豆瓣的 5 分评价系统和 Steam 的推荐度评价系统，我们该怎样选择？

CM_lsy 产品犬舍 2022-12-10

@纯银

5 分制评价系统和 “推荐/不推荐” 的评价系统，各自的利弊是什么？

比如豆瓣，tap，点评都是 5 分制。

steam，jump 则是推荐/不推荐，最终落到 “xx% 用户推荐” 这个推荐率上面。

简单的理解是，5 分制的颗粒度更细，不同综合分之间的对比度更强，更适合建设一个有公信力的榜单。而推荐/不推荐，在用户侧的思考成本更低，容易拿到更大的参与样本。

@CM_lsy

先说结论：如果不以「榜单」作为主要产物，没必要设置细颗粒度评价系统，2-3 档足够。

功能设计上，如纯银所说，选项少、成本低、行为样本数高。如果业务目标里，不强调榜单、排名的场景，就不需要设计更复杂的评分系统——够用就行。

生活中最直接的例子是：

从上到下，获得更准确的排名，是需要额外支付成本的。

回到产品设计，几个有代表性的例子：

前者，用户通过「得分」来判断，能直接对比排名，非常直观。但维护得分公信力也需要支付高成本—— IMDb 的得分基础是贝叶斯算法，同时还要考虑用户特征的影响（新注册、刷榜、资深观影用户等）。从用户视角看，评分的操作成本高一点点，准确性也会有影响。

后者，用户通过「推荐值」来判断，如果不需要横向对比，也同样直观——这件商品在 smzdm 有 82% 的人点了值，我高低得点进去看看。

这里还引申出一个上层问题，从业务目标出发，希望通过评价系统「让用户获得什么、做什么」。对于大部分平台，无非是帮助用户完成消费决策。在这个目标下，排名和榜单也只是方法之一，尤其在有强大推荐算法加持的当下——毕竟在大部分场景下，给我最好的，不如给我最适合的。也聊两个有代表性的例子：

尤其 Netflix ，强调通过「适不适合」做主线推荐：如果你盛赞《绝命毒师》，一定会把《风骚律师》通过各种方式砸你脸上，然后见缝插针地让你看《黑钱胜地》和《苏里南》——都是通过「 96% 适合你」这种推荐理由。至于其他热剧，再通过其他运营手段（热榜、标签）推荐给你。

@Stove3

补一个交易产品的视角：滴滴的司机评分。

和点评、外卖不同，乘客是不能通过评分来挑选司机的。但滴滴很长一段时间内还是在用 5 分制的评价，主要原因在于：（对乘客的）公信力/专业感，以及（对平台的）更快对新司机定级。

当业务逐渐成熟以后，再逐渐减少评分档位，减轻用户的选择成本。

点击“阅读原文”，查看犬校加入方式。