负面提及与错误陈述应对：发现、定性、纠正、复盘

负面提及的应对从判定开始，不是从情绪开始。AI 答案里对你不利的表述分三类：事实错误（说错了可核验的事实）、真实差评（说中了你确实存在的问题）、观点偏差（不算错但片面或过时的定性）——三类的处置动作完全不同，混着处理是最大的浪费：拿公关话术回应事实错误会被核验反噬，拿删帖思维对待真实差评等于扔掉免费的产品诊断。分工先说清：红线场景——被注入、被投毒、服务商灰产话术——的防线在风险与红线实操，其中被污染内容的申诉与澄清 SOP 与本页纠正层直接衔接；本页讲日常负面与错误陈述的完整工作流：发现、定性、纠正、复盘。

为什么先定性再动手？

因为三类的责任主体与修复路径完全不同。事实错误的责任多在「口径源」——某个承载页写着旧参数、某篇第三方报道写错了归属，AI 只是转述者；修复动作是更正口径源、再发布正确口径。真实差评的责任在产品与服务本身，AI 转述的是第三方的真实声音；修复动作在业务侧——先改进，再让改进可见。观点偏差多源于语料结构——某类问题上你的内容供给或第三方转述不足，答案只能偏向片面的来源；修复动作是供给修复。动手之前先定性，还因为定性结论决定投入：错误陈述通常一次更正解决，差评改进以月计，供给修复以季度计——定性错了，投入就会错。

类别判错的代价不对称。把差评当错误去「澄清」，会被第三方的新声音反复打脸，越澄清越被动；把错误当差评去「改进」，永远改不到点上，因为口径源还挂着旧信息，业务怎么改都传不进答案。所以定性是这套工作流里最值得花时间的一步，宁可慢一天定性，不要快一小时动手。

定性时还有一类灰色地带要点名：半真陈述——参数过时但曾经正确、表述压缩后失真、把特定条件下的结论说成普遍结论。这类陈述最容易误判：它不是凭空捏造，却也不是当下的事实，处置上归事实错误一类（责任在口径源的版本管理），但更正时的措辞要格外平实——承认版本演进、给出当下的准确值，不指摘引擎「说错」，因为追根溯源往往是你自己的旧素材还在语料里流通。另一类灰色地带是立场性负面：答案在几家之间做了对你不利的排序，但每句陈述都对——这不是错误也不是差评，是竞争现实的投影，归入差距分析的范围去修竞争力，不进入纠错流程。

发现层配什么监测？

发现要配三层监测对象。情感层：提及的正中负分类，机制与打标偏差（自动打标的局限、人工抽检校准的必要）见提及情感（Mention Sentiment）卡。描述层：AI 怎么定位你的品牌——定性表述、场景归属、对比关系，这一层抓的是「不算负面但在偏移」的缓慢变化，展开见AI 品牌描述（AI Brand Description）卡。事实层：参数、归属、资质这类可核验陈述的准确性，对应事实纠错监测（Fact-Check Monitoring）的场景。三层合起来才不漏：只看情感分，语气中性的事实错误会漏掉；只盯事实，定位漂移这类慢变量又没人管。

发现渠道是两加一：固定题集的例行监测抓稳定出现的错误与偏见；突发负面靠舆情与人工抽查兜底；再加一条回流通道——销售与客服听到客户转述「AI 说」时回填给监测侧，一线听到的错误往往比监测抓到的更早。噪声治理一条纪律：单次读数不作为处置依据——同一问题的多次回答差异足以制造假负面，先复测确认稳定出现，再进定性流程；复测纪律与自家指标的判读口径一致，避免把采样噪声当舆情处理。

发现之后、定性之前，加一道分级响应，避免把有限的处理精力平均用力。轻微：单引擎单题、陈述模糊、无实质误导——记录在案，纳入例行观察，不动手。明显：多题稳定出现、或陈述具体（错误参数、错误归属）——进入定性流程，按类处置。严重：错误陈述已进入客户决策链路（销售听到客户拿错误信息来问）、或涉及安全合规类事实——立即进入定性，同步通知受影响的业务口。分级响应解决的是响应节奏问题：监测团队天天看见负面，不是每条都值得惊动业务负责人；分级标准提前写死，临场就不必争论该不该上报。

三类怎么各治各的？

事实错误走更正链路：先排除自身口径打架的可能——全网口径不一致时，引擎的交叉验证不会采信你的新口径；再定位错误源，错误说法最早出现在哪个承载页或哪篇第三方内容；然后分头走更正：自家页面直接改，百科与平台走更正流程，涉及谣言且损害商誉的同步法务；最后在权威渠道发布澄清，让正确口径的密度压过错误来源。申诉与澄清 SOP 的完整步骤在风险与红线实操页的动作三，本页不重复。心态上要把它当例行运维而不是危机：媒体实测显示六款 AI 引用新闻的平均准确率仅约 25%，「看似自信实则错误」是普遍特征（见AI 引用新闻准确率）——品牌被说错是常态事件，流程化处置好过每次都当危机应对。

真实差评走业务链路：根因在产品与服务，动作在业务侧——修复问题本身，然后让修复可见：新版本、新服务、新口碑由第三方自然扩散，AI 的转述会随第三方语料更新。边界两条：不在第三方平台做违规的删评与刷正，那是把差评问题升级成红线问题；不追求 AI 口径的即时翻转——语料更新有周期，反复调整表述只会制造新的冲突源。观点偏差走供给链路：在对应问题域补更完整的内容与第三方转述，让全面的来源有资格被引用；不对单条答案死磕——答案是你供给结构的影子，改影子不改形，下次回答还是老样子。

复盘要回答哪四问？

处置完不算完，复盘四问把一次错误修成资产。一问源头：错误源在哪个承载页，同类承载页有没有同款问题。二问自检：我们的口径母本有没有窟窿——参数没公开、定义没统一，才会让错误版本填空。三问时效：从错误出现到发现用了多久，监测盲区在哪一层、哪类题。四问收编：出错的这类题要不要纳入固定题集观察，确认修复生效、防止复发。

四问的动作产出有两项：口径母本与实体审计的回填，错误暴露出的口径窟窿当场补进母本，实体层面的混淆回实体审计流程修；以及预案沉淀——把同类场景写进危机预案，模板见站内的危机应对模板。复盘的验收标准一条：同题复测通过、同类题有监测覆盖——两条都满足，这次错误才算真正关闭；只做到第一条，同类错误换个引擎还会再来。

限制自曝

• NM-01：本页为站方方法组织，工作流与分型处置为站方演绎，无独立实验数据支撑；
• NM-02：三类分型覆盖日常场景，极端场景（大规模谣言攻击、跨平台联动失实）超出本页范围，按危机预案处置；
• NM-03：更正与澄清的效果受平台响应速度与引擎重抓周期制约，步骤不保证结果，期间频繁调整表述反而延长周期；
• NM-04：涉商誉损害的处置属于法律判断，本页只给流程位置，具体行动以法务意见为准。