微博刘静文：“感知-决策-行动”闭环：大模型驱动下的客服舆情实战手册

2025年11月21日，第十届中国数字服务产业发展年会的重要环节——中国数字服务数智化峰会顺利召开。本次峰会以“探寻服务行业AI实践应用”为核心方向，汇聚各领域行业精英，共同挖掘AI技术为服务行业带来的变革机遇与落地路径。

峰会现场，微博客服总监——刘静文分享了舆情服务智能化转型的痛点与解决路径，用具体的变革成效证实了大模型在驱动服务质效升级、客服角色转变、服务模式迭代中的重要作用。以下为分享内容：

图微博客服总监刘静文

微博客服在2024年之前主要采用传统服务模式，通过语音、在线及工单等形式被动处理用户咨询。

自2024年起，我们开始向主动服务模式转型。由于微博平台特性，用户常通过公开发博、@官方账号或在评论区留言方式进行咨询，这使得客服需从前台公开场景中主动发现并解决问题。

图嘉宾分享PPT

这一转型面临三大核心挑战：

1．信息规模与传播速度：微博平台日发博量巨大，信息可在几分钟内从个体事件发酵为全网热点，要求监测系统具备极高的实时性与覆盖能力。

2．情绪表达大于问题描述：用户前台发言常带有强烈情绪，真实诉求常隐藏于情绪化表达之中，需透过表象识别核心问题。

3．前台服务风险：公开交互中易涉及用户个人信息、退款等敏感内容，若处理不当，可能放大舆情风险。

为应对上述挑战，我们构建了“感知-决策-行动”的AI驱动闭环体系，实现从被动响应到主动预警与挖掘的根本转变。

1

传统舆情服务的困境与破局

传统舆情工作存在“看不全、判不准、动作慢”三大痛点：

看不全——尽管依托关键词库进行过滤，但因信息量庞大与关键词更新滞后，仍存在大量遗漏。

判不准——人工判断主观性强，例如，对“微博又给我涨了一些粉丝”此类内容，不同座席可能作出正向或负向的相反判断。

动作慢——从发现、上报、确认口径到回复用户，流程链条长，难以满足舆情处置对“快”的核心要求。

图嘉宾分享PPT

我们引入大模型技术，推动了三方面变革：

1．从关键词匹配到语义泛化与情境理解：之前是设置几千几万个关键词放到库里，然后去匹配正在发博的一些内容，但是这可能就会出现一些匹配上的失误，而且量级也会受到限制，利用AI的语义泛化与情境理解能力，可以高效提升信息识别准确率。

2．从统计报表到意图洞察：统计原本都需要人工在发现问题后，记录在表格中，但会出现不知道问题要报给谁，下一步怎么处理的情况。现在通过将人工线下统计转变为AI自动摘要与意图分析，缩短了决策路径。

3．从被动补救到主动规避：之前对于微博的舆情工作，更多的是发现问题上热搜了，传播量已经很大了再去补救，但对平台来说影响是非常大的。借助AI预警与干预，帮助我们的服务角色从“救火队员”转变为风险“规避者”。

在做了智能化建设后，微博舆情服务的效率和效果都有明显的提升。

我们的日均检测量达到了数十万级，发现问题的量也较之前增加了11倍，信息处理人效提升了9.7倍，重点用户覆盖率达100%。

负面舆情首次响应时间从“小时级”进入“分钟级”，重点事件分析报告产出时间从“天级”缩短至“小时级”。

此外，通过智能监测，还为15个业务部门输出了产品改进建议，其中有21条被采纳。

2

构建舆情服务的智能闭环

我们从策略分流、任务生成、任务处理和前台感知这几个角度出发，完成了一个智能闭环的操作。

1.策略分流。我们会根据用户发博的场景、传播的影响、用户价值、用户情绪等综合策略，划定一个分流的规则。

分流之后会识别用户的意图，例如有情绪上的需要，还是有问题需要解决等，从而生成对应的任务。在生成任务之前，这个策略分流的主要的工作是人工进行，人工定完策略之后机器来执行。

2.任务生成。首先就是要做任务定级，但是微博舆情服务的分级是一个动态的分级。可能一个舆情的任务刚被监测到时，传播、影响关注用户的范围、讨论量都不高，但是随着时间推移，舆情趋势可能会发生变化，定级就会逐渐增高，动态的定级帮我们规避了很多高风险的问题。其次是任务预警，通过一个内部协同的模型，可以打通内部的工作。

例如，一个热点当事人说他评论不见了，如果按照员工的操作流程，发现了之后是需要人工对接、确认问题，再同步进度的。但打通了内部协同系统之后，可以将特定舆情同步推送至业务部门，实现快速核查与联动。第三步是回复任务，通过答案匹配模型，可以确保回复内容专业、严谨、准确。

3.任务处理。我们采用四级处理机制，首先AI处理重复性高、风险低的常规问题，占比约97%；对于一些较为复杂的业务问题，或需要提供决策参考的问题则采用人机协同的方式处理；针对“三高”问题（高价值用户、高敏感问题、高风险舆情），为确保关键舆情的精准把控，由人工处理。

4.体验保障。在任务处理结束后，无论是人工还是机器处理问题都需要用户给到反馈，让我们知道是否还有优化的空间。

这就会涉及多轮交互，跟踪用户后续反馈，确保问题彻底解决。并在服务结束后自动生成评价报告与数据分析，用于持续优化分流策略与模型。

在整个闭环体检的构建中，有三层核心能力至关重要：

首先是感知层，系统要智能识别内容中的情感和意图，要能识别反讽（如“我真的太谢谢你了，过了一天才回复我”）、情绪化表达背后的真实诉求。同时有热点与趋势自动聚合的能力，可以从零散讨论中自动识别潜在热点，如大量用户集中反馈同一界面问题。

其次是决策层能力，要明确人工负责制定分类规则与校准准确率，AI负责执行判断、分流与定级。同时建立动态处理路径，例如，即使知识库有标准答案，但对热点当事人的投诉会自动升级为高风险任务，触发人工审核与协同处理。

第三是行动层能力，包括智能化技术推荐、自动创建工单、语义中自动识别线索与产品创新点等。