这个来源最容易被算错的地方

口碑项目里最常见的错误，是把采到的星级取个平均然后和页面上的总体评分对比，发现对不上就以为采错了。

没采错，是算法不同。 平台的总体评分是加权结果，新评论权重更高、评论数量也参与计算。这个数字复现不了，也不需要复现——它和你自己算的星级分布是两个不同的指标，各有各的用处：前者反映平台呈现给消费者的印象，后者反映真实的评分构成。

我们的做法是两个都交付，分成两列，不做换算。

一排空白的意见卡插在木质卡座里

提需求时建议一并说明的内容

  • 是否需要区分邀请评论：几乎总是需要，否则口碑会看起来偏好。
  • 国家范围：多国业务必须按国家分别采集，否则会把局部问题当成全局。
  • 时间范围：热门品牌无法全量，限定区间更现实。
  • 是否需要企业回复：回复率和回复速度是很有用的派生指标。

关于数据口径

每行带 review_url 与 collected_at，评分与评论量属于采集时刻的快照。周期性项目保留每次快照而非覆盖，因为口碑数据的价值在变化过程——某一时刻的评分说明不了什么，评分怎么变、变化前后发生了什么才有意义。