AI public opinion intelligence / SaaS
从“看见舆情”
走向“管理影响”
这不是一个自动写报告的工具，而是一套把分散信息转化为可信事实、关联知识、风险判断和组织行动的企业级决策系统。
North star
让每一次舆情
都变成组织资产
都变成组织资产
信息被发现，事件被理解，责任被承接，结果被复用。
01 / Strategic thesis
先定义战略对象，
再定义功能清单
舆情系统真正管理的不是“内容数量”，而是企业面对外部不确定性时的认知速度、协同速度和修复能力。
产品的基本单位不应是“文章”，
而应是“事件及其影响链”。
而应是“事件及其影响链”。
单条帖子只是观察窗口；事件才是组织需要共同理解和处理的对象。四类业务角色看的是同一个事件，只是关心的影响不同：公关看声誉，客服看诉求，市场看认知，管理层看经营影响。数据管理员则负责让这个共同事实可信。
图 01｜战略闭环核心对象从内容升级为事件，核心结果从报告升级为组织行动。
01 / OBJECT
从内容到事件
把信息聚合成可确认、可分派、可关闭的事件对象。
02 / TRUST
从情绪到证据
所有结论都能返回原文、来源、规则和模型版本。
03 / ACTION
从看板到协同
预警必须连到责任人、截止时间和处置结果。
04 / ASSET
从一次性到复用
人工修正和复盘结论沉淀为知识、规则与组织能力。
02 / Product architecture
一套事实底座，
多个决策入口
底层统一数据、事件、证据和图谱；上层按角色呈现不同指标、视角和动作。角色可以扩展，事实不能分叉。
图 02｜产品总体架构不是四套产品，而是一个中台事实源上的多角色工作台。
架构判断：“数据治理”和“知识图谱”都不是后台附属模块。前者决定系统是否可信，后者决定系统能否从单条信息上升到关系和影响判断。
03 / Data governance
数据治理不是清洗，
而是事实生产制度
SaaS场景下，平台提供治理能力和默认模板；每个租户拥有自己的业务口径、主数据、质量规则和治理责任。
图 03｜数据治理生命周期治理结果必须带状态、责任人、时间、规则版本和修正原因。
数据治理功能域
数据标准对象、字段、分类、指标、状态、版本规则
主数据品牌、产品、门店、竞品、媒体、账号、地区、部门统一
质量管理完整、准确、一致、及时、唯一、有效监控
安全合规分级、脱敏、权限、导出、留存、销毁、审计控制
血缘管理从来源到报告，从结论返回证据追溯
责任边界
独立数据管理员：维护租户数据字典、主数据、质量规则、异常处理、血缘、图谱审核和模型评估。
业务角色：确认事件、纠正业务归属、补充处置结果、解释业务影响。
平台方：提供治理工具、默认模板、模型能力和运行监控；不得默认查看租户原始内容。
04 / Knowledge graph
图谱不是一张关系图，
而是系统的记忆结构
知识图谱进入首期MVP，但以业务主链为边界：事件、主体、信息、证据、传播和业务影响。先形成可信局部图，再逐步扩展。
图 04｜知识图谱主链图谱的价值是让“事件为什么重要”变得可解释、可查询、可复盘。
首期必须做到
- 实体抽取与租户主数据对齐
- 信息聚合到事件，支持拆分、合并、修正
- 事件、主体、证据、传播和业务影响可查询
- 关系带置信度、来源和人工确认状态
- 处置结果和复盘结论回流图谱
首期明确不做
- 跨租户原始数据和图谱共享
- 没有证据支撑的自动事实推理
- 一次性建设行业全量知识图谱
- 复杂预测模型替代人工风险确认
- 脱离处置闭环的装饰性图谱大屏
05 / SaaS foundation
把一次性交付，
变成可复制的能力产品
SaaS化不是把页面放到云上，而是将租户隔离、配置复用、套餐计量、平台运营和持续交付写进产品底座。
图 05｜SaaS多租户架构平台管理员可看运行指标，不默认拥有租户原始舆情内容的读取权。
租户与组织创建、启用、暂停、注销、恢复；组织、部门、成员、岗位、角色、审批关系隔离
套餐与计量数据源、成员、任务、保留期限、采集量、AI调用量、图谱规模、报告额度商业化
租户配置品牌、产品、竞品、分类、风险、预警、报告模板、审批流程、扩展角色复用
平台运营资源使用、运行质量、采集失败、模型调用、配额提醒、版本发布运营
06 / Role workspaces
四类用户只是起点，
角色体系必须可扩展
首批覆盖公关/品牌、客服、市场、管理层和数据管理员；租户可以继续添加产品、法务、区域、门店等角色。
公关 / 品牌负责人
目标：判断声誉风险，组织回应协同，降低事件扩散和品牌损伤。
- 首页优先显示高风险事件、负面增速、关键传播节点
- 从事件详情进入证据链、传播路径和历史相似事件
- 发起回应协作，指定责任人、截止时间和审批流程
- 通过图谱查看事件涉及的主体、产品和业务影响
风险预警事件等级与变化
传播速度增长与扩散节点
回应协同审批与任务状态
声誉修复处置前后对比
共用事实：所有角色都指向同一个事件ID、同一组证据和同一条处置时间线；变化的是视图与动作。
图 06｜角色工作台关系数据管理员是横向治理角色，不是某个业务工作台的附属权限。
07 / MVP roadmap
首期不追求全，
但必须形成闭环
MVP的判断标准不是功能数量，而是能否在一个租户内完成从数据治理到图谱、从预警到处置、从处置到复盘。
一期：SaaS治理底座与事件闭环
先把租户隔离、治理责任、事件对象和基础图谱做实，再扩大平台覆盖与模型复杂度。
- 租户、组织、成员、角色和权限
- 套餐、配额、用量计量和平台运营
- 数据源、数据字典、主数据、质量规则
- 原始 / 标准 / 事件分层存储与证据保全
- 事件聚类、主体对齐、基础知识图谱
- 四类核心角色工作台 + 独立数据管理员工作台
- 预警、任务、人工确认、审计和复盘回流
图 07｜产品路线图图谱在一期进入主链，高级推理和预测在数据质量稳定后再做。
08 / Guardrails & metrics
系统的边界，
决定系统的可信度
越是AI化、平台化，越要把不可越过的边界和可度量的结果写清楚。
证据边界
没有来源、时间、版本和可回看的原文，就不能被标记为确定事实。
自动化边界
AI可以识别、归纳和建议；重大风险、对外回应和事件关闭必须保留人工责任。
租户边界
租户之间不混用原始数据、向量和图谱；平台方不默认读取租户原始内容。
首期验证指标
数据质量采集成功率、延迟、缺失率、重复率、异常率底座
AI质量事件识别、聚类、实体对齐、关系确认、误报/漏报模型
业务效率发现时长、响应时长、处置时长、闭环率协同
组织价值重复投诉下降、建议采纳率、复盘复用率结果
最终产品结构
- 统一驾驶舱
- 舆情信息库
- 事件中心
- 预警中心
- 任务与工单
- 知识图谱
- 数据治理中心
- 角色工作台
- 报告与复盘
- 租户、套餐、权限与平台运营
最后的产品判断：先让系统成为企业可靠的“舆情事实层”，再成为“AI研判层”，最后才是“预测和自动化层”。没有数据治理和知识图谱，AI只能把噪声写得更像结论；有了治理、图谱和闭环，AI才真正开始产生组织价值。