热点 | 为什么常见的评分系统不靠谱？从《流浪地球》的差评说起

↑ 点击上方“鹈鹕体验live”关注我们

春节档期的国产科幻电影《流浪地球》已经成为了今年最大的爆款电影，上映仅一周，就获得了“中国科幻拓荒之作”“中国科幻元年”“流浪地球一小步，中国科幻一大步”的各种褒奖，票房持续走高。

评分下滑引起的反弹

于此同时，其豆瓣电影评分出现下滑。此前，《流浪地球》在豆瓣电影的评分一度高达 8.5 分，而目前已经跌至 7.9 分。

在超过 62 万人的评分中，给 5 星评价的占 32%，但有大约 2.2% 的人给了 1 星评价，有人表示“流浪地球是一部不及格的电影”，主要原因是“科学设定不及格”、“剧本不及格”等等，同时，这些 1 星评价中，也存在不少恶意评价，只因不喜欢某个演员等等。

部分粉丝也因为过分狂热而为电影本身带来了负面舆论。譬如有用户因为打了 3 星而遭到粉丝谩骂，并在抵触情绪下改为 1 星，最后甚至直接注销帐号。

与通常电影评分的自然波动不同，《流浪地球》评分的快速变化，引起多方关注。被豆瓣评分变化激怒的影迷们，便纷纷转战至 App Store 及其他应用商店，给豆瓣 App 打 1 星，表达对豆瓣平台的不满。目前，豆瓣 App 的评分跌至 4.8 分，恶意差评还在不断增加。

你给《流浪地球》打 1 星，我就给你豆瓣打 1 星。

这些评价内容大致分为以下几种：认为豆瓣 app 评分太高，打 1 星“平衡一下”；认为豆瓣用户不客观，恶意黑；希望以差评的方式倒逼豆瓣做出改变，如用户修改星级评分之后，原有高分清零、要求用户看过电影买过票才能评分等。

事实上，这些负面评价本身也已不再客观，具体的建议也毫无操作可行性。但这并不重要，粉丝们出于各种理由，直接上升到道德绑架、民族自豪的价值观层面上，重点只是要表达自己的立场，而对产品的评星行为早已与产品的质量无关。

当评分变成一种态度

绝大多数的反馈和评论，其实是缺少思考和理智的评价的。这个过程本应当花费更多的时间来斟酌和回复，而不是留下一个简单的分数。英剧《黑镜》中，描述了一种每个人都能实时互相打分的未来图景。

这个故事的结局并不美好。人生被社交评分掌控，生活将充满虚伪和偏见，导致整个社会体系的崩塌。

给《流浪地球》打 1 星的观众，并不一定真的认为这部电影多差劲，甚至到评分要低于《小猪佩奇过大年》的程度。他们只是用 1 星来表达自己的态度：我不喜欢主演 / 高分观众的情绪 / 某种群体行为……

给豆瓣 app 打 1 星的用户，尽管在评价内容中可能写上了“垃圾软件”，但也不代表真的厌恶豆瓣到如此地步。这些 1 星所代表的可能仅仅是：我不喜欢给我所喜爱电影打 1 星的平台用户。

人们只是通过打分这种方式，来表达自己的喜好和观点，而打分这种机制设计之初的本意是否就是用来发泄情绪的，人们并不关心。

另一方面，在需要表达喜好的场景下，用星级评分的方法反而无法达到目标。

著名流媒体巨头 Netflix 公司早已发现了这一问题，他们在 2017 年彻底革新了用户评价体系，将原有的 5 星评分系统改为“赞”和“踩”的剧集评分机制。

公司高管曾接受采访表示，5 星评价机制的问题在于，它使人们下意识的采取一种批判的态度。当用 1 星到 5 星的评价标准给一部剧集或节目评分的时候，用户总是尝试保持客观性去评价“剧集的质量”，而不是用打分的星星数量去反映他们从电影中“获得了多少乐趣”。

举个例子：假设你刚刚看完了一部很有意思的烂片，尽管这确实是一部烂片，但是你从中却获得了很多乐趣。即便如此，你可能依然只会给这部电影打出 2 星的评价，因为你知道，这并非一部“好的影片”。这也就给 Netflix 公司带来了问题，因为根据现行的评分机制，他们会认为“你讨厌这部影片”，从而无法准确的给你推荐喜欢的内容。改为简单的“赞”和“踩”的方式，而不是传统的评分，似乎更加合理。

“标准化”的误区

有这样一个案例，有一个哥们给 Uber 司机打分时，服务再到位也只会给 4 星。原因是什么呢？根据他的说法：「只有当司机在我的生命面对极端威胁的时候（比如重大车祸和恐怖袭击），将我拯救出来，我才会给 5 星好评。所以这些普通的司机我只会打 4 星，因为他们不值得我打 5 星。」

心理学家 Dan Ariely 在他的博客上讲述了一个开锁匠的工作经历：“以前，锁匠开锁需要花费很多时间开锁，甚至不得不将整个门破坏掉，那个时候，顾客通常会很满意的付给锁匠报酬，甚至是优厚的小费；但现在，开锁的设备更加先进了，锁匠开锁花费的时间越来越少，锁匠能够做到在三、四分钟内将锁打开，然而顾客却变得越来越吝啬，锁匠再也收不到优厚的小费了，而且还常常被抱怨要价偏高，他们认为锁匠并没有花费太多的功夫就将锁打开了。”

作为旁观者，我们知道锁匠的技艺和效率提高了，但却得到更少的报酬和更多的抱怨。顾客权衡价值的标准并没有和开锁所需要的时间积极的关联起来。他们衡量价值的标准是锁匠在开锁时究竟花费了多少功夫。

是的，每个人对“好”的标准就是如此不同。每个人都是基于自己的标准和感受来做出评价。

但另一方面，评星系统却是标准化的，它试图将大家千差万别的评价转换成一种统一的数字分数，然后用这些分数（而不是用户真正的感受）来衡量产品或服务的好坏。这看上去非常不合理。

我们将人类情感转化为原始粗糙的数据，比如数字评分和星级，然后希望从这些原始数据中挖掘出改进产品的合理答案。也许真实的人类情感比这些数字还要更合理。——Eugen Eşanu ，产品设计师

「您对我们的产品和服务有什么样的看法？」得到的回复是 3 颗星，这是否意味着产品需要改进？是单个产品还是整个产品线都需要改进？如果是 4 颗星又意味着什么？它和 3 颗星的评价，在程度上有多大的差别？

这些数字是否如此可靠？从数学角度看，是的。但当你试图用数字量化人类情感时，就不那么靠谱了。

评分系统的缺陷其实是人性的缺陷

用户不总是对的。大部分情况下，用户说的和做的完全不同。

我们总说，要打造伟大的产品和服务，观察用户的行为比听他们说话更有启发性。看他们在做什么，而不是听他们说。问卷调研中也存在类似的问题。面对问卷，很多用户所给的答案简单而直接。

「你是一个慷慨的人吗？」很多用户的回复是「当然是！」，无论问卷的形式是「是/否」选项，还是采用数字1~10 评级，或者 5 星制，结果大抵如此。人们都倾向于正面的答案，而且高估自己的重要性。

稍加反思，我们会意识到，其实很多时候这类评分呈现出来的是一种简单粗暴的反馈，它并不适宜每一个人。为什么？

因为人类原本就是情绪化、非理性的动物。大部分时候，我们都无法保持客观。

如果我们改进评分系统，细化问题，让用户在打分的同时进行深入评论，详细描述自己的感受，效果会不会好一些呢？

比如：阿迪达斯的多层评价系统，你可有对你所购买的鞋的舒适度，材料质量、设计等多个维度进行评价。还有一些评价系统，用户需要提供具体图片才能进行更加深入的评价。

看上去这种评价方式确实更有价值。但是，它可能很快就遭遇另外一个源于人性的缺陷。人们是很懒惰的。用户不会也不愿意在繁复的评价操作上花费太多时间。现实中，人们有更重要的事要做，所以越是需要细致评价的地方，获得真实有价值的反馈反而更少。

此时，如果采取奖励的方法来促进用户评价，那么很可能导致相反的结果：用户仅仅是为了获得奖励而去做评价，反馈的真实性和质量都无法控制。购物网站上大量的刷好评返现的方式都是如此。

我们为何还要使用评分系统？

既然评分系统存在如此多的问题，那么我们为什么还要用它们呢？

最主要的原因是，评分系统是一种社会性的参考和证据。评分系统最初建立的出发点，在于通过大量用户评价来呈现出总体的客观状况，并为厂商和其他用户提供参考。这里的重点是“大量”：只有评价数据规模足够大，才能覆盖少数非理性、非正常的评分，避免它们的影响；只有研究对象足够多，才能站在更高维度评判整体情况。但是，遇到《流浪地球》这种针对一个对象的群体性刷分行为，评分系统就会出现误差。

另一方面，我们仍然使用 5 星制评级系统，因为人类天生的惰性，这种评级方式足够简单，正好迎合需求而已。

用户表达立场或威胁的“误用”方式，让评分机制原有的客观受到了挑战，也让我们不得不承认这样一种变化：分数不再是体现产品好坏的标准。

一个明显的标志是，我们已经越来越频繁地用作品评分来说明其受欢迎程度，而非质量。

如果我们能够解决这个问题，并且创建能够正确激励用户行为的系统，也许我们能够让评分系统真正给我们带来更好的生活体验。

---

参考资料：

打一星者，虽远必诛

https://www.huxiu.com/article/280232.html

The Problem With Online Reviews

https://uxplanet.org/the-problem-with-online-reviews-818834f0ffa2

当“打一星”成为表明立场的手段

https://www.pingwest.com/feed/rss_link_url/a/183463

Netflix将推出全新剧集评分系统

https://www.jiemian.com/article/1181225.html

推荐阅读

 体验专题：体验 | 纽约时报+谷歌地图擦出的用户体验火花
体验 | 产品设计：期望和现实有多大差别？体验 | 谷歌翻译产品设计师：产品改版的三大用户体验设计原则体验 | 为什么星巴克的员工都不太热情？背后这4点值得深思三火观点：三火观点 |三款APP突然“宣战”微信，网友炸了！三火推荐 | 《联体》科幻小说独家连载，引爆AI科幻未来
三火观点 | 喝咖啡时我们喝的是什么？
三火观点 | 酒店体验做好这些就够了！MOT排名篇依点故事：依点故事 |“写作很难吗？”“不……很难。”依点故事 | 我是怎样完成100天写作打卡的？依点故事 | 从决定改变到改变需要多久？
依点故事 | 21天改变了我的写作习惯鹈小鹕看热点：鹈小鹕看热点 |《啥是佩奇》该片引起极度舒适，可以反复观看！
热点 | 很多商场出现了“体检神器”，实测后有惊人发现
其他专栏：鹈鹕开讲啦 | 《瞬间的力量》解读：体验是可以设计的营销 | 如何把“降价”玩得高级，我只服无印良品读书 | 我是如何在200天背10000单词的？读书 | 15本书，全面了解客户体验管理的前世今生更多精彩文章，关注我们，阅读更多。

鹈鹕体验live

专注体验，专注生活，专注分享

鹈鹕全面客户体验管理

国内最专业的研究客户体验管理媒体平台

点击【好看】分享