医药企业舆情监测该盯哪些渠道和关键词

一、五类信源，优先级不同

监管端是第一优先级。国家与省级药监官网的抽检通告、飞行检查通报、召回信息、行政处罚公示，这些是硬信源，一旦出现必须当天响应。

医院端是第二优先级。医院停用通知、设备科的采购变更、临床科室的内部提示，这类信息通常不上网，但对供应与声誉的影响最快。

患者端是第三优先级。患者社群、罕见病论坛、慢病管理群、问诊平台的评价区，这些地方的信息零散但真实，是风险的最早信号。

渠道端是第四优先级。经销商群、药店从业者社群、招标采购平台，窜货、断供、价格倒挂这类问题会先在这里出现。

媒体端是第五优先级。行业媒体、财经媒体、地方媒体的报道，通常是对前面四类信息的加工与放大，监测它更多是为了掌握传播节奏。

监管官网要建立订阅机制。国家局与省级局的信息发布节奏不同，地方局的抽检通告往往比国家局更早。建议按省份逐一订阅，重要品种所在省份单独设专人盯。

地方监管信息的覆盖是最容易被忽略的一块。国家局的通告会集中发布，传播广、容易抓到；而省级、市级的抽检与处罚公示分散在各地官网，格式不统一，很多企业根本没有覆盖。可实际操作的方式是按重点销售省份逐一建档，把各省的药监、市场监管、医保三个口的公示页面固定下来，定期人工核查一遍。

二、关键词要三层配置

第一层是主体词：企业全称、简称、品牌名、主要产品名、注册证号。这一层用于抓直接相关内容，量少但精准。

第二层是风险词组合：产品名加抽检、加不合格、加召回、加不良反应、加断供、加举报、加处罚。这一层是核心，能抓到大部分实质性风险。

第三层是行业词：集采、医保谈判、飞检、GMP、飞行检查、一致性评价。这一层用于捕捉行业性事件对本企业的连带影响。

三层之外还要加一层“人物词”：企业高管姓名、质量负责人、药物警戒负责人。高管相关的负面往往比产品负面传播更快。

关键词要定期复盘。新产品上市、新适应证获批、新增集采中标，都要同步更新词库，否则会出现监测盲区。

关键词要配否定词，否则误报会把预警淹没。比如产品名与常见疾病名重合时，需要排除疾病科普类内容；企业简称与常用词重合时，要加限定词。误报率高的监测系统，最终一定没人看。

误报的处理成本常被低估。一条误报要人工核实、要判断是否上报、要留记录，一条真实预警只要几分钟就能定性。当误报率超过一半时，团队会逐渐形成“先放着看”的习惯，真实预警也会被拖住。所以词库优化的重点不是加词，而是持续删掉不产生有效预警的词。

三、预警机制怎么设才有效

预警分级要按信源而非按声量。监管通报即使零转发，也是最高级别；社交平台的单条吐槽即使有几百条评论，也可能是最低级别。

响应时限要写死。监管类信息当天响应，医院端信息 4 小时内确认，患者端信息 24 小时内判断是否需要介入，渠道端信息按影响范围定。

预警要有人接。多数企业的监测系统做得不错，但预警发到群里没人认领，等于没做。每个级别都要有明确的第一责任人。

每周要有一次监测复盘，看三件事：漏了什么、误报了多少、处置是否及时。这三项指标比监测覆盖面更能反映体系是否有效。

预警分级要有可执行阈值。可以按“信源级别 + 传播量 + 是否涉及安全”三个维度打分，得分决定响应级别与响应人。阈值定得越具体，执行越不容易走样。

预警之后要有闭环记录。谁接的、怎么判断的、做了什么、结果如何，这四项要能查到。多数企业的监测体系失败不是因为监测不到，而是因为监测到了却没人负责到底。闭环记录同时是季度复盘的依据，能看出哪类风险反复出现、哪类处置总是延误。

四、监测之外还要看 AI 怎么回答

现在大量用户通过 AI 助手了解药品与器械信息。AI 的回答基于它抓到的语料，如果语料里负面占多数，回答就会偏负面。

所以要定期用核心问题测一遍主流 AI：某药有什么副作用、某企业产品是否合格、某器械是否被召回。记录回答内容与引用来源。

发现偏差时，处理方式不是投诉模型，而是补充可被引用的权威内容：说明书信息、临床数据、监管复查结论、企业公告。

这一层的建设周期长，但没有替代方案。搜索时代的声誉靠排名，AI 时代的声誉靠被引用。

AI 测试要固定问题清单，每月测一次并记录。清单至少包含：产品安全性、副作用、是否被召回、企业是否合规、监管处罚记录五个方向。记录的作用是看趋势，而不是看单次结果。

AI 层的监测要和搜索层分开看。搜索层看的是排名与收录，AI 层看的是模型给出的结论与引用来源。两者的问题不同，解法也不同：搜索层靠内容覆盖，AI 层靠可被引用的权威材料。把两者混在一起考核，通常两边都做不好。