公司新闻

如何设计好一个交易平台的评价体系?

作者:    发布时间:2019-11-12 15:44     浏览次数 :

[返回]
怎么规划好一个买卖途径的点评系统?

例如,当我行将预订一家从未去过的酒店,其他房客对这家酒店的点评能让我更客观地了解到酒店的实在质量和服务水平。当我挑选叫一份外卖时,我会翻开相关外卖软件查找餐厅,然后阅览其他门客的点评,尤其是带图片的点评,经过这一步我基本能过滤九成不靠谱的餐厅。

在答复这个问题时,我想先列出当时点评系统中的常见问题:个别差异、点评动机、利己点评问题

在咱们所常见的点评系统中,基本上同等对待一切用户的点评,可是这种 「相等」反而带来了「不相等」。这种做法是树立在「集体无差异」的前提下的,这显着是不契合实际的——人和人的不同实在是太大了。

曾经有一次和搭档出差入住了同一家酒店相同的房型,我是一个简单满足的人,在谈天的时分我表明对这家酒店很满足。而搭档因为之前作业的联系常常入住五星级酒店,所以许多问题就没那么简单逃出他的火眼金睛了。枕头的硬度不行,导致躺下的时分头会圈套去太多、中央空调的噪音有点大、淋浴碰头上有许多水锈、供给的洗护用品质量不行等等。这一点不能怪我的搭档过分挑剔,当我有一天入住的豪华酒店满足多了,我说不定也会相同挑剔。

再举一个比方。在群众点评里,我有这样一类朋友,他们是天然生成的「差评师」,他们带着一张挑剔的嘴,味蕾灵敏,吃遍上海美食,习气批判,几乎没有遇到过满足的餐厅。但也有这样一群朋友,他们天然生成习气性好评,遇到什么都说「好吃!」 「棒!」「不错!」。因为个别的日子履历、物质条件、性格特点的不同,对相搭档物的点评相差大,这就会对事物的客观变现的点评发作误差。

关于受多个独立要素影响的事物的和的平均值,契合正态散布,不论每个要素自身是什么散布。比方,男性和女人的身高别离呈现正态散布的特征,动物的体重也呈现正态散布的特征。用户对一款产品的点评,显着也应契合正态散布。因为用户对产品的点评是相互独立的,即我对事物的点评不会左右别人对事物的点评。

可是,工作成果和理论相去甚远。我从 Google Play 上截取了几款用户规划很大的产品的评分,能够发现从高评分到低评分,均体现出和正态散布相反的状况,即中评很少,好评和差评居多。假如咱们仔细想一下用户为什么会点评,这种反常现象就很简单被解说了。用户在宣布点评时的动机,要么是十分喜爱、十分满足,要么便是十分不满足;而持中立情绪的用户大多不会没事找事给产品写一段点评。

这就天然造成了好评(5星)和差(1星)会合中呈现,而本应占比大大都的中立点评(2~4星)很少。点评动机导致中评信息的缺失,对点评系统的数据完好性发作影响,然后影响到点评可信度。

利益驱动下,客观性化为乌有。当你翻阅一下 App Store 里水军的点评和各种废物广告,再翻阅某宝的部分有返现引导好评的商家的产品点评,就对这句话深有感触了。点评系统的效果,本来是为了根据用户的客观点评,协助顾客做出正确的购买决议计划的。因为许多产品是有必定的试错本钱,所以,我能够经过第三方的点评信息做出沉着判别,而非商家经过经由营销高手打磨出来的图文介绍。

如此一来,电商会朝着一个良性的方向开展。不过跟着电商的鼓起,「刷好评」越来越被需求然后变成了一个具有规划的工业,商家花钱购买水军为自己的产品刷好评,然后引导更多的转化。花钱购买水军去竞争对手的产品页刷差评,歹意抹黑对手,从其间获利。还有部分外卖用户,用差评要挟商家,已达到吃霸王餐的意图,乃至进行敲诈勒索。

淘宝最大的在售品类是服装,而服装是十分受片面偏好所影响的,因而怎么树立愈加中立可信的点评系统,将有助于淘宝途径更健康地开展。淘宝为此做了许多测验,例如人工审阅、点评告发、申述裁定、引导更多内容完好的带图点评等。

本文想谈论的是,淘宝怎么经过各类机制,挑选可信度较高的点评,然后协助顾客正确决议计划。

首要,带图的点评比较纯文字的点评,具有更丰厚的信息含量,因而在淘宝点评模块中,有一个「有图」挑选的选项,能够快速帮我过滤出一切带图片的点评,这些由顾客实拍而来的相片,愈加实在靠近产品自身的状况。从统计学的视点来说,乐意发图片的用户,大概率来说会愈加认真地对产品作出点评。

其次,折叠了淘宝以为对购物参阅协助不大的点评,这一切是根据大数据对点评内容的猜测判别。从成果上来看,确实折叠了许多「水评」和一些默许点评,这些点评对购买决议计划是没有协助的。淘宝的做法是经过对点评的正向挑选,让有价值的、可信的点评取得更多展现时机。

Airbnb 是同享经济的代表,房东将搁置房间出租给游客以取得收入。幻想一下,你会让一个素未谋面的游客住进自己的家里吗?这关于许多房东来说是对信赖感的极大应战。反之,房客假如要住进陌生人的家里,或多或少也有忧虑,房东是不是坏人?房东是不是脾气欠好?不仅如此,还要对非标品服务的质量具有满足的决心,因为每个人的家都是不相同的,这是极点的非标准化。

不像酒店,在你入住之前你对其服务质量已经有大致预期了,而民宿不同,常常会超出你的幻想。因而,怎么协助房东和房客树立互信,并相互束缚,是 Airbnb 事务中十分重要的一环,实名认证的异步互评便是有用的行动之一。

首要,Airbnb 的房东房客,在发布空间或预订空间之前,都需求进行实名认证:上传护照或身份证信息,绑定手机号并鼓舞用户上传实在头像。经过这些信息绑定,能够将账号与人一一对应,一旦发作问题,Airbnb 能够敏捷确定到具体的个别身上。而且实名认证的进程对用户是一种束缚,比起匿名行为,实名会让用户相对收敛。

其次,Airbnb 入住流程中有一个很有意思的规划细节:当旅客完结入住后,房东和房客均有 14 天的时刻对两边的体现作出点评,而且只有当两边都在 14 天之内相互作出了点评后,点评才会对两边展现,且不答应修正。这种形式是不是很熟悉?

没错,差人具体询问超越两人的团伙嫌疑人时,便是选用阻隔具体询问,嫌犯之间不能做出事前约好,因而能进步审问成果的可信度。房客或许因为在房东家住了几天与房东成了半熟人,碍于情面不忍给出实在点评,Airbnb 用这种办法,避免了房东和房客之间的做弊、消除为难,然后必定程度上进步了点评内容的实在性。

关于淘宝,无论是杰出带图点评,仍是折叠「水评」,现在的优化仍是环绕点评的信息内容打开的。可是,根据点评的效价(用户谈论时对产品价值所持的情绪,点评效价一般分为正面、中性和负面点评)的优化还缺乏,「五星好评返 5 元」和友商恶评等不实点评仍然有繁殖空间。Dellarocas 将不实点评分为不实高点评和不实低点评。不实高点评是为了举高产品点评,提高销量;不实低点评是为了镇压产品点评,遏止产品销售。

关于 Airbnb,异步实名互评终究会迎来「囚犯窘境」的宿命:个人最佳挑选并非集体最佳挑选。往往如此,房东与房客大概率都会对对方作出好评,而隐秘部分实在状况。

这让本来期望经过点评内容来添加信赖背书的做法,逐渐失掉公信力。上一位房东对房客的不实点评,很有或许会让下一位房东招待一位「破坏分子」;而房客对房东的不实点评,也很有或许让下一位旅客住进一间「小黑屋」。关于信息的可信度而言,能够从信息的来历、信息的传达途径、信息的内容三个方面下手。

首要,点评信息来历于购买过服务的用户,因为用户的才智、布景、环境、偏好、买卖动机的不同,导致用户在购买相同产品时给出的点评彻底不同。因而,能够根据现有海量的用户数据,对用户自身作出可信度评级,再顺次评级对其发作的信息内容作出可信度判别。

陈元琳给出了一种选用 K-means 聚类算法将用户分为 3 类用户群,经过实证数据剖析验证了用户群间显着的点评偏好差异;然后使用点评偏好特征,建立每类用户不同类型买卖点评的可信度,并提出了动态的买卖点评可信度更新战略。

其次,信息的不同传达途径也会对信息的可信度发作影响。用户在传统印刷类媒体,比如报刊、杂志、书本上发布不行信内容的本钱远远高于线上网络环境。因为互联网具有传达涣散速度快、节点涣散、传达本钱低的特征,使不实信息,尤其是不实点评在互联网上张狂扩张。这一点现在还没有看到好的解决办法,或许只能依赖于方针和相关法规。

再次,信息的内容自身也是值得优化的要点,别离从点评数量和点评内容质量下手。点评数量越多,信息不对称越小,关于产品的归纳判别就越精确,这一点许多电商及外卖途径均选用了次办法(能够依照点评数量和销量挑选产品)。越是乐意宣布具体且高质量的内容的用户,其点评目标也就越可信。

不过,关于内容的可信度判别有时分不能只是依托内容质量来判别,还能够归纳语义和情感均衡、时效性等维度来判别。