]. 图书情报工作, 2023, 67(4): 80-90.

ZHAO W J, SUN L, YI M. Research on the influence mechanism of online health rumor refutation effect: the roles of information framing, information source, and topic involvement[J]. Library and information service, 2023, 67(4): 80-90.

[21]
王巍. 网络用户对虚假社会新闻的态度及行为：基于ELM模型的实证分析[J]. 情报科学, 2021, 39(12): 126-132, 145.

WANG W. Attitudes and behaviors of internet users towards fake social news: an empirical analysis based on ELM model[J]. Information science, 2021, 39(12): 126-132, 145.

[22]
张帅, 阿比旦·艾尼瓦尔, 刘运梅. 社交媒体虚假疫情信息纠正效果评估的元分析[J]. 现代情报, 2021, 41(8): 16-26.

ZHANG S, ABIDAN A N, LIU Y M. Meta-analysis of the evaluation of the effect of correcting epidemic misinformation on social media[J]. Journal of modern information, 2021, 41(8): 16-26.

[23]
关新华, 谢礼珊, 皮平凡. 负面报道对旅游目的地的影响及信任修复研究[J]. 经济管理, 2017, 39(8): 146-158.

GUAN X H, XIE L S, PI P F. The effect of negative publicity on tourism destination image and how to repair the tourists' trustworthiness of destination[J]. Business and management journal, 2017, 39(8): 146-158.

Options
Outlines

/

〈 〉