如何处理危机公关：把人工经验写成脚本需求时怎样描述例外情况
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /7cbda13c0f55.html
📄
如何处理危机公关：把人工经验写成脚本需求时怎样描述例外情况
先给结论：例外情况不要写成一句“其他情况按经验处理”，而要拆成可判定的条件、触发后的动作和兜底去向。脚本需求里最危险的不是漏写主流程，而是把人工判断中“看情况”的部分留给执行者自由发挥，导致同一类危机在不同班次得到不同回应。
先判断哪些例外必须保留人工决策
写脚本需求前，先把人工处理危机时的判断分成三类：可枚举的、需要权衡的、必须由人承担的。可枚举的例外适合写入脚本，例如“同一账号在十分钟内重复发布相同投诉内容”“负面信息附带可验证的订单号”“发布者明确要求删除并留下联系方式”。这些条件能用字段和阈值描述，脚本可以自动分流。
需要权衡的例外不适合直接写死。比如一条负面内容既涉及产品质量又涉及服务态度，人工可能根据当前舆论走向决定先回应哪一层。脚本能做的不是替人决定，而是把“需要权衡”标记出来，推给指定角色，并附上判断所需的信息：原文、发布时间、传播范围、已有回应记录。
必须由人承担的例外包括涉及法律威胁、人身安全、监管问询、媒体采访请求。这类情况一旦被脚本自动回复或自动关闭，代价往往高于延迟处理。需求里应写明：命中这些条件时，脚本只做记录和通知，不执行对外动作。
保留、改写还是退出：三种处理方式的适用前提
面对人工经验中的例外描述，写需求时通常有三种取舍。
保留原描述。适用前提是例外本身低频、后果可控，且执行者具备同等判断力。例如“遇到明显恶意刷屏可先隐藏再上报”。保留的代价是脚本无法自动验证，执行结果依赖个人理解，后续复盘时难以区分是规则问题还是执行问题。如果保留，至少要在需求里注明：谁有权判断、判断后记录什么、多久复核一次。
改写成可判定条件。适用前提是例外能被拆成字段、阈值和动作的组合。例如把“影响比较大的负面”改写成“同一链接在多个账号下被重复提交，且提交内容包含品牌词”。改写的代价是可能漏掉阈值之外的真正危机，因此需要设置一条兜底规则：未命中任何条件的异常内容进入人工队列，而不是默认忽略。
退出脚本、交回人工。适用前提是该例外的处理代价高、误判后果重，或当前数据不足以支撑自动判断。退出的代价是响应速度下降、人力占用上升。适合退出的典型是首次出现的危机类型：没有历史样本，也没有稳定特征，脚本强行分类只会制造假阳性。
用假设例子说明例外条件怎么写才可执行
假设一个团队用脚本处理社交平台上的负面提及，人工经验里有一句“如果对方情绪激烈就先安抚”。这句话直接写进需求，执行者无法判断什么叫情绪激烈。可以改写成一组可观察条件，并注明假设：
- 内容包含明确投诉对象和具体损失描述；
- 同一用户在短时间内连续发布多条相关内容；
- 内容中出现要求公开回应、要求赔偿或提及监管部门的表述。
命中任意两条时，脚本不自动回复，而是生成待办并通知值班人；命中一条时，进入普通队列。这个例子的数字只是说明比较方法，不是固定阈值。真正上线前，应先用历史记录回放，看这些条件会把多少正常内容误判为危机，再决定收紧还是放宽。
动作与下一步的关系在这里很直接：如果回放显示误判集中在某一条条件上，就先修改该条件的描述，而不是直接放弃整个例外规则。如果误判分散且无法归因，说明这类例外还不适合脚本化，应退回人工处理。
描述例外时必须写清的四个字段
无论保留、改写还是退出，例外描述都应包含四个字段，否则执行者只能猜。
- 触发条件：什么现象出现时进入例外，尽量用可观察的事实，不用“严重”“恶意”“敏感”这类需要二次解释的词。
- 触发后的动作：脚本做什么、不做什么。例如“只记录并通知，不对外回复”。
- 责任角色：谁接手、多久内接手。没有责任人的例外等于没有例外。
- 兜底去向：条件未命中但看起来异常时去哪里。兜底不是失败，而是防止脚本把未知情况当成正常情况处理。
这四个字段写完后，让没有参与编写的人读一遍，看能否在不询问作者的情况下判断一条内容该走哪条路径。如果读的人需要追问，说明例外描述仍然停留在人工经验层面，还没有变成脚本需求。
改动例外规则后怎样判断是否有效
例外规则调整后，不要只看“处理量下降”或“自动分流变多”。这些变化可能来自搜索需求、平台流量或采集方式的波动，不能单独证明规则正确。更稳妥的做法是固定一个观察窗口，比较调整前后同一类内容的去向分布：进入人工队列的比例、被误判后撤回的比例、以及人工接手后的处理时长。
如果误判撤回比例上升，说明条件写得太宽；如果人工队列里反复出现同一类未命中内容，说明还缺一条例外条件。此时优先补条件，而不是提高自动处理比例。危机公关里的脚本需求，目标不是让机器替人做所有判断，而是让人只在真正需要判断的地方出现。
