一家运动饮料品牌准备签下一名22岁的羽毛球运动员，合同期三年。市场部从舆情系统导出的报告写着：过去90天声量在同项目运动员中排第二，正面率78%，粉丝增长平稳。签约会前一天，法务问了一句：三年里要是出事，我们现在能看到什么苗头？报告里没有答案。以上信息均为假设。
90天的声量和正面率是一张快照，签约却是一个三年的判断。尽调要看的是变化缓慢、不会在一周热度里露头的长期信号。下面整理成一份清单，每项写清查什么、怎么查、什么算红旗，以及AI做不到什么。
声誉风险开始被定价，尽调就不能只交一份“感觉”
代言人的声誉风险过去主要靠公关经验判断，这正在变。保险经纪WTW旗下的Willis在2026年2月推出针对名人代言的声誉风险量化模型，借助Polecat的实时情报数据，测算代言人遭遇不同声誉危机时对品牌销售和利润的冲击；新闻稿引用的调研称，99%的企业把声誉列为十大风险之一[1]。这项发布并不专门针对运动员，但方向清楚：风险能被建模，法务、财务和保险部门就会要求尽调给出可量化、可复查的信号。
另一个变化来自赞助数据平台。SponsorUnited在2026年2月发布的4.0版本加入了AI提案评估器，从受众与市场匹配、竞品格局、权益和价格基准等角度拆解赞助提案[2]。契合度评估正在工具化，舆情系统要补上的是交易数据看不到的部分：人们怎么谈论这名运动员，这种谈论往哪里走。
检查清单：五个长期信号
一、Stability：过去三年，他的舆情出过几次事
查什么：24到36个月内的讨论峰值，每次峰值的原因、情绪构成和回落时间。
怎么查：让AI按事件把峰值聚类，分开竞技事件（夺冠、伤病、失利）和场外事件（言论、纠纷、商业争议），再算出场外负面峰值的频率和平均回落天数。
红旗：同一类场外争议反复出现；负面峰值一次比一次回落得慢。
AI做不到的：模型能数出峰值，但一次争议“是否真的过去了”，要由人去看当事人的回应方式和之后的行为。
二、Audience：谁在关注他，这群人是不是品牌要的人
查什么：关注者的年龄、地域、兴趣结构，以及粉丝群体的组织化程度。
怎么查：对比运动员受众画像与品牌目标人群的重合度；观察粉丝群体是否集中控评、拉踩其他运动员、围攻批评者。
红旗：受众高度集中在单一的组织化粉丝群，且这群人频繁卷入对立和互撕。在国内，这一项分量不轻。国家体育总局在2026年5月的全国体育宣传文化工作会议上表示，将联合网信、公安等部门持续整治“饭圈”乱象，建立常态化、长效化的治理体系，并继续开展体育领域网络暴力专项整治[3]。签下一名粉丝群体长期处在治理焦点里的运动员，品牌就可能被动卷进去。
AI做不到的：粉丝的行为不等于运动员本人的态度。运动员是否公开引导或劝阻过这些行为，需要人去读原始内容。
三、Topic：大家谈论他，主要在谈什么
查什么：讨论里竞技表现、个人生活、商业合作、争议事件各占多少，以及这些比例逐年怎么变。
怎么查：按季度统计话题结构，重点看竞技话题占比的走势。
红旗：成绩下滑的同时场外话题占比持续上升。这样的热度可能很高，但和运动品类的关联在变弱。
AI做不到的：跨项目比较容易失准，羽毛球和足球的讨论结构天然不同，应拿同项目、同年龄段的运动员作对照。
四、Brand Fit：他和这个品类、这个品牌有没有天然联系
查什么：过去代言过哪些品牌、那些合作期间的舆情表现、与竞品是否有关联；运动员自己发布的内容里是否自然出现过相关品类。
怎么查：检索历史合作期间的讨论，看粉丝对商业内容是接受还是反感；检索运动员本人内容里与品类有关的提及。
红旗：代言品牌换得很勤，每次合作评论区都有明显的反感情绪；与直接竞品的合作尚未到期或刚刚结束。
AI做不到的：合同是否排他、有没有未公开的合作，只能向经纪团队确认。
五、Trend：接下来三年，他的热度往哪走
查什么：职业周期、伤病史、未来的大赛日程，以及热度增长是“台阶”还是“脉冲”。
怎么查：把讨论曲线和赛历对齐，看两次大赛之间的基线讨论量有没有抬高。
红旗：热度主要来自一次性事件，基线几乎没动；合同期内缺少可预期的大赛节点。
AI做不到的：趋势外推只基于过去，伤病和状态无法预知，“未来三年热度”只能当情景参考。
加一项：历史上的负面，是不是真的
长期信号里出现了一个新变量：伪造内容。2026年初，一段经过AI篡改、伪造某冰球运动员辱骂言论的视频在社交平台获得超过1200万次观看；Sportico的分析认为，基于公开权和NIL的民事诉讼将成为运动员对抗深度伪造的主要工具[4]。
对尽调有两层影响。其一，历史负面峰值要单独核查有没有伪造内容驱动的部分，不能把被伪造的“黑历史”算进稳定性评分。其二，合同里应提前约定：运动员如果成为深度伪造的对象，双方如何响应、由谁发起维权、品牌暂停投放是否算违约。
AI的结论写进尽调附件，不写进签约结论
上面五项，AI能把几周的检索压缩到几天，但交出来的应该是证据包，而不是“建议签”或“建议不签”。
美国大学体育的NIL清算平台可以作参照。由德勤开发的NIL Go原本预计90%的交易可以自动通过，但在2026年1—2月，和学校相关的交易占了交易量的63%、交易额的78%，大量交易只能转人工复核，另有18笔进入仲裁[5]。专门为判断报酬是否公允设计的系统尚且要靠人工兜底，更模糊的代言尽调更没有理由交给模型拍板。
下面是一份模拟的尽调附件，注意最后一列必须由人填写：
| 检查项 | AI发现（模拟） | 置信度 | 人工复核结论（模拟） |
|---|---|---|---|
| Stability | 三年内4次负面峰值，3次为竞技失利，1次为赛后言论争议，7天内回落 | 高 | 言论事件已致歉且未再发生，可接受 |
| Audience | 受众与目标人群重合约六成；有一个活跃的组织化粉丝群，曾两次集中控评 | 中 | 需与经纪团队沟通粉丝管理方式 |
| Topic | 竞技话题占比从七成降到五成 | 中 | 与去年伤病有关，观察复出表现 |
| Brand Fit | 两年前与一个竞品有合作，已到期 | 高 | 法务确认无排他残留 |
| Trend | 两年内基线讨论量抬升约四成，合同期内有两项大赛 | 低 | 伤病风险无法量化，建议加入表现挂钩条款 |
签约之后：把尽调信号变成合同里的监测阈值
有几件事应在签约时定下来：持续监测哪几个指标（通常是亮过黄灯的项），触发复盘的阈值是多少，声誉条款怎样和监测数据对应，AI提示和人工确认之间由谁负责。韦德体育的体育AI大模型在这一步做的，是把五项检查变成每月更新的看板，任何一项越过阈值，先通知人，再由人决定要不要升级处理。
这套长期信号也适用于评估运动员能带动多少体育粉丝经济，粉丝群体是否稳定，本身就是代言回报的一部分。在韦德体育看来，签约前最有价值的产出是一张写明“哪些已核实、哪些还不知道”的清单。
参考资料
- GlobeNewswire：《Willis launches Reputational Risk Quantification Model for celebrity endorsement risk》，2026年2月18日。https://www.globenewswire.com/news-release/2026/02/18/3239951/0/en/Willis-launches-Reputational-Risk-Quantification-Model-for-celebrity-endorsement-risk.html
- GlobeNewswire：《SponsorUnited Redefines Sponsorship Decision Making with Breakthrough AI-Powered Innovation》，2026年2月5日。https://www.globenewswire.com/news-release/2026/02/05/3233133/0/en/sponsorunited-redefines-sponsorship-decision-making-with-breakthrough-ai-powered-innovation.html
- 中新网：《国家体育总局：持续整治“饭圈”乱象 厚植体育文明风尚》，2026年5月19日。https://www.chinanews.com.cn/ty/2026/05-20/10624655.shtml
- Sportico（经Yahoo Sports转载）：《Generative AI Could Spawn NIL Lawsuits Over Deepfakes in Sports》，2026年3月9日。https://sports.yahoo.com/articles/generative-ai-could-spawn-nil-115500645.html
- CBS Sports：《College Sports Commission's NIL clearinghouse strained by surge in school-linked deals》，2026年3月10日。https://www.cbssports.com/college-football/news/college-sports-commissions-nil-clearinghouse-strained/
