# 客户越级找到 CEO？先回消息，再查日志

> 凌晨 3 点的完美修复抵不过六小时沉默，前 24 小时应分三阶段，各有明确产出。

原文: https://fdetimes.net/zh/guides/customer-executive-escalation-first-24-hours/

周四晚上九点，邮件到了。客户的 CTO 直接写信给你们的 CEO，还抄送了另外三个人。你三周前部署的发票提取 Agent 读错了总金额字段，客户已经不想再跟支持团队打交道。

从现在起，你做的每件事都在双方管理层眼皮底下。有些岗位甚至把这一点直接写进了职位描述。

Tungsten Automation 招聘一名专注客户流失预防的前线部署工程师（FDE），职位描述写得很直白：FDE 是常规支持流程处理不了的高难度、高风险技术问题的主要对接人。

那么前 24 小时该怎么过？不要一头扎进日志。修复和沟通两条线并行推进，时间分成三个阶段，每个阶段都必须交出具体的东西。

## 为什么消息必须先于修复发出

某个客户为什么选择绕过支持渠道，没人能说准。不过事故处理手册里的优先级顺序是条有用的线索：排在第一位的是尽早确认并承诺后续更新，修复还在后面。

道理不难理解。凌晨 3 点送达的完美修复，弥补不了客户干等的六个小时：这段时间里，他们不知道谁在处理问题，也不知道进展到了哪一步。

Google SRE Workbook 用三个目标描述事故响应，称为 3C，其中之一就是沟通：响应者之间的沟通、组织内部的沟通，以及对外沟通。书中还给出了角色分工的建议。

宣布事故的人通常担任事故指挥官（IC），负责协调工作、分派任务。沟通负责人（CL）是响应团队对外的面孔，和负责调试的人分开。

**要点:** 在升级事件中，按时沟通本身就是修复的一部分。

团队再小，拆分角色也有好处。有客户经理或同事的话，请对方担任 CL。没有的话，就严格切分时间：做完一段调试再写更新，回消息时不要同时调试。

## 第一阶段，0 到 60 分钟：宣布事故并确认

回到晚上九点那封邮件。第一件事是在内部频道宣布事故，由你担任 IC。第二件事是给客户发确认消息。Supportbench 的 B2B 升级处理手册建议在一小时内发出。

Atlassian 列出了第一条消息必须做到的三件事：确认发生了事故，简要概括已知影响，承诺后续更新。下面是一份可以提前备好的模板：

```text
[姓名]，您好：

[公司名称] 团队已收到您的反馈，目前正在处理这起事故。

已知影响：自 [时间] 左右起，部分发票的总金额字段提取有误。
[时间] 之前处理的发票不受影响。
临时措施：工程团队已 [暂停自动审批 / 切换为人工审核]，
确保不会再有错误数据进入贵方系统。

下次更新：[时间]，届时即使没有新进展也会同步。
直接联系人：[姓名、电话]。
```

这条消息没有指责任何人。即便最后查明原因出在第三方 OCR 服务上，Atlassian 仍然建议主动承担问题，并表明你理解客户的感受。在客户眼里，系统是你的；背后的供应商是你们内部的事。

## 第二阶段，1 到 6 小时：共享文档和稳定的更新节奏

一旦有三个或更多人参与处理，Google SRE Workbook 建议开一份共享文档，记录正在考虑的假设和已经排除的原因。以发票为例，文档里可能有这样两行：

```text
- 模型版本有变化？已排除：周一以来没有部署。
- 新供应商的发票格式？排查中。
```

新加入的人不用你反复讲一遍来龙去脉，CL 写更新时也有现成的素材。

更新频率没有统一标准。Atlassian 建议每 30 分钟一次，或按实际情况定节奏。Supportbench 把频率和严重程度挂钩：Sev-1 每小时一次，Sev-2 每天一次。

具体数字没那么重要，关键是说到做到。承诺十点更新，十点就必须有更新，哪怕内容只是“A 已排除，仍在验证假设 B”。

## 第三阶段，6 到 24 小时：用客户的语言讲清原因

找到原因后，Supportbench 要求根因摘要用客户的语言写，不贴堆栈信息。同一件事，可以有两种讲法：

右边的版本回答了客户管理层最关心的三个问题：发生了什么，他们的数据现在是什么状态，以后还会不会再发生。

## 发起人简报要在有人要之前就写好

除了给客户的摘要，你还需要为己方的高管发起人准备一页简报。在 Tungsten Automation，向这些发起人提供深入的技术分析、架构方向和遥测数据，直接写在 FDE 的职责里。

简报什么时候用得上，由不得你。在 Gainsight，只要客户成功经理（CSM）、团队负责人或 VP 提出要求，发起人就会介入。所以从第二阶段就开始写，每次给客户更新后都同步修改。

这份简报也会成为该客户档案的一部分：Supportbench 建议，一个季度内升级两次的客户，都应指定一名具体的发起人。以发票为例，简报可以是这样：

```text
收件人：[我方发起人]
客户：[名称] · 严重程度：Sev-1 · 状态：已缓解，持续监控中
事件经过：[时间] 至 [时间]，新供应商发票的总金额
  被误读为税额行。
遥测数据：受影响发票 [数量] / 该时段发票总数 [数量]；
  人工审核比例从 [x] 升至 [y]。
架构：在自动审批前增加陌生格式检查，预计 [日期] 上线。
历史：本季度该客户第 [n] 次升级。
需要您做的：[例如：下午 5 点前致电客户 CTO]。
```

最后一行最重要。发起人读完简报，应该马上知道自己要做什么，不必再打电话来问你。

## 把小事故变成危机的几种错误

最容易犯的错误，是修好之前一声不吭。这种冲动可以理解，谁都想带着好消息出现。可每多沉默一小时，客户就多猜一小时，而他们猜出来的版本，很少比真相好听。

其次是在查明原因前就承诺修复时间。只承诺更新时间，永远不要承诺解决时间。也不要在给客户的消息里把责任推给背后的供应商。更不要把日志贴进发给高管的邮件：对方看不懂，只会认为你还没把问题搞清楚。

## 把这项能力变成求职优势

读 FDE 职位描述时，留意“escalation point”“executive sponsor”或“churn prevention”这类说法。它们意味着这个岗位会看你在这样的夜晚表现如何。面试时，按上面三个阶段复盘一次事故，而不是只讲你修了哪个 bug。

简历上写一句“主导企业客户 Sev-1 问题的事故响应：一小时内确认、每小时更新、为双方管理层撰写根因报告”，招聘方看到的能力，是“修复生产环境 bug”体现不出来的。

24 小时的最后一个阶段，是客户 CTO 一字不改地把你的摘要转发给自己团队的那一刻。

**本周动手试试:**

- 为你负责的一个客户起草一份确认消息模板，把时间、影响和下次更新留空，存在手机上随时能打开的地方。
- 找一起过去的事故，用客户运营经理能看懂的三句话重写根因，再请一位不懂技术的人读一遍。
- 和同事做一次 30 分钟演练：一人扮演发来愤怒邮件的客户 CTO，你必须在时间用完前发出确认消息并建好共享文档。

## 信源

- [Customer Escalation Management: The B2B Playbook](https://www.supportbench.com/?p=27672)

- [Incident communication tips (Statuspage, Atlassian Support)](https://support.atlassian.com/statuspage/docs/incident-communication-tips)

- [Chapter 9 - Incident Response (Google SRE Workbook)](https://sre.google/workbook/incident-response/)

- [Forward Deployed Engineer – Churn Prevention (Tungsten Automation)](https://careers.ta.com/companies/tungsten-automation/jobs/85436356-forward-deployed-engineer)

- [Our Escalation Process & Executive Sponsor Program at Gainsight](https://www.gainsight.com/blog/our-escalation-process-executive-sponsor-program-at-gainsight/)
