Jak Google Naprawdę Oblicza Twoją Ocenę Gwiazdkową (To Nie Jest Średnia)

Matematyka bayesowska stojąca za ważonymi opiniami, spadkiem znaczenia starszych recenzji i tym, dlaczego Twoja wyświetlana ocena prawie na pewno różni się od średniej arytmetycznej — wyjaśnione za pomocą prawdziwych wzorów i obliczeń.

Oto coś, o czym większość właścicieli firm przekonuje się na własnej skórze: możesz zebrać dwadzieścia pięciogwiazdkowych opinii z rzędu i patrzeć, jak Twoja wyświetlana ocena ledwo drgnie. Albo gorzej — przez sześć miesięcy poprawiasz swoje usługi, w końcu przekraczasz 50 opinii i zdajesz sobie sprawę, że Twoja średnia 4.8 jakoś ustabilizowała się na 4.3 w Google Maps. Z matematyką wszystko jest w porządku. Działa dokładnie tak, jak została zaprojektowana. Po prostu nikt Ci nie powiedział, jaki był ten projekt.

Google nigdy nie opublikowało swojego algorytmu oceny. Jednak dzięki publicznie udokumentowanej formule bayesowskiej IMDB, dokumentacji ocen Algolii, badaniom akademickim nad systemami opinii i latom pracy specjalistów odwracających inżynierię widocznych zmian w ocenach, mechanika jest dobrze zrozumiana. Ten artykuł przeprowadzi Cię przez matematykę — porządnie, z prawdziwymi liczbami.

Zacznijmy od tego, czym jest prosta średnia i dlaczego zawodzi. Średnia arytmetyczna zbioru ocen to po prostu suma podzielona przez ich liczbę. Trzy opinie z ocenami 5, 4 i 5 dają (5+4+5)/3 = 4.67. To jest matematycznie poprawne. Jest to również statystycznie mylące, gdy celem jest ranking tysięcy firm względem siebie.

Wady szybko się kumulują na dużą skalę. Restauracja, która otworzyła się w zeszłym tygodniu z trzema opiniami od entuzjastycznych znajomych, uzyska wyższą ocenę niż ugruntowany konkurent z 200 opiniami i średnią 4.4 — mimo że ugruntowana firma reprezentuje znacznie bardziej wiarygodny sygnał. Każdy system rankingowy, który na to pozwala, zostanie w ciągu kilku miesięcy zmanipulowany do granic bezużyteczności.

Jak w praktyce działa obliczanie ocen gwiazdkowych Google

Pomyśl o ocenie bayesowskiej jako o średniej ważonej zaufaniem. Gdy masz bardzo mało opinii, system nie ufa Twojej próbie na tyle, by wyświetlić ją wprost. Zamiast tego miesza Twoją surową średnią z prawdopodobieństwem a priori — domyślnym oczekiwaniem opartym na wszystkich podobnych firmach. Im więcej opinii zbierzesz, tym bardziej system ufa Twoim własnym danym i tym mniejsze znaczenie ma prawdopodobieństwo a priori.

IMDB stosuje dokładnie to podejście do swojej listy Top 250 i publicznie udokumentowało wzór: WR = (v/(v+m)) × R + (m/(v+m)) × C. Zmienne są elegancko proste, ale pełne zrozumienie implikacji behawioralnych zajmuje chwilę. Ta sama struktura matematyczna pojawia się w dokumentacji rankingowej Algolii, literaturze akademickiej na temat systemów opinii oraz w pracach specjalistów SEO badających lokalne rankingi Google.

Wzór WR = (v/(v+m)) × R + (m/(v+m)) × C jest ważoną mieszanką dwóch wartości: obserwowanej średniej Twojej firmy (R) i średniej dla całej kategorii (C). Wagi są określane przez liczbę posiadanych opinii (v) w stosunku do minimalnego progu wiarygodności (m).

Zauważ, że (v/(v+m)) + (m/(v+m)) zawsze równa się 1.0. Te dwie wagi sumują się do 100% — zawsze interpolujesz między własnymi danymi a prawdopodobieństwem a priori. Pytanie brzmi tylko, w jakiej proporcji. Gdy v jest małe w stosunku do m, dominuje prawdopodobieństwo a priori. Gdy v jest duże w stosunku do m, dominują Twoje własne opinie.

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

Próg m to parametr, który koduje wymagania platformy dotyczące zaufania. IMDB ustala m na około 25 000 głosów dla swojej listy Top 250. Kawiarnia w sąsiedztwie na Google nie konkuruje w tym samym wszechświecie statystycznym co „Avatar”, więc m jest ustawione znacznie niżej — specjaliści szacują, że dla lokalnych wizytówek Google m mieści się w zakresie od 5 do 50, w zależności od kategorii i rynku geograficznego.

Średnia dla kategorii C jest najbardziej niedocenianą zmienną. To nie jest stała globalna wartość. Google prawie na pewno oblicza C dynamicznie — dla każdej kategorii, dla każdego miasta, być może dla każdego kontekstu wyszukiwania. Dentysta w San Francisco jest porównywany z innymi dentystami z San Francisco, a nie z restauracjami na wiejskich obszarach Montany. Oznacza to, że Twój bayesowski próg jest specyficzny dla kategorii.

Dlaczego ważona formuła oceny gwiazdkowej ma znaczenie dla Twojego SEO

Praktyczna implikacja jest taka, że zdobycie pierwszych 50 opinii ma nieproporcjonalnie większe znaczenie niż zdobycie opinii od 51 do 150. Każda opinia poniżej progu wiarygodności m ma ogromny wpływ, ponieważ znacząco zmienia współczynnik (v/(v+m)). Przejście z v=5 do v=10 podwaja wagę zaufania. Przejście z v=150 do v=155 jest ledwo mierzalne.

To wyjaśnia sprzeczny z intuicją wzorzec, który specjaliści obserwują wielokrotnie: firma przechodzi z 3 do 30 opinii i widzi, jak jej wyświetlana ocena spada z 5.0 do 4.6 — nawet jeśli nowe opinie są również pozytywne. Matematyka jest poprawna. Wczesne 5.0 było bayesowską fikcją. 4.6 to pierwsza uczciwa estymacja.

Dwa przykłady obliczeniowe, wykorzystujące realistyczną średnią dla kategorii C = 4.1 i minimalny próg m = 50. Są to wiarygodne szacunki dla umiarkowanie konkurencyjnej lokalnej kategorii usług (hydraulicy, dentyści, warsztaty samochodowe). Podstaw własne wartości, aby modelować swoją kategorię.

Firma A ma idealną surową ocenę — każdy recenzent dał 5 gwiazdek. Ale przy zaledwie 3 opiniach, formuła ufa swoim własnym danym tylko w 5,7%. Pozostałe 94,3% jej wyświetlanej oceny pochodzi ze średniej dla kategorii wynoszącej 4.1. Wynik: 4.15. A nie 5.0, na które wydaje się zasługiwać.

Firma B ma niższą surową średnią na poziomie 4.6 — niektórzy recenzenci dali 3 lub 4 gwiazdki. Ale 120 opinii oznacza, że formuła ufa swoim własnym danym w 70,6%. Jej wyświetlana ocena 4.45 jest znacznie bliższa rzeczywistości i zostanie wyżej oceniona przez algorytm Google niż nominalne 5.0 firmy A. Liczba opinii buduje wiarygodność. Wiarygodność zapewnia widoczność.

Poniższa tabela stosuje wzór w sześciu scenariuszach przy C = 4.1 i m = 50. Kolumna Delta pokazuje, o ile ocena bayesowska różni się od prostej średniej. Zauważ, jak różnica maleje wraz ze wzrostem liczby opinii — to prawdopodobieństwo a priori traci na znaczeniu w miarę gromadzenia dowodów.

Najciekawszy jest ostatni wiersz: firma z zaledwie 5 opiniami, ale fatalną surową średnią 2.0, w rzeczywistości wyświetla 3.85 — podciągnięta o prawie dwie pełne gwiazdki przez średnią dla kategorii. To jest celowe. System nie skazuje firmy na zapomnienie na podstawie pięciu punktów danych. Zabezpiecza się, dążąc do średniej, dopóki próba nie będzie wystarczająco duża, aby uzasadnić zaufanie.

Ten efekt tłumienia negatywnych wartości odstających jest powodem, dla którego bombardowanie negatywnymi opiniami — skoordynowana kampania fałszywych negatywnych recenzji — jest mniej katastrofalne, niż się wydaje na pierwszy rzut oka. Algorytm opiera się skrajnym wynikom, gdy liczba opinii jest niewystarczająca, aby je uzasadnić. Niemniej jednak, systemy wykrywania anomalii Google oznaczają również kampanie opinii o gwałtownym tempie w obu kierunkach.

Formuła bayesowska wyjaśnia podstawy, ale rzeczywisty system Google dodaje co najmniej trzy kolejne warstwy: spadek znaczenia z czasem, ocenę zaufania autora opinii i tłumienie anomalii przy skokach liczby opinii. Żadna z nich nie jest oficjalnie potwierdzona. Wszystkie są wywnioskowane na podstawie obserwowalnych zachowań i analizy patentów.

Pomyśl o podstawowej formule bayesowskiej jako o fundamencie. Wszystko, co na niej zbudowano, sprawia, że sygnał jest bardziej odporny na manipulacje i dokładniejszy w czasie. Cel jest zawsze ten sam: sprawić, by wyświetlana ocena odzwierciedlała to, czego klient rzeczywiście doświadczyłby, gdyby wszedł dzisiaj do firmy.

Ważenie ze względu na aktualność — dlaczego ostatnie 90 dni dominuje

Google stosuje zanik czasowy do opinii, przyznając większą wagę nowszym informacjom zwrotnym niż starszym wpisom. Mechanizm jest zgodny z funkcją zaniku wykładniczego, gdzie wpływ opinii maleje z czasem, zamiast spaść do zera w określonym terminie.^[1]

Analiza zachowań ocen Google przez społeczność konsekwentnie pokazuje, że opinie opublikowane ponad 12–18 miesięcy temu mają o około 30–50% mniejszy wpływ niż opinia opublikowana w zeszłym tygodniu. 5-gwiazdkowa opinia sprzed trzech lat wciąż jest liczona — po prostu jest liczona z mniejszą wagą. Oznacza to, że firma, która zebrała 80 opinii w 2022 roku i od tamtej pory nie dostała żadnej, żyje na pożyczonym sygnale.

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

Zaufanie do autora opinii — dlaczego opinia Lokalnego Przewodnika na poziomie 7 ma większą siłę przebicia

Hierarchia zaufania Google do recenzentów jest wywnioskowana z portfolio patentowego i obserwowalnych zachowań. Patent US8818995B1 opisuje system rankingowy, który waży wkład na podstawie poziomu zaufania podmiotu go dokonującego. W odniesieniu do opinii: Lokalny Przewodnik na poziomie 7 z setkami szczegółowych recenzji w wielu kategoriach biznesowych jest rejestrowany jako węzeł o wysokim zaufaniu.^[2]

Praktyczny efekt: 5-gwiazdkowa opinia od Lokalnego Przewodnika na poziomie 7 jest prawdopodobnie ważona ciężej niż 5-gwiazdkowa opinia z konta utworzonego wczoraj bez historii recenzji. Nie chodzi o wartość gwiazdek — obie liczą się jako 5 w liczniku. Ale waga stosowana do każdej z nich przed uśrednieniem jest inna. Google nigdy publicznie nie określiło tej różnicy.

Tłumienie anomalii — co się dzieje, gdy w ciągu tygodnia pojawia się 40 opinii

Skoki w tempie napływu opinii uruchamiają osobną warstwę detekcji. Jeśli firma otrzymuje 40 opinii w ciągu 72 godzin, podczas gdy jej bazowa wartość to 2–3 miesięcznie, systemy Google oznaczają ten wzorzec. Wynikiem nie jest automatyczne usunięcie — jest to kwarantanna. Nowe opinie przestają pojawiać się w wyświetlanej liczbie i ocenie, podczas gdy system prowadzi dochodzenie.^[3]

Ten mechanizm wyjaśnia, dlaczego firmy, które masowo kupują kampanie opinii, często nie widzą żadnej widocznej poprawy — lub tymczasowo widzą spadek ocen w swoich profilach, ponieważ starsze autentyczne opinie pozostają widoczne, a nowa partia tkwi w zawieszeniu. Algorytm jest specjalnie dostrojony, aby nie ufać nagłym zmianom wolumenu, które odbiegają od ustalonych wartości bazowych.

Dwa scenariusze w stylu rzeczywistym, aby zilustrować, jak formuła zachowuje się w czasie. Żaden nie jest fikcyjny — te wzorce pojawiają się wielokrotnie w studiach przypadków od specjalistów ds. zarządzania reputacją.

Scenariusz z dentystą demonstruje kluczowy wgląd w ocenę bayesowską: niższa surowa średnia z wysokim zaufaniem pokonuje wyższą surową średnią z niskim zaufaniem. Wyświetlana ocena spadła (z nominalnej 4.9 do wyświetlanej 4.58), ale pozycja w rankingu poprawiła się, ponieważ waga zaufania jest teraz realna.

Scenariusz ze skokiem opinii w restauracji ilustruje, dlaczego organiczny rytm ma znaczenie. Systemy Google są skalibrowane do wykrywania nienaturalnego tempa. Czterdzieści opinii w ciągu tygodnia, a następnie dwa miesiące ciszy, nie tylko wygląda podejrzanie — stłumiona efektywna liczba oznacza, że wydałeś pieniądze i prawie nic nie zyskałeś. Matematyka karze to podwójnie: wykrywanie anomalii zmniejsza widoczną liczbę, a spadek znaczenia z czasem oznacza, że opinie z okresu skoku natychmiast zaczynają tracić na wartości.

Uśrednianie bayesowskie nie jest jedynym statystycznie poprawnym podejściem. Esej Evana Millera z 2009 roku „How Not to Sort by Average Rating” spopularyzował inną metodę: dolną granicę przedziału ufności Wilsona. Reddit przyjął ją do rankingu komentarzy. Yelp używa jej wariacji.

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

Wilson score zadaje inne pytanie niż uśrednianie bayesowskie. Zamiast „zmieszaj moje dane z prawdopodobieństwem a priori”, pyta: „biorąc pod uwagę posiadane oceny, jaka jest najgorsza prawdopodobna prawdziwa jakość przy 95% pewności?”. Daje to konserwatywną estymację, która karze niepewność jeszcze bardziej agresywnie niż uśrednianie bayesowskie przy bardzo małej liczbie opinii.

Trzecie podejście — model Dirichleta-Wielomianowy — traktuje wszystkie pięć wartości gwiazdek jako oddzielne kategorie, a nie pojedynczą ciągłą skalę. District Data Labs udokumentowało to podejście dla systemów wielogwiazdkowych. Jest matematycznie bardziej poprawne niż formuła IMDB (która niejawnie traktuje gwiazdki jako skalę liniową), ale obliczeniowo cięższe. W praktyce, różnica behawioralna między uśrednianiem bayesowskim a modelem Dirichleta staje się znikoma powyżej około 30 opinii.

Zrozumienie matematyki przekształca abstrakcyjną radę („zdobywaj więcej opinii”) w skwantyfikowaną strategię. Każda firma istnieje gdzieś na spektrum v/(v+m). Wiedza o tym, gdzie jesteś, mówi Ci, jak bardzo Twoja następna opinia faktycznie przesuwa wskaźnik.

Jeśli v = 8 i m = 50, pojedyncza nowa 5-gwiazdkowa opinia przesuwa Twoją wagę zaufania z 8/58 = 0.138 do 9/59 = 0.153. Ten 1.5-punktowy procentowy wzrost jest znaczący. Jeśli v = 300 i m = 50, ta sama opinia przesuwa Cię z 300/350 = 0.857 do 301/351 = 0.858 — ledwo wykrywalne. Wolumen we wczesnym oknie ma dziesięciokrotnie większy wpływ matematyczny niż wolumen na dużą skalę.

Jak obliczyć ważoną średnią ocenę gwiazdkową dla własnej firmy

Możesz sam uruchomić wzór w arkuszu kalkulacyjnym. Przyjmij swoją obecną liczbę opinii jako v. Oszacuj m dla swojej kategorii, patrząc, jakie liczby opinii utrzymują 3 najlepsze firmy w Twojej kategorii w Google Maps — 25. percentyl tego rozkładu to rozsądne oszacowanie m. Twoja obecna wyświetlana ocena to prawdopodobnie już wynik WR; Twoja prosta średnia to suma podzielona przez liczbę w Twoim panelu.

Obliczenie, na którym Ci zależy, to krańcowy wpływ następnych N opinii. Zamodeluj to: zwiększ v o 10, przelicz WR, zaobserwuj różnicę. Zrób to dla różnych wartości v, aby zbudować krzywą wrażliwości. Najbardziej stroma część tej krzywej — gdzie każda dodatkowa opinia przynosi największą poprawę WR — to miejsce, w którym powinieneś skoncentrować swoje wysiłki na pozyskiwaniu opinii.

Dlaczego aktualność oznacza, że tempo napływu opinii jest ważniejsze niż ich całkowita liczba

Gdy zrozumiesz spadek znaczenia z czasem, cel optymalizacji się zmienia. Nie chodzi tylko o całkowitą liczbę — chodzi o liczbę rozłożoną w czasie. Firma z 400 opiniami zebranymi przez pięć lat i żadną w ciągu ostatnich 18 miesięcy, faktycznie działa na mniejszej efektywnej próbie, niż sugerują liczby. Starsze opinie w mniejszym stopniu przyczyniają się do bieżącej średniej ważonej.

Konsekwentne generowanie opinii — nawet w umiarkowanym tempie — kumuluje się w czasie w sposób, w jaki jednorazowe pozyskiwanie nigdy tego nie zrobi. Osiem nowych opinii miesięcznie przez dwanaście miesięcy przewyższa 96 opinii w jednym miesiącu pod niemal każdym istotnym względem: zaufania bayesowskiego, unikania wykrycia anomalii, trajektorii spadku znaczenia z czasem i percepcji wiarygodności przez konsumentów.