值班席的预警提示音响起，屏幕上是一条转发量并不高的帖子：内容涉及某政府部门的窗口服务，措辞激烈，评论只有十余条。这样的信息算不算“苗头”，舆情岗位的新人几乎都问过，一些工作多年的值班人员给出的回答也并不一致。围绕“苗头”的分歧，多半源于一种习惯性理解：把它当作某一条措辞敏感的信息本身。从预警工作的实际逻辑来看，苗头很少以单条信息的面目出现，它更多表现为一组关系性变化的组合，单独审视其中任何一项，都显得平常。
早期信号的第一类特征，出现在传播速度的变化上。一个本地话题在单位时间内获得的转发与评论，通常维持在相对稳定的区间，这种常态基线可以经由历史数据的梳理得到；当某一话题的增速开始偏离基线，即便绝对数量仍然很小，偏离本身就值得记录。速度变化之所以先于规模变化进入预警视野，是由于热点的形成普遍经历过加速度阶段，等到绝对数量显眼，话题往往已经进入扩散期，预警所能提供的提前量所剩无几。第二类特征，体现在参与者结构的变化上。话题初期，参与者多是与事件直接相关的当事方和本地熟人圈层，信息以亲历叙述为主；当外地的公共账号、行业类账号开始介入讨论，话题的发起者从当事人让位于围观者，讨论的性质便悄悄发生迁移。这种迁移不必依靠内容判断就能观察到，它写在账号构成与转发关系的数字里。以一次窗口服务话题为例，最初半日内参与者几乎全是本地普通用户，次日凌晨起，数个外埠资讯类账号集中转发，参与者结构在几个小时内完成切换，而此刻话题的总声量仍不足百条。
第三类特征关乎话题的走向，即讨论议题是否发生迁移。一起具体的消费纠纷，在传播中可能逐渐脱离事件本身，向某类服务的整体评价靠拢；议题一旦完成这种跳跃，所触及的群体便从当事双方扩展到所有相关服务的使用者，话题的燃点随之降低。第四类特征是情绪浓度的变化，同一话题下负面表述的占比与措辞强度，若在连续数个统计周期内抬升，即便声量保持平稳，也说明讨论正在失去就事论事的余地。这四类特征单独看都不起眼：增速偏离可能出于偶然波动，外埠账号介入可能出于巧合，议题迁移未必持续，情绪抬升也可能自行回落。把任何单一特征设为预警触发条件，结果都难以令人满意：阈值偏低，提示音此起彼伏，大量预警在复核中被排除；阈值调高，尚处萌芽的信号又被一并滤掉。预警分析的难点正在于此，苗头的确认依赖多项特征在同一时间窗口内的相互印证，依赖与历史基线的对照，也依赖值班人员对本地情况的熟悉；这也正是预警分析普遍要求多维印证、而不凭单一指标下结论的原因。
苗头信号的捕捉与推送，需要系统在数据层面持续运转。蚁坊软件的鹰击早发现系统承担苗头性信息的早期发现与预警，面向微博客平台、短视频平台等渠道的公开信息开展持续跟踪，力求在话题尚处于萌芽阶段时提供预警线索，预警信息经桌面提醒、即时通讯工具、邮件与短信等通道推送，值班人员在不同工作条件下都能及时接收。就预警信号的性质而言，它属于“提请分析”：系统负责把呈现组合特征的话题送到值班席，话题是否构成需要上报的苗头，仍要由人工结合背景材料作出研判。从工作衔接来看，经确认需要持续跟踪的话题，可转入鹰眼速读网做进一步的速读与核实，其分析重点集中在传播路径、媒体类型分布与情感态度；需要向上报送时，再由鹰眼早报告按速报、专报等形式成稿，报告生成效率提升10倍以上，最快10分钟即可出稿，早期信号的研判结论因而能够在热度攀升之前送达阅办环节。发现、核实、报告三个环节的衔接效率，决定了“苗头”二字最终能兑换出多少提前量。
回到值班席那条转发量不高的帖子。单看内容，它只是一件措辞激烈的个体投诉；把它放回数据之中，增速偏离基线、参与者结构正在切换、情绪浓度连续抬升，三组变化在同一时间窗口内重叠，预警提示音因此响起。苗头的“苗”字，说的正是规模尚小而关系已变的阶段；理解了早期信号的构成特征，预警信息便从打扰变成了提前量。
（部分文字、图片来自网络，如涉及侵权，请及时与我们联系，我们会在第一时间删除或处理侵权内容。电话：4006770986 负责人：张明）
