一份可执行的故障应对清单：从监控到补单

发生了什么#

两次大规模故障之后，可以把应对动作固化成一份清单。核心原则有三条：先判断「是平台还是自己」，再决定「停什么、不停什么」，最后处理「事后补单与对外沟通」。清单不需要复杂，但要提前写好，故障时人才不会慌。

关键细节#

• 监控层：首页、商品页、结账页三个探针，5 分钟一次
• 判断层：对比状态页与自家探针，区分平台故障与自身问题
• 止损层：暂停广告、暂停限时活动、避免改价与改库存
• 服务层：客服话术模板、延长响应时间说明
• 恢复层：补单、补发通知、核对库存与优惠是否错乱
• 清单需包含「谁有权暂停广告」这一条
• 恢复后要核对优惠券是否被异常消耗

对商家与开发者的影响#

有清单和没清单的差别在故障当下的决策速度。没有清单时，团队会本能地做「改配置」这类高风险动作，往往把小问题变成大问题。

清单还要指定决策人。多人同时操作后台，在故障期间极易造成配置冲突。

清单最大的价值是减少慌乱中的错误决策：故障时最常见的错误动作是紧急改价、关站、清空购物车，这些往往造成比故障更大的损失。

建议动作#

1. 把清单写成一页纸，贴在运营群里
2. 指定唯一的故障决策人及其备份
3. 每次故障后复盘 15 分钟，更新清单