掌控评论 [2/3]：评论中的数字说明了什么？

在线评论对荷兰消费者的购买行为有着巨大影响：90%的人会查阅这些评论。但这一平均分数究竟是如何得出的，往往非常模糊，且存在操纵的风险。

评论非常重要：有时你的评分甚至决定了你的产品能否留在平台上，或你在Google中的排名。如何掌控这些评论？在第1部分关于消费者发布评论的动机之后，我们现在来看看“数字”：评论背后的统计数据和现实情况；在第3部分中，我们将介绍RPB模型，利用该模型你可以有效地细分和利用评论。

评论中的数字和星级。

这些数字到底说明了什么？

评论最终通常表现为一个总体数字，即某种平均值。这个数值的高低对你的企业至关重要，其影响远不止于展示客户满意度。

除了作为内容的“已知”形式的评论外，我们还看到类似的信息出现在Reels、TikTok视频以及开箱或反应视频中。这被称为“n=1”：一个人的观点，但可能具有广泛的覆盖面和巨大的影响力。此外，我们还有专家生成内容（EGC, Expert-Generated Content），在本例中指的是专业制作的评论。

在IMDB上，你可以选择筛选有关电影、系列剧等的评论：来自消费者或来自专家（‘影评人’）。

这里我们关注的是涉及平均数值的较大体量的消费者评论。

这并非简单的平均值！

对于企业而言，精确的数据至关重要。在Bol和其他平台，评论分数也是外部卖家的绩效标准：“一般评分至少期望达到8分。该分数基于客户评价计算得出，并影响卖家在平台上的可见度和成功程度”。

Google在评论方面采用简单的（加权）平均值（星级）。除了这个分数外，Google在确定企业在SERP（搜索引擎结果页）上的可见度和排名时还会考虑其他因素，例如：

• 收到的评论数量。
• 评论的时效性。
• 用户的整体参与度。

虽然这些因素可能会影响SEO排名，但显示的评分仍然是对收到评价的简单计算。

评论影响消费者

消费者首先受“最终得分”以及有时受评论数量的影响。这一过程只需几分之一秒。消费者从不深入探究如何得出该分数。一个图标、徽章、精心设计的数字、一排彩色星星，只有在此之后产生兴趣，消费者才可能会进一步查看评论内容。

因此首先要关注这个所谓的“平均值”。为了对企业评论进行有效管理，了解围绕这个“平均值”的一些关键事项非常重要，我们将其称为“最终得分”。在不深入探讨统计学的情况下，我们列举几个重要要素。

每个人对评论的计算方式不同

最终评分的生成方式取决于谁负责记录和管理评论（见第一部分）：是一个独立平台、公司本身，或者是社交媒体平台。

一些公司采用贝叶斯平均数算法（如Trustpilot、Algolia），这在评论数量较少且分数极端时影响尤为显著。消费者通常察觉不到这一点，但通过这种方式，拥有6个评分（9, 9, 10, 10, 10）的产品仍可能获得例如8.5的最终得分。从统计学角度看，这是一种很好的方法，但对消费者来说却缺乏透明度。例如在Tweakers上你也看到了对此的讨论：

“编写了复杂的算法以使评分更加公平，例如通过计算‘信任指数’。这将考虑给定评分实际准确的概率。有时在计算中会纳入评分分布，有时甚至将其与所有其他（或仅同类型）产品的分布进行比较。”

评论加权

许多平台使用特殊的加权平均数。例如Booking的客人评价就是这样运作的：

“每个评分介于1到10之间。最终得分是过去三年所有评分的总和除以数量。从2025年1月起，将采用加权评分；评分越新，对总评分计算的影响越大。” – Booking

基于时间的评分加权原则通常被表述为近期性（recency）或时间跨度（time span），并对显示的均值——即所谓的最终得分——产生重大影响。这种影响的大小取决于具体的加权方式。如果所有评论都超过一年且全部失效，例如在Kiyoh上，其影响将非常大。

此外，还有其他决定加权的因素，例如：

• 获得的点赞数越多，评论在计算中所占的权重就越大。
• 评论者越受重视，其评论在计算中的权重就越大。
• 信息（文本、图片、视频）越多，该评论在计算中的权重就越大。

评论分数和范围

通常评分介于1到10之间，或者使用五星制。这也部分决定了分数。有时星级会被转换为数字，反之亦然，这自然会产生影响。

消费者以星级进行评价，但存在一个以数字表示的十二个月评分和一个‘总’评分（8.6）。

TrustedShops.nl没有提供确切的解释，但似乎采用的是普通的加权平均法；Facebook已完全停止使用星级系统（最高5星），现在的评论非常简单：“你推荐[公司名称]吗？”你可以选择“是”或“否”，并有机会为你的体验添加文字说明、标签和照片。此外，许多企业并未提供这种评论选项。

Facebook作为评论平台仅支持推荐或不推荐。在这种情况下，66%的人推荐Coolblue。

分数与平均值

与中等评价相比，消费者更倾向于在网上分享非常积极或非常负面的体验，这一现象反映在“J型”（双峰）分布中：高分和低分被过度代表，而中等分数较少。这种偏态分布受到网络匿名性以及人们不愿报告普通体验的倾向等因素的影响。由于邀请有时并非发给所有人，评论的代表性往往不足。让我们以一家酒店客户的满意度评分为例：

评论的典型分布：极端意见多于中性意见。

假设一家酒店有100间客房，入住率为70%，平均住宿时间为三天。那么在5年内大约有42,580次预订。

如果这家酒店在线上有两百条评论，这看起来数量不少，但这仅代表所有预订量的0.47%。而且我们知道评论往往倾向于极端。如果在这两百条评论中有五十条是非常负面的，那么负面评论占比为25%。然而，这仅仅是42,580次预订中的50次。这仍然令人遗憾，且可能产生重大影响，但它提供了关于评论价值和代表性的不同视角。

商业模式

企业通常可以联系撰写评论的人（例如Google也会这样做）。

“如果客户给你负面评价，你自然会采取措施；你会联系客户寻找解决方案，然后可以从你的销售账户向该客户发送一次新的评估请求。”——Bol Partner平台

一些评论网站，如Trustpilot、Tripadvisor、Trustedshops和Yelp，采用一种商业模式，即企业提供付费订阅以便能处理更多评论。这也会导致一些奇怪的情况：例如，企业可以举报负面评论，这些评论随后就会暂时消失。客户需要提供额外证据（如购买凭证等），否则他们的评论将被永久删除。

值得注意的是，该公司举报了大量负面评论，导致目前223条中有170条已永久消失。

修改评论对企业以及消费者来说都有巨大的利弊，这会极大地影响总体评分。

什么价值？

评论的价值显而易见，但具体数字意味着什么以及由谁来说明却非常不透明。在本系列的最后一部分，我们将探讨RPB模型以及其他因素，如购买评论、sock puppets和合成媒体。

关于作者：Jeroen Vinkesteijn是演讲者、研究员和BUAS的高级讲师。他在此以个人名义撰写。