采购舆情系统时，有一个问题几乎每次都会被问到，但很少有人追问到底：你们的情感识别准确率是多少？

供应商给出的答案通常是 95% 以上，有的说 98%。采购方听到这个数字，一般会点头，然后进入下一个问题。这个反应可以理解，但漏掉了一件更重要的事：准确率的作用不是让你不用看内容，是让你少看内容。

这两件事的差别，决定了系统在你们团队里能不能真正用起来。

判断准，比抓得多更重要

舆情系统的基础能力是采集，能抓到多少条内容，是量的维度。情感识别是质的维度，它决定了抓回来的内容里，多少是真正需要处理的。

一个采集能力强、判断不准的系统，会产出一个后果：大量的误报把真正的问题淹掉。比如系统把”这个品牌的包装设计我很喜欢，比某某牌子好太多”判成负面，把”客服终于回我了，问题解决了”也判成负面。每天推来五十条预警，其中四十条是误报，团队会在两周内学会忽略所有预警。

判断准的系统，推来的条数少，但每条都值得打开。团队的处理习惯才会形成正向循环。

所以评估顺序应该是：先看判断准不准，再看抓得全不全。反过来评估，很容易买到一个”数据很全但没人看”的系统。

准确率是全场景的平均值，不是你的场景

第二个需要注意的点：供应商给出的准确率，通常是全场景测试的平均值。你的行业可能恰好落在不擅长的区间里。

举个例子。同一条内容”这家店排队两小时，值得吗”，在餐饮行业可能被判为中性讨论，在服务行业可能被判为负面抱怨。判断是否准确，取决于模型对行业语境的理解程度。

因此，评估准确率的正确方法不是问数字，是做测试：拿 100 条你们行业真实的、你自己已经判过正负的内容，让系统跑一遍，看结果和你的判断对得上多少。这个测试两三小时就能做完，比听十场演示有用。

三分类够不够用

乐思的情感识别输出三类结果：正面、负面、中性。有些采购方会问，能不能再细分，比如把负面分成严重、一般、轻微。

这里需要说明边界：系统的判断逻辑由 AI 完成，不通过人工设定规则来划分等级。也就是说，你不能给系统写一条规则说”涉及产品质量的算负面、纯粹吐槽的算中性”，让它照此执行。判断是模型基于语义做出的，准确率高，但不接受规则式的定义。

三分类的好处是标准清晰、结果稳定。坏处是颗粒度相对粗，需要人在使用时加一层自己的分类。这一层分类由人来做，通过关键词组、账号权重、内容来源这些可见的维度进行，不必也不应该在情感判断层解决。

中性内容的价值被低估了

正面和负面都容易理解，中性是最容易被忽略的一类。

中性内容通常是讨论、提问、比较、建议。它们单独看没有威胁，但往往是负面情绪的前置状态。用户先问”这个产品怎么样”，得到不好的回答，才会写”千万别买”。如果有人盯着中性内容里的提问，就有机会在负面出现之前介入。

这也是三分类体系的一个实用价值：它把”还没定性”的那部分单独留了出来。一个有经验的团队，会把中性内容当成早期的温度计，而不是当作噪音过滤掉。

一个实际的使用节奏

配置好系统之后，建议按这个节奏使用情感识别：

每天看负面预警。 系统判为负面的内容达到一定条件时，推送到负责人微信，当天处理。

每周扫一遍中性。 从中性内容里挑出重复出现的问题和集中的提问，这部分是产品和客服的输入。

每月看一次情感比例的走势。 正负比例的变化比单条内容更能说明问题，尤其是连续几个月朝一个方向走的时候。

每季度校准一次。 从系统判为负面的内容里抽 50 条人工复核，发现某一类内容批量判偏，记下来作为和供应商沟通的依据。

写在最后

准确率这个指标，最终衡量的是团队的时间成本。98% 和 85% 的差别，不在于系统好不好看，在于你每天要花多少时间在误报上。这笔时间账，比任何参数表都值得算清楚。