likun.pm

自从web2.0时代以来，用户参与到了互联网的内容建设中，UGC成为非常关键的互联网产出。作为UGC中最经典的产品形态，评价的有着不可估量的价值。在百度来负责的第一个产品就是评价。

1、为什么而做，评价的核心价值与需求
看淘宝，京东这样的电商平台，评价已经成为订单完成后的标配，为后续的用户消费决策提供评价参考，建立信任机制。为整个服务库的生态提供rank的数据支撑。

2、评论与评价的不同

评论是论，核心是一种对事物的“论”。更偏向言论。评价是价，偏向有具象的价值描述。

3、如何做评价
建立评价系统，其中涉及到很多方。这里介绍基于订单的评价体系。

• 评价的发表
• 评价的查看
• 评价的审核
• 评价的rank模型

1、首先说说评价的发表

评价入口的产生：一般来讲，评价的入口都是来源于订单中心。当一个订单为完结状态时，产出发表评价的入口。

评价的发表：针对一次订单，用户评价的对象有商品本身以及商户的服务两部分，一般，每一个商品都会有一个打分以及500字以内的文字评论，针对商户服务，一般都是3个维度的打分，通用打分如服务态度，描述相符，发货速度等等。未来针对不同的垂类，可能会做细化的服务模型建设，早期建设可以走通用方案。

评价的内容：一般，用户打分的时候不要光秃秃的选择分数，最好能给予用户引导，每个分数对对应的意义，发表文字评论里，一般有文本内容，表情，图片（多图文）。

评价的身份：用户可以选择使用自己的真实身份或者匿名身份来发表评价，匿名是为了保护用户隐私。

2、其次说说评价的查看

评价的查看分为两个部分：to B以及to C。

to B：商户可以根据最新的时间来查看自己店铺里的基于订单的商品评价，可以回复用户的评价。可以按照时间，评分，商品等筛选查看评价内容。可以查看自己店铺的服务的平均分，累计评价条数等。

to C：用户可以查看别的用户发表的评价内容，也可以查看自己发表过的评价内容，可以查看中评，好评，差评（需要平台定义），高级点的，会抽中某个商品的高频关键词，展现在评价顶部供用户参考。用户还可以查看商品的平均评分，商户服务的打分，需要可以查看商户对别的用户的公开回复，可以对别的用户的评价进入回复，可以对别人的回复点赞支持。

3、评价的审核

任何UGC，都会被恶评以及黄反广告作弊内容灌水，针对订单的评价这一方面会少一些，但是也是存在的，所有的评价内容，一般会分为先发后审以及先审后发两种机制，电商评价体系一般都是才有先发后审的机制。在我做的评价系统里，一次评价，会经过以下几次反作弊：前置反作弊，会通过前置关键词，直接过滤到，不让用户发表，给用户提示，一般都是一些政治敏感词。等用户提交发表成功后，会立即进入后置反作弊，即机器审核流程，机器经过特定算法，会将spam全部删除，只留下允许的，紧接着，会将机器无法判断的内容送到人工审核处，人工审核除了处理机器无法判断的特殊内容外，还会主动的去用肉眼扫描一次当天的所有机器审核通过的评价内容。最后，任何评论都会有漏网的时候，而用户也会有恶意评价商户的时候，在用户端以及商户端都会有专门的反馈以及举报入口，商户可以对不实的恶意评价或者用户可以对不健康的用户评价进行投诉反馈。

4、评价的rank模型

评价数据，产出之后，是要作用于实际业务的，评价的数据会影响到所有核心的排序，检索策略上。包括商品的搜索，同一个关键词下的排序。

针对不同的排序对象，有不同的排队规则，具体的算法可以根据业务模型来定，但是有两个大原则：

针对商家：服务打分权重更高。

针对商品：商品本分的评分权重更高。