情報が不完全な世界では、評判は重要なシグナルとして機能し、企業はその維持に努める。本研究では、Twitterを利用する企業にとっての評判の役割を実証的に評価する。結果から、苦情を表すものが多い否定的なツイートを受け取ることは、企業業績の低迷と強く相関していることが確認された。情報が速く容易に広まる時代におけるソーシャルメディア（SM）の重要性が示唆される。
評判は非常に価値の高い資産であり、いったん失えば再構築することはほぼ不可能である（Tirole, 1996）。この影響は、顧客が購入前に製品の品質を確認できない業界でより大きい。その場合、過去の品質が現在または将来の品質を示す指標となる（Shapiro, 1983）。さらに、顧客が基準に適合しない製品を見つけると、悪影響はそのブランドの他製品だけでなく、影響を受けていないブランドの製品にも及ぶ可能性がある（Toledo and Villas-Boas, 2016）。
評判を監視するため、企業は顧客体験を綿密に追跡できる。最近の研究は、顧客の動向を把握し、販売ファネルの先まで顧客体験を向上させる企業こそが事業を成長させていることを、MITスローンとGoogleが示した。
デジタル時代の到来により、評判の維持のあり方は変化した。ソーシャルメディアが広く使われる以前、企業が苦情に関する情報を得るまでには多少の遅れがあった。SMのおかげで、企業はより幅広い人々の見方を、より速く把握できるようになった。しかし、SMを利用する企業は、評判がさらされる機会も増える。従業員、顧客、サプライヤーなどがリアルタイムで意見を寄せ、それが企業の評判に影響を及ぼす可能性がある。
方法論
本研究では、Twitterアカウントが企業による評判の綿密な把握に役立つかを検証する。実証分析には、世界経営調査の回答企業のうちTwitterアカウントを持つ企業から収集したTwitterデータを用いる。同調査にはさまざまな業種の企業が含まれており、本研究では英国と米国に所在する企業に焦点を当てる。
求人募集専用のものなどを除き、これらのTwitterアカウント（またはハンドル）を手作業で特定した。ハンドルを使い、Twitterアプリケーション・プログラミング・インターフェース（API）にクエリを送信して、企業宛ての公開ツイートを無作為に収集した。
この分析では、2016年1月から2017年5月に収集した約400万件のツイートを使用する。2016年1月時点で、3,000社のうちTwitterアカウントを持っていたのは約400社にすぎなかった。興味深いことに、業種を調整すると、Twitterアカウントの保有と生産性の高さには関連があることが、データから示唆される。
ツイートは次元が多くノイズも大きいため、分類とモデル化が課題となる。こうした問題に対処するため、教師あり潜在ディリクレ配分法（sLDA）（Blei and McAuliffe, 2007を用い、ツイート群の意味的テーマを簡潔に表現する。
第一に、応答変数を得るため、ケンブリッジ類語辞典とGuiso et al. (2015)に基づいて語彙を作成する。ツイートを分類し、企業業績に対する人々の見方を反映し得る7つの側面、すなわち環境、イノベーション、苦情、企業価値、企業の人々、成長、その他を特定する。次に、各ツイートを応答と対応づける。
第二に、ツイートに残る語と応答を同時にモデル化し、各企業についてsLDAの推定値、すなわち潜在トピックを算出する。5分割交差検証を行い、予測R^2を測定して推定の質を評価する。
語彙に含まれる単語だけでは、Twitter上で人々が伝える内容の意味を適切に捉えられない可能性があるため、感情分析も行ってこの分析を補完する（Feuerriegel and Proellochs, 2017）。これにより、ツイート内の各単語を肯定的、否定的、中立的に分類できる。したがって、否定的な単語の割合が肯定的および中立的な単語の割合を上回る場合、そのツイートを否定的とみなす。この分類に基づき、企業宛てのツイートに含まれる否定性の平均を表す否定性変数（0から1の範囲）を算出する。
最後に、sLDAと感情分析の両方の推定値を組み合わせ、調査期間末時点の企業の生産性と、苦情および否定性との関連を詳しく検討する。生産性は使用資本利益率に基づく（出典：Orbis Bureau Van Dijk）。苦情に関するsLDAの企業別推定値、企業宛てツイートの平均的な否定性、その両者の交互作用、さらに企業規模、本国、多国籍企業かどうか、所属業種などの統制変数を含めて回帰分析を行う。
生産性
7つのsLDA潜在トピックのうち、苦情は評判に直結する経路として最も重要と考えられる。さらに、未解決または不適切に処理された苦情をめぐる否定的な反応は評判に影響し、企業の生産性を損なう可能性がある。そこで、苦情と否定性がもたらす異質な影響に焦点を当てる。適切に処理されず、Twitter上で否定的なコメントを生む苦情は、企業業績に悪影響を及ぼし得る。一方、苦情が迅速に解決されれば、その影響は弱まると解釈できる。図1はこの分析に基づいて作成した。
図1．苦情に関する否定性の差別的影響と生産性の回帰分析を示すビン分け散布図
図1のプロットでは、企業のサンプルがそれぞれ異なる。最初のパネルは全業種の企業の結果を示し、残る3つのパネルは特定業種を対象としている。データからは、さらに根底にある異質性が示唆される。すなわち、苦情や否定的な反応の影響は、企業が属する業種によって異なる可能性がある。食品業界では、損失を避けるため、苦情に迅速かつ効果的に対応する必要性が特に高い。機械業界にはいくつか否定的な傾向が見られる一方、計測機器および関連製品の業界では、ほとんど関係がないように見える。
これらの結果には留保が必要である。苦情の報告や否定的なコメントを受け取る企業は、それ自体として生産性が低い。ソーシャルメディア（SM）上の人々の見方が企業の生産性に影響し得るという因果関係を主張するには、さらなる研究が必要である。
