直接回答:不要写“特殊情况人工处理”,而要写清例外的识别条件、判断依据和默认动作。人工经验里最值钱的部分往往不是主流程,而是“什么情况下主流程不适用”。如果脚本需求只描述正常路径,自动化一旦遇到例外就会做错,反而放大危机。是否把某类例外写进脚本,取决于它出现的频率、误判代价、以及当前有没有稳定的判断信号。
人工处理危机时,常见的例外有三类。第一类是信号冲突:比如舆情监测显示负面提及上升,但业务数据没有变化,人工会先观望。第二类是对象特殊:涉及监管、媒体、大客户或已进入法律程序的账号,不能按普通用户话术回复。第三类是动作越界:脚本准备执行的删除、置顶、批量回复等动作,在特定情境下会激化矛盾。
对这三类,取舍条件不同。信号冲突类通常适合改写:把“发现负面就升级”改成“同一来源在短时间内重复出现,且带有具体指控关键词时才升级”。对象特殊类适合保留人工:只要命中预设标签,脚本只做归档和提醒,不自动回复。动作越界类应退出自动流程:脚本识别到争议升级迹象时,停止批量动作,转人工确认。判断标准很实际——如果误判一次的成本远高于人工处理全部例外的成本,就不要急着自动化。
人工经验常以“感觉不对劲”存在,脚本需求必须把它翻译成可观察的条件。建议每个例外都写成三段:触发条件、需要核验的证据、默认动作。例如:
这样写的好处是,开发能实现判断逻辑,运营能在复核时知道看什么。反过来,如果只写“恶意攻击时人工介入”,脚本无法判断什么叫恶意,最终要么全部拦截,要么全部放行。
假设某团队原本靠人工判断“这条负面要不要回应”。人工经验是:如果只是个别用户抱怨,先观察;如果多个渠道同时出现相似说法,就准备统一回应。写成脚本需求时可以这样描述:
当同一说法在两个以上不同渠道出现,且时间间隔在设定的观察窗口内,脚本将该说法归入“扩散中”队列,并通知负责人;如果只在一个渠道出现,脚本仅记录,不通知。这里的“两个以上渠道”和“观察窗口”都是假设参数,需要团队根据自身业务量确定,不能直接照搬。
这个动作的结果会影响下一步:进入“扩散中”队列后,人工需要判断是否统一回应;如果判断为否,应把该说法移出队列并记录原因,否则脚本会反复提醒。很多脚本需求失败,不是判断条件写错,而是缺少“人工否决后如何反馈给脚本”这一步。
当关键前提发生变化时,原来的例外描述可能失效。需要重新评估的条件包括:
这些条件变化时,不要只改参数,要重新确认例外是否仍然成立。如果某个例外在新前提下几乎不会出现,可以从脚本中退出,改为纯人工处理;如果出现频率上升但判断信号稳定,可以改写为更细的条件;如果误判代价变高,应保留人工兜底而不是扩大自动范围。
调整例外描述后,判断效果不能只看“处理量是否下降”。一次改动前后比较要考虑季节、搜索需求变化和数据采集差异。例如负面提及数量下降,可能是处理更准,也可能是这段时间本身讨论就少。更稳妥的做法是:固定观察同一类事件,比较改动前后误判次数和人工复核耗时,而不是只看总量。请求量或抓取量归零也不能单独证明处理正确,它可能只是采集链路出了问题。
最终,脚本需求里的例外描述应达到一个标准:一个不了解背景的人读完,能判断在什么条件下应该停下来找人,而不是自己猜。做到这一点,人工经验才算真正变成了可执行的规则。