據(jù)說最近大家開始關心起review評分權重及計算方法這方面的事情來了。

我們先來看看原汁原味的Amazon對于評分計算的官宣：

大意是說：Amazon計算一個產(chǎn)品評價星級是基于一個機器學習模型來評定，而不是簡簡單單的將原始評分數(shù)據(jù)進行一個平均。

Amazon的這個評分模型考慮以下幾點因素：

• 1.買家賬戶因素

• 2.評價的存在時間長短

• 3.VP評價

• 4.Amazon所建立的可信賴的評論者體系

• 
  

這里我們先計算幾組review評分來做做對比，對這微妙的變化做做對比+定量研究。

情形1：接近五星好評的listing的每項review評分的分布情況

評分平均計算：（5*12*0.92+4*12*0.08）/12=4..92

Amazon評分計算模型得分.9 < 平均評分 說明有某個評價拖了后腿，這個評價托后腿的地方就可以從官宣的計算模型考慮的因素來分析了。

我們來一起看看：

有這么一個5星直評存在。如果說評分模型不計算這個直評，那么（10*5+1*4）/ 11大約等于4.909 還是略大于評分模型的出的評分值4.9 =（9*5+1*4）/10還是有個好評拖了一點點及其細微的后腿。

但這里可以得出確切結(jié)論：在一個listing的稍成熟的review階段，非VP的評價是影響不到總體評分的了。

情形2：我們在來看一個評分中等的產(chǎn)品的review：

評分平均計算：（5*35*0.57+4*35*0.09+3*35*0.08+2*35*0.06+1*35*0.2）/35= 3.77 > 系統(tǒng)評分 3.6，還是優(yōu)先懷疑5分評價中的拖后腿問題，因為得分少的評價如果拖后腿那么總體系統(tǒng)評分肯定要偏高的。

我們來仔細看看：

發(fā)現(xiàn)一個差評直評，如果去掉這個直評，平均計算一下：

（5*20+4*3+3*3+2*2+1*6）/34=3.85 > 3.77 >3.6 從結(jié)果可以看出去掉直評差評總體平均的分較大幅度增大，說明：直評如果是差評的情況下系統(tǒng)評分還是考慮進去的。

再看是哪些好評托了后腿：

這個listing下面的好評有個特點“works great” 無圖無真相，亞馬遜還是精挑細選了一個比較走心的review作為most helpful

從以上分析結(jié)果我們不難得出關鍵結(jié)論：直評（非VP Review）在是好評的情況下權重會幾乎降低到?jīng)]有，在差評的情況下是一定會被統(tǒng)計并賦予權重的。

以上現(xiàn)象給到我們在優(yōu)化產(chǎn)品review時的一些重要啟示：

1）做好評不要浪費時間在直評（非Verified Purchase Review）上

2）如果被一個確切的競爭對手惡意襲擊，還是可以用直評差評的方式去復仇的

3）測評人員買家賬號要確保安全有效

4）真實評價還是盡量有圖、視頻、細節(jié)描述的真相，權重會高

5）寫的漂亮的Positive Review要適當讓站外的人們多點進去看看，提高Amazon權重

6）Amazon可能正著力于建立一個 測評人員 / review 人員信任體系，謹慎培養(yǎng)自己的買家賬號，以便將來可能參與到該體系。核心理念，將自己作為一個正常消費者思維，熱衷于推薦自己覺得好的產(chǎn)品優(yōu)勢點。

***操作評論罪很大，請大家注意安全。