一家門店最近收到幾條負評，老闆最想知道的通常是：排隊太久、收費不清楚，還是服務流程出了問題？如果交付結果只有平均星級和一張詞雲，仍然無法決定該改哪一步。

Google 地圖評論分析更有用的產物，是一張附原文證據的問題清單：發生在哪家店、哪個時段、涉及甚麼環節、樣本中出現多少次，以及下一次如何用相同條件覆查。本文提供一套可以從小樣本開始的整理方法；文中數字均為演算示例，不是真實門店調查結果。

先分清：低星評分、文字抱怨與門店總評分

這三者回答的問題不同。

可以在項目裏把一至二星定義為「低星評分」，但要寫明這是本次分析規則。一條四星評論寫「整體不錯，不過結賬時多了一項沒有提前說明的費用」，仍應標記「收費說明」問題。相反，一條只有一星、沒有正文的評價，可以進入低星統計，卻無法判斷不滿意的原因。

Google 對評分的說明指出，商戶評分來自該商戶在 Google 上已發佈評分的平均值。因此，不能把本次取得的幾十條評論均分，稱為門店的完整評分，也不能要求它與頁面顯示值一致。

還有一個來源限制：Places API（New）的 Place 資源中，reviews 最多傳回五條評論，按相關性排序。這種 API 結果可以提供線索，但不足以代表某家店最近一個月的全部評論。先確認數據來自哪裏、採用甚麼排序、實際涵蓋到甚麼時間，再談分析。採集階段的範圍說明見Google 地圖評論採集與匯出。

固定門店、時間與取樣條件

建議先寫一句可執行的問題，例如：「比較三家指定門店在同一 28 天內，公開評論裏反覆出現的等候與收費問題。」這裏的 28 天只是方便涵蓋相同星期結構的示例，不是通用標準。

把門店連結或可取得的地點識別碼固定下來；同品牌不同分店應分別統計。再記錄時間邊界、時區、介面語言、排序方式、每店條數上限，以及採集失敗或無法涵蓋的部分。按評論發佈時間歸入時段，另存採集時間；只有「幾星期前」這類相對時間時，保留原值和日期精度，不編造精確日期。

如果一批按最新排序，另一批按相關性排序，即使條數相同，也不能直接說某類問題增加了。每次僅取前 100 條，還可能在評論活躍的門店只涵蓋幾天；時間範圍與條數上限必須一起交代。需要擴展門店清單時，可先參考Google Maps 商戶名單整理方法。

用欄位表連接原文與分類

欄位組 建議保留甚麼 用途
門店與來源 門店識別碼、名稱、公開來源連結；可取得時保存評論識別碼 區分分店、回查與去重
時間與條件 發佈時間原值、日期精度、採集時間、排序及時段 判斷兩期數據能否比較
評分與文字 星級、正文原文、原文語言；譯文另列 避免譯文覆蓋原文，區分無正文評分
分析標籤 問題類別、支持標籤的原文片段、待覆核標記 讓分類有證據，允許多標籤
處理記錄 分類規則版本、覆核結果、內部跟進事項 追蹤規則變化與後續動作

「問題類別」是分析者新增的欄位，不是 Google 原始提供的欄位。表格中應明確區分原始數據與分析結果。只保留任務需要的資訊，分析門店流程不需要識別評論者的真實身份。

有穩定評論識別碼時，按門店與評論識別碼去重；沒有時，用可取得的來源、時間和文字組合標記疑似重複，再覆核。不能因為兩條都寫「服務不錯」就自動合併。之後重複採集到同一評論，屬於再次觀察，不是新增一條投訴。

類別要能指向具體動作

先讀一小批原文，再列類別定義。餐飲或到店服務情境可以從等候、服務溝通、收費說明、產品體驗、環境設施開始；定義應寫清包含和不包含甚麼，不能每遇到一個新說法就新建一類。

例如「等了四十分鐘，工作人員也沒有說明原因」可同時標記「等候」和「服務溝通」；「雖然排隊，但處理很快」不應僅因出現「排隊」就記為等候投訴。同一類別在同一條評論裏只計一次，但一條評論可以屬於多個類別，所以各類條數相加可能超過評論總數。

自動分類適合做第一輪整理。覆核時既要抽查被標為有問題的記錄，也要抽查未命中的記錄，特別留意反諷、否定、譯文和星級與正文不一致的情況。無法判斷的保留為「待覆核」或「原因不明」，不補寫原文沒有說的事實。分類規則改變後，應按新規則重算對比期。

用同一組數字說明分母

假設某家門店在固定時段內取得 120 條去重後的評分記錄，其中 90 條有可分析正文，30 條沒有正文；一至二星共 24 條；90 條正文中有 18 條表達了等候方面的不滿。

指標 演算 可以怎樣表述
樣本低星佔比 24 ÷ 120 = 20% 本次取得的評分記錄中，20% 為一至二星
正文等候問題佔比 18 ÷ 90 = 20% 有可分析正文的樣本中，20% 表達等候不滿
全部樣本中的等候提及佔比 18 ÷ 120 = 15% 全部樣本中，15% 明確表達等候不滿；無正文者原因未知

兩個 20% 不是同一指標：低星與等候問題可能交叉，也可能不交叉，不能相加。也不能把 15% 寫成「15% 的顧客嫌排隊久」，因為顧客總數和未評論顧客的體驗都不在這份數據裏。

只採集負評、某種語言或帶特定關鍵詞的評論時，分母已被篩選，應稱為專題樣本。報告同時列出分子、分母和涵蓋限制，比單獨放一個百分比更容易核查。

比較門店時，條數、佔比與語境一起看

假設 A 店有 10 條等候抱怨、100 條可分析正文；B 店有 6 條等候抱怨、20 條可分析正文。A 店條數多，B 店樣本佔比高。兩者提示的核查重點不同，不能憑其中一個數字宣佈哪家店服務更差。

先確認兩店的時間範圍、取樣方式和分類規則一致，再看客流、預約制度、促銷、裝修等背景。小樣本比例容易大幅波動，不適合做精確排名。涉及嚴重服務事件的單條評論可以優先核查，但評論中的說法仍是待核實線索，不能因措辭強烈就視為已經證實。

把問題清單變成下一期能覆查的事項

決定外包時，不要只比較報告樣式。讓候選方用同一組門店、時段和分類規則試測，再核對來源、相關性和匯出結果；具體清單見口碑監測公司怎樣選與試測驗收。

每個重點問題附上樣本條數、分母、代表性原文與來源，並補一項具體核查動作。例如，對「預約後仍長時間等候」核查預約容量和現場接待記錄，對「費用未提前說明」核查報價頁與結賬流程。

實施改善後，用等長、可比較的時段再觀察同一類別，同時記錄條數和佔比。沒有採集到某類抱怨，不等於問題已經消失；評論下降也可能來自客流或採集範圍變化。公開評論能協助提出和追蹤問題，是否由改善措施帶來效果，還要結合內部記錄驗證。週期設計可參考數據更新需要提前確認甚麼。

如果需要批量整理多家門店的公開評論，可以從品牌口碑監測方案進入評估。提交門店清單、目標時段和想核查的兩三類問題，我們先確認公開可取得的範圍，再確定欄位與交付口徑；門店改善與效果判斷仍需業務方參與。