一家门店最近收到几条差评，老板最想知道的通常是：排队太久、收费不清楚，还是服务流程出了问题？如果交付结果只有平均星级和一张词云，仍然无法决定该改哪一步。
Google 地图评论分析更有用的产物，是一张带原文证据的问题清单：发生在哪家店、哪个时间段、涉及什么环节、样本中出现多少次，以及下一次如何用相同条件复查。本文给出一套可以从小样本开始的整理方法；文中的数字均为演算示例，不是真实门店调查结果。
先分清：低星评分、文字抱怨与门店总评分
这三者回答的问题不同。
可以在项目里把一至二星定义为「低星评分」，但要写明这是本次分析规则。一条四星评论写「整体不错，不过结账时多了一项没提前说明的费用」，仍应标记「收费说明」问题。相反，一条只有一星、没有正文的评价，可以进入低星统计，却无法判断不满意的原因。
Google 对评分的说明指出，商家评分来自该商家在 Google 上已发布评分的平均值。因此，不能把本次取到的几十条评论均分，称为门店的完整评分，也不能要求它与页面显示值一致。
还有一个来源限制：Places API（New）的 Place 资源中，reviews 最多返回五条评论，按相关性排序。这种接口结果可以提供线索，但不足以代表某家店最近一个月的全部评论。先确认数据来自哪里、采用什么排序、实际覆盖到什么时间，再谈分析。采集阶段的范围说明见Google 地图评论采集与导出。
固定门店、时间与取样条件
建议先写一句可执行的问题，例如：「比较三家指定门店在同一 28 天内，公开评论里反复出现的等候与收费问题。」这里的 28 天只是方便覆盖相同星期结构的示例，不是通用标准。
把门店链接或可得的地点标识固定下来；同品牌不同分店应分别统计。再记录时间边界、时区、界面语言、排序方式、每店条数上限，以及采集失败或无法覆盖的部分。按评论发布时间归入窗口，另存采集时间；只有「几周前」这类相对时间时，保留原值和日期精度，不编造精确日期。
如果一批按最新排序，另一批按相关性排序，即使条数相同，也不能直接说某类问题增加了。每次仅取前 100 条，还可能在评论活跃的门店只覆盖几天；时间窗与条数上限必须一起交代。需要扩展门店清单时，可先参考Google Maps 商家名单整理方法。
用字段表连接原文与分类
| 字段组 | 建议保留什么 | 用途 |
|---|---|---|
| 门店与来源 | 门店标识、名称、公开来源链接；可得时保存评论标识 | 区分分店、回查与去重 |
| 时间与条件 | 发布时间原值、日期精度、采集时间、排序及窗口 | 判断两期数据能否比较 |
| 评分与文本 | 星级、正文原文、原文语言；译文另列 | 避免译文覆盖原文，区分无正文评分 |
| 分析标签 | 问题类别、支持标签的原文片段、待复核标记 | 让分类有证据，允许多标签 |
| 处理记录 | 分类规则版本、复核结果、内部跟进事项 | 追踪规则变化与后续动作 |
「问题类别」是分析者新增的字段，不是 Google 原始提供的字段。表格中应明确区分原始数据与分析结果。只保留任务需要的信息，分析门店流程不需要识别评论者的真实身份。
有稳定评论标识时，按门店与评论标识去重；没有时，用可得的来源、时间和文本组合标记疑似重复，再复核。不能因为两条都写「服务不错」就自动合并。之后重复采到同一评论，属于再次观察，不是新增一条投诉。
类别要能指向具体动作
先读一小批原文，再列类别定义。餐饮或到店服务场景可以从等候、服务沟通、收费说明、产品体验、环境设施开始；定义应写清包含和不包含什么，不能每遇到一个新说法就新建一类。
例如「等了四十分钟，工作人员也没说明原因」可同时标记「等候」和「服务沟通」；「虽然排队，但处理很快」不应仅因出现「排队」就记为等候投诉。同一类别在同一条评论里只计一次，但一条评论可以属于多个类别，所以各类条数相加可能超过评论总数。
自动分类适合做第一遍整理。复核时既要抽查被标为有问题的记录，也要抽查未命中的记录，特别留意反讽、否定、译文和星级与正文不一致的情况。无法判断的保留为「待复核」或「原因不明」，不补写原文没说的事实。分类规则改变后，应按新规则重算对比期。
用同一组数字说明分母
假设某家门店在固定窗口内取得 120 条去重后的评分记录，其中 90 条有可分析正文，30 条没有正文；一至二星共 24 条；90 条正文中有 18 条表达了等候方面的不满。
| 指标 | 演算 | 可以怎样表述 |
|---|---|---|
| 样本低星占比 | 24 ÷ 120 = 20% | 本次取得的评分记录中，20% 为一至二星 |
| 正文等候问题占比 | 18 ÷ 90 = 20% | 有可分析正文的样本中，20% 表达等候不满 |
| 全部样本中的等候提及占比 | 18 ÷ 120 = 15% | 全部样本中，15% 明确表达等候不满；无正文者原因未知 |
两个 20% 不是同一指标：低星与等候问题可能交叉，也可能不交叉，不能相加。也不能把 15% 写成「15% 的顾客嫌排队久」，因为顾客总数和未评论顾客的体验都不在这份数据里。
只采差评、某种语言或带特定关键词的评论时，分母已被筛选，应称为专题样本。报告同时列出分子、分母和覆盖限制，比单独放一个百分比更容易核查。
比较门店时，条数、占比与语境一起看
假设 A 店有 10 条等候抱怨、100 条可分析正文；B 店有 6 条等候抱怨、20 条可分析正文。A 店条数多，B 店样本占比高。二者提示的核查重点不同，不能凭其中一个数宣布哪家店服务更差。
先确认两店的时间窗、取样方式和分类规则一致，再看客流、预约制度、促销、装修等背景。小样本比例容易大幅波动，不适合做精确排名。涉及严重服务事件的单条评论可以优先核查，但评论中的说法仍是待核实线索，不能因措辞强烈就视为已经证实。
把问题清单变成下一期能复查的事项
决定外包时，不要只比较报告样式。让候选方用同一组门店、时间窗和分类规则试测，再核对来源、相关性和导出结果；具体清单见口碑监测公司怎么选与试测验收。
每个重点问题附上样本条数、分母、代表性原文与来源，并补一项具体核查动作。例如，对「预约后仍长时间等候」核查预约容量和现场接待记录，对「费用未提前说明」核查报价页与结账流程。
实施改进后，用等长、可比较的窗口再观察同一类别，同时记录条数和占比。没有采到某类抱怨，不等于问题已经消失；评论下降也可能来自客流或采集覆盖变化。公开评论能帮助提出和追踪问题，是否由改进措施带来效果，还要结合内部记录验证。周期设计可参考数据更新需要提前确认什么。
如果需要批量整理多家门店的公开评论，可以从品牌口碑监测方案进入评估。提交门店清单、目标时间窗和想核查的两三类问题，我们先确认公开可取得的范围，再确定字段与交付口径；门店整改与效果判断仍需业务方参与。