Πώς Υπολογίζει Πραγματικά η Google τη Βαθμολογία σας (Δεν Είναι Μέσος Όρος)

Τα Μπεϋζιανά μαθηματικά πίσω από τις σταθμισμένες κριτικές, τη χρονική φθίνουσα στάθμιση και γιατί η εμφανιζόμενη βαθμολογία σας σχεδόν σίγουρα διαφέρει από τον αριθμητικό σας μέσο — επεξηγούνται με πραγματικούς τύπους και αναλυτικούς υπολογισμούς.

Να κάτι που οι περισσότεροι ιδιοκτήτες επιχειρήσεων ανακαλύπτουν με τον δύσκολο τρόπο: μπορείτε να συγκεντρώσετε είκοσι συνεχόμενες κριτικές πέντε αστέρων και να δείτε την εμφανιζόμενη βαθμολογία σας να κινείται ελάχιστα. Ή χειρότερα — ξοδεύετε έξι μήνες βελτιώνοντας την υπηρεσία σας, επιτέλους ξεπερνάτε τις 50 κριτικές και συνειδητοποιείτε ότι ο μέσος όρος σας 4.8 έχει κατά κάποιο τρόπο καταλήξει στο 4.3 στο Google Maps. Τα μαθηματικά δεν είναι λάθος. Λειτουργούν ακριβώς όπως έχουν σχεδιαστεί. Απλώς δεν σας είπαν ποιος ήταν ο σχεδιασμός.

Η Google δεν έχει δημοσιεύσει ποτέ τον αλγόριθμο βαθμολόγησής της. Αλλά μεταξύ του δημοσίως τεκμηριωμένου Μπεϋζιανού τύπου του IMDB, της τεκμηρίωσης βαθμολόγησης της Algolia, της ακαδημαϊκής έρευνας για τα συστήματα κριτικών και των ετών που οι επαγγελματίες κάνουν αντίστροφη μηχανική στις ορατές αλλαγές βαθμολογίας, οι μηχανισμοί είναι καλά κατανοητοί. Αυτό το άρθρο αναλύει τα μαθηματικά — σωστά, με πραγματικούς αριθμούς.

Ας ξεκινήσουμε με το τι είναι ένας απλοϊκός μέσος όρος και γιατί αποτυγχάνει. Ο αριθμητικός μέσος όρος ενός συνόλου βαθμολογιών είναι απλώς το άθροισμα διαιρούμενο με το πλήθος. Τρεις κριτικές με 5, 4 και 5 δίνουν (5+4+5)/3 = 4,67. Αυτό είναι μαθηματικά σωστό. Είναι επίσης στατιστικά παραπλανητικό όταν ο στόχος είναι η κατάταξη χιλιάδων επιχειρήσεων μεταξύ τους.

Οι αποτυχίες συσσωρεύονται γρήγορα σε μεγάλη κλίμακα. Ένα εστιατόριο που άνοιξε την περασμένη εβδομάδα με τρεις κριτικές από ενθουσιώδεις φίλους θα σκοράρει υψηλότερα από έναν καθιερωμένο ανταγωνιστή με 200 κριτικές και μέσο όρο 4,4 — παρόλο που η καθιερωμένη επιχείρηση αντιπροσωπεύει ένα δραματικά πιο αξιόπιστο σήμα. Οποιοδήποτε σύστημα κατάταξης που το επιτρέπει αυτό θα χειραγωγηθεί σε σημείο αχρηστίας μέσα σε μήνες.

Πώς λειτουργεί στην πράξη ο υπολογισμός της βαθμολογίας με αστέρια της Google

Σκεφτείτε τη Μπεϋζιανή βαθμολόγηση ως έναν μέσο όρο σταθμισμένο με την εμπιστοσύνη. Όταν έχετε πολύ λίγες κριτικές, το σύστημα δεν εμπιστεύεται το δείγμα σας αρκετά για να το εμφανίσει ως έχει. Αντ' αυτού, συνδυάζει τον ακατέργαστο μέσο όρο σας με μια προηγούμενη γνώση (prior) — μια προεπιλεγμένη προσδοκία βασισμένη σε όλες τις παρόμοιες επιχειρήσεις. Όσο περισσότερες κριτικές συσσωρεύετε, τόσο περισσότερο το σύστημα εμπιστεύεται τα δικά σας δεδομένα και τόσο λιγότερη σημασία έχει η προηγούμενη γνώση.

Το IMDB χρησιμοποιεί ακριβώς αυτή την προσέγγιση για τη λίστα Top 250 και έχει δημοσιεύσει τον τύπο: WR = (v/(v+m)) × R + (m/(v+m)) × C. Οι μεταβλητές είναι κομψά απλές, αλλά οι συμπεριφορικές επιπτώσεις χρειάζονται λίγο χρόνο για να γίνουν πλήρως κατανοητές. Η ίδια μαθηματική δομή εμφανίζεται στην τεκμηρίωση κατάταξης της Algolia, στην ακαδημαϊκή βιβλιογραφία για συστήματα κριτικών και στην εργασία αντίστροφης μηχανικής από επαγγελματίες του SEO που μελετούν τις τοπικές κατατάξεις της Google.

Ο τύπος WR = (v/(v+m)) × R + (m/(v+m)) × C είναι ένας σταθμισμένος συνδυασμός δύο ποσοτήτων: του παρατηρούμενου μέσου όρου της επιχείρησής σας (R) και του μέσου όρου ολόκληρης της κατηγορίας (C). Οι συντελεστές στάθμισης καθορίζονται από το πόσες κριτικές έχετε (v) σε σχέση με ένα ελάχιστο όριο αξιοπιστίας (m).

Παρατηρήστε ότι (v/(v+m)) + (m/(v+m)) ισούται πάντα με 1.0. Αυτοί οι δύο συντελεστές στάθμισης αθροίζουν στο 100% — πάντα κάνετε παρεμβολή μεταξύ των δικών σας δεδομένων και της προηγούμενης γνώσης. Το μόνο ερώτημα είναι πόσο από το καθένα. Όταν το v είναι μικροσκοπικό σε σχέση με το m, κυριαρχεί η προηγούμενη γνώση. Όταν το v είναι μεγάλο σε σχέση με το m, κυριαρχούν οι δικές σας κριτικές.

WR = (v / (v + m)) × R + (m / (v + m)) × C

Το όριο m είναι η παράμετρος που κωδικοποιεί τις απαιτήσεις εμπιστοσύνης της πλατφόρμας. Το IMDB ορίζει το m σε περίπου 25.000 ψήφους για τον υπολογισμό του Top 250. Μια καφετέρια της γειτονιάς στο Google δεν ανταγωνίζεται στο ίδιο στατιστικό σύμπαν με το Avatar, οπότε το m ορίζεται πολύ χαμηλότερα — οι επαγγελματίες εκτιμούν γενικά το m στο εύρος 5 έως 50 για τις τοπικές καταχωρίσεις της Google, ανάλογα με την κατηγορία και τη γεωγραφική αγορά.

Ο μέσος όρος της κατηγορίας C είναι η πιο υποτιμημένη μεταβλητή. Δεν είναι μια σταθερή παγκόσμια τιμή. Η Google σχεδόν σίγουρα υπολογίζει το C δυναμικά — ανά κατηγορία, ανά πόλη, ίσως ανά πλαίσιο αναζήτησης. Ένας οδοντίατρος στο Σαν Φρανσίσκο συγκρίνεται με άλλους οδοντιάτρους του Σαν Φρανσίσκο, όχι με εστιατόρια στην αγροτική Μοντάνα. Αυτό σημαίνει ότι το Μπεϋζιανό σας κατώφλι είναι συγκεκριμένο για την κατηγορία.

Γιατί ο τύπος της σταθμισμένης βαθμολογίας με αστέρια έχει σημασία για το SEO σας

Η πρακτική συνέπεια είναι ότι η απόκτηση των πρώτων 50 κριτικών σας έχει δυσανάλογα μεγαλύτερη σημασία από την απόκτηση των κριτικών από την 51η έως την 150η. Κάθε κριτική κάτω από το όριο αξιοπιστίας m έχει υπερμεγέθη αντίκτυπο επειδή μετατοπίζει σημαντικά τον συντελεστή (v/(v+m)). Η μετάβαση από v=5 σε v=10 διπλασιάζει το βάρος εμπιστοσύνης σας. Η μετάβαση από v=150 σε v=155 είναι μόλις μετρήσιμη.

Αυτό εξηγεί ένα αντιφατικό μοτίβο που παρατηρούν επανειλημμένα οι επαγγελματίες: μια επιχείρηση πηγαίνει από 3 κριτικές σε 30 κριτικές και βλέπει την εμφανιζόμενη βαθμολογία της να πέφτει από 5.0 σε 4.6 — ακόμα και όταν οι νέες κριτικές είναι επίσης θετικές. Τα μαθηματικά είναι σωστά. Το αρχικό 5.0 ήταν μια Μπεϋζιανή μυθοπλασία. Το 4.6 είναι η πρώτη ειλικρινής εκτίμηση.

Δύο αναλυτικά παραδείγματα, χρησιμοποιώντας έναν ρεαλιστικό μέσο όρο κατηγορίας C = 4.1 και ένα ελάχιστο όριο m = 50. Αυτές είναι εύλογες εκτιμήσεις για μια μετρίως ανταγωνιστική κατηγορία τοπικών υπηρεσιών (υδραυλικοί, οδοντίατροι, συνεργεία αυτοκινήτων). Εισαγάγετε διαφορετικές τιμές για να μοντελοποιήσετε τη δική σας κατηγορία.

Η Επιχείρηση Α έχει μια τέλεια ακατέργαστη βαθμολογία — κάθε κριτικός έδωσε 5 αστέρια. Αλλά με μόνο 3 κριτικές, ο τύπος εμπιστεύεται τα δικά του δεδομένα μόνο κατά 5,7%. Το υπόλοιπο 94,3% της εμφανιζόμενης βαθμολογίας της προέρχεται από τον μέσο όρο της κατηγορίας 4.1. Αποτέλεσμα: 4.15. Όχι το 5.0 που φαίνεται να αξίζει.

Η Επιχείρηση Β έχει χαμηλότερο ακατέργαστο μέσο όρο στο 4.6 — ορισμένοι κριτικοί έδωσαν 3 ή 4 αστέρια. Αλλά 120 κριτικές σημαίνουν ότι ο τύπος εμπιστεύεται τα δικά του δεδομένα κατά 70,6%. Η εμφανιζόμενη βαθμολογία της 4.45 είναι πολύ πιο κοντά στην πραγματικότητα και θα καταταχθεί υψηλότερα από τον αλγόριθμο της Google σε σχέση με το ονομαστικό 5.0 της Επιχείρησης Α. Ο όγκος κερδίζει αξιοπιστία. Η αξιοπιστία κερδίζει ορατότητα.

Ο παρακάτω πίνακας εφαρμόζει τον τύπο σε έξι σενάρια με C = 4.1 και m = 50. Η στήλη Δέλτα δείχνει πόσο διαφέρει η Μπεϋζιανή βαθμολογία από τον απλοϊκό μέσο όρο. Παρατηρήστε πώς το χάσμα συρρικνώνεται καθώς αυξάνεται ο αριθμός των κριτικών — αυτό είναι η προηγούμενη γνώση που χάνει την επιρροή της καθώς συσσωρεύονται αποδείξεις.

Η πιο ενδιαφέρουσα σειρά είναι η τελευταία: μια επιχείρηση με μόνο 5 κριτικές αλλά έναν τρομερό ακατέργαστο μέσο όρο 2.0 εμφανίζει στην πραγματικότητα 3.85 — ανεβασμένη σχεδόν δύο ολόκληρα αστέρια από τον μέσο όρο της κατηγορίας. Αυτό είναι σκόπιμο. Το σύστημα αρνείται να καταδικάσει μια επιχείρηση στην αφάνεια με βάση πέντε σημεία δεδομένων. Αντισταθμίζει προς τον μέσο όρο μέχρι το δείγμα να είναι αρκετά μεγάλο για να δικαιολογεί εμπιστοσύνη.

Αυτή η εξομαλυντική επίδραση στις αρνητικές ακραίες τιμές είναι ο λόγος για τον οποίο το review bombing — μια συντονισμένη εκστρατεία ψεύτικων αρνητικών κριτικών — είναι λιγότερο καταστροφικό από ό,τι φαίνεται επιφανειακά. Ο αλγόριθμος αντιστέκεται σε ακραία αποτελέσματα όταν ο αριθμός των κριτικών δεν επαρκεί για να τα δικαιολογήσει. Παρόλα αυτά, τα συστήματα ανίχνευσης ανωμαλιών της Google επισημαίνουν επίσης εκστρατείες κριτικών με γρήγορη ταχύτητα και προς τις δύο κατευθύνσεις.

Ο Μπεϋζιανός τύπος εξηγεί τη βάση, αλλά το πραγματικό σύστημα της Google προσθέτει τουλάχιστον τρία ακόμη επίπεδα: χρονική φθίνουσα στάθμιση, βαθμολόγηση εμπιστοσύνης συνεισφέροντα και απόσβεση ανωμαλιών για απότομες αυξήσεις ταχύτητας. Κανένα από αυτά δεν έχει επιβεβαιωθεί επίσημα. Όλα συνάγονται από συμπεριφορικά στοιχεία και ανάλυση διπλωμάτων ευρεσιτεχνίας.

Σκεφτείτε τον βασικό Μπεϋζιανό τύπο ως το θεμέλιο. Ό,τι χτίζεται πάνω του καθιστά το σήμα πιο ανθεκτικό στη χειραγώγηση και πιο χρονικά ακριβές. Ο στόχος είναι πάντα ο ίδιος: να αντικατοπτρίζει η εμφανιζόμενη βαθμολογία αυτό που ένας πελάτης θα βίωνε πραγματικά αν έμπαινε σήμερα.

Στάθμιση βάσει πρόσφατης ημερομηνίας — γιατί οι τελευταίες 90 ημέρες κυριαρχούν

Η Google εφαρμόζει χρονική φθίνουσα στάθμιση στις κριτικές, δίνοντας μεγαλύτερο βάρος στα πρόσφατα σχόλια παρά στις παλαιότερες καταχωρίσεις. Ο μηχανισμός είναι συνεπής με μια συνάρτηση εκθετικής μείωσης, όπου η επιρροή μιας κριτικής μειώνεται με την πάροδο του χρόνου αντί να πέφτει στο μηδέν σε κάποια αυστηρή ημερομηνία αποκοπής.^[1]

Η ανάλυση της κοινότητας σχετικά με τη συμπεριφορά βαθμολόγησης της Google διαπιστώνει σταθερά ότι οι κριτικές που δημοσιεύτηκαν πριν από 12-18 μήνες έχουν περίπου 30-50% λιγότερη επιρροή από μια κριτική που δημοσιεύτηκε την περασμένη εβδομάδα. Μια κριτική 5 αστέρων από τρία χρόνια πριν εξακολουθεί να μετράει — απλώς μετράει λιγότερο. Αυτό σημαίνει ότι μια επιχείρηση που συγκέντρωσε 80 κριτικές το 2022 και δεν έχει λάβει καμία από τότε, ζει με δανεικό σήμα.

w(t) = exp(-λ × Δt)

where:
  Δt = days since review was posted
  λ  = decay constant (estimated ~0.003–0.008 for Google)
  w(t) = weight applied to that review in the running average

Εμπιστοσύνη συνεισφέροντα — γιατί η κριτική ενός Τοπικού Οδηγού Επιπέδου 7 έχει μεγαλύτερο αντίκτυπο

Η ιεραρχία εμπιστοσύνης της Google για τους κριτικούς συνάγεται από το χαρτοφυλάκιο διπλωμάτων ευρεσιτεχνίας και την παρατηρήσιμη συμπεριφορά. Η ευρεσιτεχνία US8818995B1 περιγράφει ένα σύστημα κατάταξης αναζήτησης που σταθμίζει τις συνεισφορές ανάλογα με το επίπεδο εμπιστοσύνης της οντότητας που τις κάνει. Εφαρμοσμένο στις κριτικές: ένας Τοπικός Οδηγός Επιπέδου 7 με εκατοντάδες λεπτομερείς κριτικές σε πολλαπλές κατηγορίες επιχειρήσεων καταγράφεται ως κόμβος υψηλής εμπιστοσύνης.^[2]

Το πρακτικό αποτέλεσμα: μια κριτική 5 αστέρων από έναν Τοπικό Οδηγό Επιπέδου 7 πιθανότατα σταθμίζεται βαρύτερα από μια κριτική 5 αστέρων από έναν λογαριασμό που δημιουργήθηκε χθες χωρίς ιστορικό κριτικών. Αυτό δεν αφορά την τιμή των αστεριών — και οι δύο μετρούν ως 5 στον αριθμητή. Αλλά το βάρος που εφαρμόζεται σε καθεμία πριν από τον μέσο όρο διαφέρει. Η Google δεν έχει ποσοτικοποιήσει ποτέ δημόσια αυτή τη διαφορά.

Απόσβεση ανωμαλιών — τι συμβαίνει όταν φτάνουν 40 κριτικές σε μια εβδομάδα

Οι απότομες αυξήσεις ταχύτητας ενεργοποιούν ένα ξεχωριστό επίπεδο ανίχνευσης. Εάν μια επιχείρηση λάβει 40 κριτικές σε 72 ώρες ενώ η βάση της είναι 2-3 το μήνα, τα συστήματα της Google επισημαίνουν αυτό το μοτίβο. Το αποτέλεσμα δεν είναι η αυτόματη διαγραφή — είναι η καραντίνα. Οι νέες κριτικές σταματούν να εμφανίζονται στον εμφανιζόμενο αριθμό και τη βαθμολογία, ενώ το σύστημα ερευνά.^[3]

Αυτός ο μηχανισμός εξηγεί γιατί οι επιχειρήσεις που αγοράζουν μαζικά εκστρατείες κριτικών συχνά δεν βλέπουν ορατή βελτίωση — ή βλέπουν προσωρινά τις βαθμολογίες του προφίλ τους να πέφτουν, καθώς οι παλαιότερες αυθεντικές κριτικές παραμένουν ορατές αλλά η νέα παρτίδα βρίσκεται σε καθεστώς αναμονής. Ο αλγόριθμος είναι ειδικά ρυθμισμένος για να δυσπιστεί σε ξαφνικές μεταβολές όγκου που αποκλίνουν από τις καθιερωμένες βάσεις.

Δύο σενάρια τύπου πραγματικού κόσμου για να δείξουμε πώς συμπεριφέρεται ο τύπος με την πάροδο του χρόνου. Κανένα δεν είναι φανταστικό — αυτά τα μοτίβα εμφανίζονται επανειλημμένα σε μελέτες περιπτώσεων από επαγγελματίες διαχείρισης φήμης.

Το σενάριο του οδοντιάτρου αποδεικνύει την κεντρική ιδέα της Μπεϋζιανής βαθμολόγησης: ένας χαμηλότερος ακατέργαστος μέσος όρος με υψηλή εμπιστοσύνη νικά έναν υψηλότερο ακατέργαστο μέσο όρο με χαμηλή εμπιστοσύνη. Η εμφανιζόμενη βαθμολογία μειώθηκε (από ένα ονομαστικό 4.9 σε ένα εμφανιζόμενο 4.58) αλλά η θέση κατάταξης βελτιώθηκε επειδή το βάρος εμπιστοσύνης είναι τώρα πραγματικό.

Το σενάριο της απότομης αύξησης στο εστιατόριο δείχνει γιατί ο οργανικός ρυθμός έχει σημασία. Τα συστήματα της Google είναι βαθμονομημένα για να ανιχνεύουν την αφύσικη ταχύτητα. Σαράντα κριτικές σε μια εβδομάδα ακολουθούμενες από δύο μήνες σιωπής δεν φαίνονται απλώς ύποπτες — ο μειωμένος πραγματικός αριθμός σημαίνει ότι ξοδέψατε χρήματα και δεν κερδίσατε σχεδόν τίποτα. Τα μαθηματικά το τιμωρούν διπλά: η ανίχνευση ανωμαλιών μειώνει τον ορατό αριθμό και η χρονική φθίνουσα στάθμιση σημαίνει ότι οι κριτικές της περιόδου αιχμής αρχίζουν να εξασθενούν αμέσως.

Ο Μπεϋζιανός μέσος όρος δεν είναι η μόνη στατιστικά ορθή προσέγγιση. Το δοκίμιο του Evan Miller το 2009 'How Not to Sort by Average Rating' έκανε δημοφιλή μια διαφορετική μέθοδο: το κατώτερο όριο του διαστήματος εμπιστοσύνης Wilson score. Το Reddit το υιοθέτησε για την κατάταξη σχολίων. Το Yelp χρησιμοποιεί μια παραλλαγή του.

score = ( p̂ + z²/2n - z√(p̂(1-p̂)/n + z²/4n²) ) / ( 1 + z²/n )

where:
  p̂  = observed positive proportion (e.g. 4+5 star / total)
  n   = total number of ratings
  z   = 1.96  (for 95% confidence interval)
  score = lower-bound of the true positive rate

Το Wilson score θέτει ένα διαφορετικό ερώτημα από τον Μπεϋζιανό μέσο όρο. Αντί για 'συνδύασε τα δεδομένα μου με μια προηγούμενη γνώση', ρωτά: 'δεδομένων των βαθμολογιών που έχω, ποια είναι η χειρότερη πιθανή πραγματική ποιότητα με 95% εμπιστοσύνη;'. Αυτό παράγει μια συντηρητική εκτίμηση που τιμωρεί την αβεβαιότητα ακόμη πιο επιθετικά από τον Μπεϋζιανό μέσο όρο για πολύ χαμηλούς αριθμούς κριτικών.

Μια τρίτη προσέγγιση — το μοντέλο Dirichlet-Multinomial — αντιμετωπίζει όλες τις πέντε τιμές των αστεριών ως ξεχωριστές κατηγορίες αντί για μια ενιαία συνεχή βαθμολογία. Η District Data Labs τεκμηρίωσε αυτή την προσέγγιση για συστήματα πολλαπλών αστέρων. Είναι μαθηματικά πιο σωστό από τον τύπο του IMDB (που σιωπηρά αντιμετωπίζει τα αστέρια ως γραμμική κλίμακα) αλλά υπολογιστικά βαρύτερο. Για πρακτικούς σκοπούς, η συμπεριφορική διαφορά μεταξύ του Μπεϋζιανού μέσου όρου και ενός μοντέλου Dirichlet γίνεται αμελητέα πάνω από περίπου 30 κριτικές.

Η κατανόηση των μαθηματικών μετατρέπει την αφηρημένη συμβουλή ('αποκτήστε περισσότερες κριτικές') σε μια ποσοτικοποιημένη στρατηγική. Κάθε επιχείρηση υπάρχει κάπου στο φάσμα v/(v+m). Το να γνωρίζετε πού βρίσκεστε σας λέει πόσο πραγματικά η επόμενη κριτική σας αλλάζει τα πράγματα.

Αν v = 8 και m = 50, μια νέα κριτική 5 αστέρων μετατοπίζει το βάρος εμπιστοσύνης σας από 8/58 = 0.138 σε 9/59 = 0.153. Αυτή η μετατόπιση 1,5 ποσοστιαίας μονάδας είναι σημαντική. Αν v = 300 και m = 50, η ίδια κριτική σας μετατοπίζει από 300/350 = 0.857 σε 301/351 = 0.858 — μόλις ανιχνεύσιμο. Ο όγκος στο αρχικό παράθυρο έχει δέκα φορές μεγαλύτερο μαθηματικό αντίκτυπο από τον όγκο σε μεγάλη κλίμακα.

Πώς να υπολογίσετε τον σταθμισμένο μέσο όρο βαθμολογίας με αστέρια για τη δική σας επιχείρηση

Μπορείτε να εκτελέσετε τον τύπο μόνοι σας σε ένα υπολογιστικό φύλλο. Πάρτε τον τρέχοντα αριθμό κριτικών σας ως v. Εκτιμήστε το m της κατηγορίας σας κοιτάζοντας τι αριθμούς κριτικών διατηρούν οι 3 κορυφαίες επιχειρήσεις στην κατηγορία σας στο Google Maps — το 25ο εκατοστημόριο αυτής της κατανομής είναι μια λογική εκτίμηση για το m. Η τρέχουσα εμφανιζόμενη βαθμολογία σας είναι πιθανότατα ήδη το αποτέλεσμα WR. Ο απλοϊκός μέσος όρος σας είναι το απλό άθροισμα διαιρούμενο με το πλήθος στο backend σας.

Ο υπολογισμός που σας ενδιαφέρει είναι ο οριακός αντίκτυπος των επόμενων Ν κριτικών. Μοντελοποιήστε το: αυξήστε το v κατά 10, υπολογίστε ξανά το WR, παρατηρήστε τη διαφορά. Κάντε το αυτό σε ένα εύρος τιμών v για να δημιουργήσετε μια καμπύλη ευαισθησίας. Το πιο απότομο μέρος αυτής της καμπύλης — όπου κάθε επιπλέον κριτική παράγει τη μεγαλύτερη βελτίωση στο WR — είναι εκεί όπου πρέπει να επικεντρώσετε την προσπάθεια απόκτησης κριτικών.

Γιατί η πρόσφατη ημερομηνία σημαίνει ότι η ταχύτητα των κριτικών είναι πιο σημαντική από τον συνολικό αριθμό

Μόλις κατανοήσετε τη χρονική φθίνουσα στάθμιση, ο στόχος βελτιστοποίησης αλλάζει. Δεν αφορά μόνο τον συνολικό όγκο — αφορά τον όγκο που κατανέμεται στον χρόνο. Μια επιχείρηση με 400 κριτικές που συλλέχθηκαν σε πέντε χρόνια και τίποτα τους τελευταίους 18 μήνες λειτουργεί ουσιαστικά με μικρότερο πραγματικό δείγμα από ό,τι υποδηλώνουν οι αριθμοί. Οι παλιές κριτικές συμβάλλουν λιγότερο στον τρέχοντα σταθμισμένο μέσο όρο.

Η συνεπής παραγωγή κριτικών — ακόμη και με μέτριους ρυθμούς — συσσωρεύεται με την πάροδο του χρόνου με τρόπους που η μαζική απόκτηση ποτέ δεν μπορεί. Οκτώ νέες κριτικές το μήνα για δώδεκα μήνες αποδίδουν καλύτερα από 96 κριτικές σε έναν μόνο μήνα σε σχεδόν κάθε σχετική μέτρηση: Μπεϋζιανή εμπιστοσύνη, έγκριση ανίχνευσης ανωμαλιών, τροχιά χρονικής φθίνουσας στάθμισης και αντίληψη αξιοπιστίας από τους καταναλωτές.