كيف تحسب جوجل تقييمات النجوم الخاصة بك حقًا (إنه ليس متوسطًا بسيطًا)

تحليل للرياضيات البايزية، وترجيح الحداثة، وتسجيل الثقة الذي يحدد تقييمك المعروض، مع الصيغ الفعلية والأمثلة التطبيقية.

يتعلم معظم أصحاب الأعمال هذا الدرس بالطريقة الصعبة. يمكنك الحصول على عشرين تقييمًا مثاليًا بخمس نجوم على التوالي وترى تقييمك على جوجل بالكاد يتحرك. أو ربما تعمل لأشهر، وتصل أخيرًا إلى 50 تقييمًا، وتجد أن متوسطك البالغ 4.8 يظهر كـ 4.3 على الخريطة. النظام ليس معطلاً. إنه يعمل تمامًا كما صُمم. لم يتم إخبارك فقط كيف صُمم.

لم تُصدر جوجل رسميًا خوارزمية التقييم الخاصة بها قط. ومع ذلك، فإن آلياتها مفهومة على نطاق واسع. يعود الفضل في ذلك إلى توثيق IMDB العام لصيغتها البايزية الخاصة، وملاحظات Algolia حول التصنيف، وأبحاث الجامعات في منصات التقييم، وسنوات من عمل الممارسين في الهندسة العكسية لما يرونه. تشرح هذه المقالة الرياضيات، باستخدام أرقام حقيقية.

أولاً، دعنا نُعرّف المتوسط البسيط ونرى لماذا هو أداة ضعيفة لهذه المهمة. المتوسط الحسابي هو مجموع جميع التقييمات مقسومًا على عدد التقييمات. إذا كان لديك ثلاثة تقييمات (5، 4، و 5)، فإن متوسطك هو (5+4+5)/3، أو 4.67. هذا سليم حسابيًا. ولكن لتصنيف آلاف الأنشطة التجارية مقابل بعضها البعض، فإنه مضلل إحصائيًا.

تتضاعف مشاكل هذه الطريقة على نطاق واسع. مقهى افتتح هذا الأسبوع بثلاثة تقييمات متوهجة من أصدقاء المالك سيحتل مرتبة أعلى من منافس قديم بمتوسط 4.4 من 200 تقييم. النشاط التجاري الراسخ هو إشارة جودة أكثر موثوقية بكثير. أي نظام يسمح بهذا النوع من النتائج يمكن التلاعب به ليصبح عديم الفائدة في وقت قصير.

كيف يعمل حساب تقييم جوجل بالنجوم في الواقع

التقييم البايزي هو متوسط مرجح بالثقة. مع عدد قليل من التقييمات، يفتقر النظام إلى بيانات كافية للوثوق بنتيجتك. لذلك، يمزج متوسطك الخام مع 'سابقة' — وهي درجة افتراضية تستند إلى جميع الأنشطة التجارية المشابهة لعملك. كلما جمعت المزيد من التقييمات، يضع النظام ثقة أكبر في بياناتك الخاصة، ويتلاشى تأثير السابقة.

تستخدم IMDB هذه الطريقة بالضبط لقائمة أفضل 250 فيلمًا لديها وقد نشرت الصيغة: WR = (v/(v+m)) × R + (m/(v+m)) × C. المتغيرات واضحة، لكن تأثيراتها على السلوك يمكن أن تكون مفاجئة. تظهر نفس الرياضيات في أدلة تصنيف البحث الخاصة بـ Algolia، والأوراق الأكاديمية حول أنظمة التقييم، وعمل متخصصي تحسين محركات البحث (SEO) الذين درسوا سلوك البحث المحلي في جوجل.

تحسب المعادلة WR = (v/(v+m)) × R + (m/(v+m)) × C مزيجًا مرجحًا من رقمين: متوسط درجات نشاطك التجاري المرصود (R) ومتوسط فئتك بأكملها (C). يتم تحديد الأوزان بناءً على عدد التقييمات التي لديك (v) مقارنةً بالحد الأدنى من رقم المصداقية (m).

انظر إلى عاملي الترجيح: (v/(v+m)) و (m/(v+m)). مجموعهما دائمًا 1.0. هذا يعني أنك دائمًا تمزج بياناتك الخاصة مع السابقة. الشيء الوحيد الذي يتغير هو النسب. عندما تكون v صغيرة مقارنة بـ m، يكون للسابقة تأثير أكبر. عندما تكون v كبيرة مقارنة بـ m، يكون لتقييماتك الخاصة تأثير أكبر.

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

القيمة الحدية، m، هي الرقم الذي يحدد معيار ثقة المنصة. لقائمة أفضل 250 فيلمًا، تستخدم IMDB قيمة m تبلغ حوالي 25,000 صوت. مقهى محلي على جوجل ليس في نفس مستوى فيلم أفاتار، لذا فإن قيمة m الخاصة به أقل بكثير. يقدر الممارسون أن قيمة m لقوائم جوجل المحلية تتراوح عادة بين 5 و 50، اعتمادًا على فئة النشاط التجاري والسوق.

متوسط الفئة، C، هو المتغير الأكثر إغفالًا هنا. إنه ليس رقمًا عالميًا واحدًا. جوجل بالتأكيد تحسب C بشكل فوري لكل فئة ومدينة، وربما حتى لكل استعلام بحث. يتم قياس طبيب أسنان في شيكاغو مقابل أطباء الأسنان الآخرين في شيكاغو، وليس مقابل محلات البيتزا في ريف تكساس. لذا فإن الحد الأدنى لدرجتك خاص بفئتك.

لماذا صيغة تقييم النجوم المرجحة مهمة لتحسين محركات البحث الخاصة بك

النتيجة الواقعية هي أن أول 50 تقييمًا لك أهم بكثير من التقييمات من 51 إلى 150. أي تقييم تحصل عليه أقل من عتبة المصداقية m يخلق تحولًا كبيرًا في معامل (v/(v+m)). الانتقال من v=5 إلى v=10 يضاعف وزن ثقتك. الانتقال من v=150 إلى v=155 يخلق تغييرًا يصعب حتى قياسه.

تشرح هذه الرياضيات نمطًا غريبًا يراه متخصصو تحسين محركات البحث (SEO) طوال الوقت: نشاط تجاري ينمو من 3 تقييمات إلى 30 ويرى تقييمه المعروض ينخفض من 5.0 إلى 4.6، حتى لو كانت جميع التقييمات الجديدة جيدة. الحساب صحيح. كانت درجة 5.0 المبكرة وهمًا بايزيًا. الـ 4.6 هو أول تقدير حقيقي للجودة.

دعنا نمر بمثالين. سنستخدم متوسط فئة واقعي C = 4.1 وعتبة دنيا m = 50. هذه تقديرات عادلة لفئة خدمة ذات منافسة معتدلة، مثل السباكة أو طب الأسنان أو خدمة السيارات. يمكنك استبدال أرقامك الخاصة لنمذجة وضعك.

النشاط التجاري أ لديه درجة خام مثالية؛ كل عميل ترك 5 نجوم. ولكن بثلاثة تقييمات فقط، تعطي الصيغة بياناته الخاصة وزنًا بنسبة 5.7% فقط. الـ 94.3% المتبقية من درجته المعروضة مشتقة من متوسط الفئة البالغ 4.1. النتيجة هي 4.15، وليس 5.0 التي يبدو أنه حصل عليها.

النشاط التجاري ب لديه متوسط خام أقل يبلغ 4.6، مع بعض التقييمات بثلاث وأربع نجوم. لكن تقييماته الـ 120 تعني أن الصيغة تعطي بياناته الخاصة وزنًا بنسبة 70.6%. درجته المعروضة البالغة 4.45 أقرب بكثير إلى أدائه الفعلي. ستقوم خوارزمية جوجل بتصنيفه فوق النشاط التجاري أ. الحجم يشتري لك المصداقية. والمصداقية تشتري لك الترتيب.

يستخدم الرسم البياني أدناه الصيغة لستة سيناريوهات مختلفة، مع C = 4.1 و m = 50. يكشف عمود 'دلتا' عن مدى بعد الدرجة البايزية عن المتوسط البسيط. هل ترى كيف تتقلص هذه الفجوة مع زيادة عدد التقييمات؟ هذا هو تأثير السابقة الذي يتلاشى مع ورود المزيد من الأدلة.

الصف الأكثر دلالة هو الأخير. نشاط تجاري بخمسة تقييمات فقط ومتوسط خام بائس يبلغ 2.0 لا يزال يظهر درجة 3.85. يتم رفعه بما يقرب من نجمتين كاملتين بفضل متوسط الفئة. هذا مقصود. لن يدمر النظام نشاطًا تجاريًا بناءً على خمس نقاط بيانات فقط. إنه يراهن على المتوسط حتى يصبح حجم العينة كبيرًا بما يكفي للوثوق به.

هذا التأثير المخفف للقيم الشاذة السلبية هو السبب في أن قصف التقييمات — حملة متعمدة من التقييمات المزيفة بنجمة واحدة — أقل ضررًا مما يبدو عليه في البداية. تحارب الخوارزمية النتائج المتطرفة إذا كان عدد التقييمات منخفضًا جدًا لدعمها. بالإضافة إلى ذلك، تم بناء أنظمة جوجل للكشف عن حملات التقييم عالية السرعة من أي نوع، إيجابية أو سلبية، والإبلاغ عنها، وهو ما ينتهك سياسة المنصة.

توفر الصيغة البايزية الأساس، لكن نظام جوجل الحقيقي يحتوي على ثلاثة مكونات أخرى على الأقل: اضمحلال الحداثة، وثقة المساهمين، وتخميد الارتفاعات المفاجئة في السرعة. لم تؤكد جوجل هذه الأمور. كلها مستنتجة من مراقبة سلوك النظام وتحليل براءات الاختراع.

الصيغة البايزية الأساسية هي نقطة البداية. الطبقات الأخرى تجعل النتيجة النهائية أصعب في التلاعب بها وأكثر دقة في اللحظة الحالية. الهدف دائمًا هو نفسه: عرض تقييم يعكس ما يمكن أن يتوقعه العميل إذا زار اليوم.

ترجيح الحداثة: لماذا تهيمن آخر 90 يومًا

تطبق جوجل عامل اضمحلال زمني على التقييمات، مقدرةً التعليقات الحديثة أكثر من القديمة. يعمل هذا كدالة اضمحلال أسي: تتلاشى قوة التقييم بمرور الوقت بدلاً من السقوط المفاجئ في تاريخ محدد.^[1]

يُظهر تحليل نظام تقييم جوجل من قبل مجتمع تحسين محركات البحث (SEO) أن التقييمات التي مضى عليها أكثر من 12-18 شهرًا لها تأثير أقل بنسبة 30-50% تقريبًا من تقييم الأسبوع الماضي. تقييم 5 نجوم من ثلاث سنوات مضت لا يزال يُحتسب، لكنه يُحتسب بقيمة أقل. هذا يعني أن النشاط التجاري الذي حصل على 80 تقييمًا في عام 2022 ولكن لم يحصل على أي تقييم منذ ذلك الحين يعمل بإشارة متلاشية.

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

ثقة المساهم: لماذا يُحتسب تقييم من مرشد محلي من المستوى 7 أكثر

يمكن استنتاج نظام ثقة جوجل للمراجعين من براءات اختراعها ومن مراقبة كيفية تغير التقييمات. تحدد براءة الاختراع US8818995B1 نظام تصنيف بحث يرجح المدخلات بناءً على مستوى ثقة المصدر. بالنسبة للتقييمات، هذا يعني أن مرشدًا محليًا من المستوى 7 لديه تاريخ من مئات التقييمات المفصلة هو مصدر عالي الثقة.^[2]

التأثير الواقعي هو أن تقييم 5 نجوم من مرشد محلي من المستوى 7 ربما يكون له وزن أكبر من تقييم 5 نجوم من حساب جديد بدون تاريخ. هذا لا يتعلق بقيمة النجمة نفسها؛ كلاهما '5' في الحساب. لكن الوزن المطبق على كل منهما قبل حساب المتوسط مختلف. لم تذكر جوجل أبدًا حجم هذا الاختلاف.

تخميد الشذوذ: ماذا يحدث إذا ظهر 40 تقييمًا في أسبوع واحد

تؤدي الارتفاعات المفاجئة في السرعة إلى تشغيل نظام كشف منفصل. إذا حصل نشاط تجاري يحصل عادة على 2-3 تقييمات شهريًا فجأة على 40 تقييمًا في 72 ساعة، يقوم نظام جوجل بتمييز هذا النمط. هذا لا يؤدي إلى الحذف التلقائي بل إلى الحجر الصحي. لا تظهر التقييمات الجديدة في العدد العام أو التقييم بينما يقوم النظام بالتحقيق.^[3]

هذه الآلية هي السبب في أن الأنشطة التجارية التي تشتري التقييمات غالبًا لا ترى أي تغيير، أو حتى ترى تقييماتها تنخفض حيث تظل التقييمات القديمة والحقيقية مرئية بينما يتم تعليق التقييمات المزيفة الجديدة. هذه الممارسة تنتهك سياسات جوجل وهي غير قانونية في الولايات المتحدة بموجب قواعد لجنة التجارة الفيدرالية (FTC). تم بناء الخوارزمية لعدم الثقة في التغييرات المفاجئة التي لا تتطابق مع نمط النشاط التجاري الراسخ.

إليكم سيناريوهان نموذجيان مستوحيان من حالات واقعية. إنهما ليسا خيالاً؛ تظهر هذه الأنماط مرارًا وتكرارًا في تقارير المتخصصين في إدارة السمعة.

يوضح مثال طبيب الأسنان الدرس الرئيسي للتقييم البايزي: متوسط خام أقل بثقة عالية أفضل من متوسط خام مرتفع بثقة منخفضة. انخفضت الدرجة المعروضة (من 4.9 نظرية إلى 4.58 مرئية)، لكن ترتيبها في البحث ارتفع لأن وزن الثقة أصبح قويًا الآن.

يوضح مثال ارتفاع المطعم لماذا الوتيرة الطبيعية مهمة. تم تصميم أنظمة جوجل لاكتشاف السرعة غير الطبيعية. أربعون تقييمًا في أسبوع، ثم شهرين بدون تقييمات، لا يبدو مشبوهًا فحسب. يعني العدد الفعال المخفف أنك دفعت مقابل لا شيء. تعاقب الرياضيات هذا مرتين: كشف الشذوذ يخفض العدد المرئي، واضمحلال الحداثة يعني أن تقييمات الارتفاع تبدأ في التلاشي على الفور تقريبًا.

المتوسط البايزي ليس الطريقة الإحصائية السليمة الوحيدة. مقال إيفان ميلر عام 2009 'كيف لا تصنف حسب متوسط التقييم' جعل طريقة أخرى مشهورة: الحد الأدنى لفاصل ثقة درجة ويلسون. يستخدمها Reddit لتصنيف التعليقات. ويستخدم Yelp نسخة منها.

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

تجيب درجة ويلسون على سؤال مختلف عن المتوسط البايزي. بدلاً من السؤال، 'كيف يجب أن أدمج بياناتي مع سابقة؟'، تسأل، 'بالنظر إلى تقييماتي الحالية، ما هو أدنى مستوى لجودتي الحقيقية بثقة 95%؟' هذا يعطي درجة متحفظة تعاقب عدم اليقين بشكل أثقل من المتوسط البايزي عند عدد قليل جدًا من التقييمات.

طريقة ثالثة، نموذج ديريكليه المتعدد الحدود، تعامل كل قيمة من قيم النجوم الخمس كدلو منفصل، وليس كخط مستمر واحد. وقد وثقت District Data Labs هذا لأنظمة النجوم المتعددة. إنها أكثر صرامة رياضيًا من صيغة IMDB (التي تعامل النجوم كخطية)، ولكنها أيضًا أصعب في الحساب. عمليًا، يكون الفرق بين المتوسط البايزي ونموذج ديريكليه ضئيلًا بمجرد أن يكون لديك أكثر من حوالي 30 تقييمًا.

عندما تفهم الرياضيات، تتحول النصيحة الغامضة 'احصل على المزيد من التقييمات' إلى خطة قابلة للقياس. كل نشاط تجاري يقع في مكان ما على منحنى v/(v+m). معرفة موقعك يخبرك بمدى تأثير تقييمك التالي على درجتك بالفعل.

إذا كانت v = 8 و m = 50، فإن تقييمًا جديدًا بخمس نجوم ينقل وزن ثقتك من 8/58 (0.138) إلى 9/59 (0.153). هذه قفزة ذات مغزى بنسبة 1.5 نقطة مئوية. إذا كانت v = 300 و m = 50، فإن نفس التقييم ينقلك من 300/350 (0.857) إلى 301/351 (0.858)، وهو تغيير يكاد يكون غير مرئي. حجم التقييمات في البداية له قوة رياضية أكبر بعشر مرات من حجم التقييمات على نطاق واسع.

كيف تحسب متوسط تقييم النجوم المرجح لنشاطك التجاري الخاص

يمكنك تشغيل هذه الصيغة في جدول بيانات. استخدم عدد تقييماتك الحالي لـ v. لتقدير m لفئتك، انظر إلى عدد التقييمات لأفضل ثلاثة أنشطة تجارية في فئة خرائط جوجل الخاصة بك؛ يمثل الربع الأول (الـ 25 المئوي) لتلك المجموعة تخمينًا جيدًا لـ m. من المرجح أن يكون تقييمك المعروض الحالي هو نتيجة WR؛ متوسطك البسيط هو مجموع النجوم مقسومًا على العدد.

الرقم الذي تهتم به حقًا هو تأثير التقييمات N التالية. قم بنمذجته. أضف 10 إلى v، أعد حساب WR، وشاهد مدى التغيير. افعل ذلك لمجموعة من قيم v لرسم منحنى الحساسية. الجزء الأكثر انحدارًا من هذا المنحنى هو حيث يكون للتقييم الجديد أكبر تأثير؛ وهذا هو المكان الذي يجب أن تركز فيه جهودك.

لماذا تجعل الحداثة سرعة التقييمات أهم من العدد الإجمالي

بمجرد أن تستوعب اضمحلال الحداثة، يتغير هدفك. لا يتعلق الأمر فقط بالعدد الإجمالي للتقييمات، بل بكيفية توزيع هذا العدد على مدار الوقت. نشاط تجاري لديه 400 تقييم من خمس سنوات مضت ولكن لا شيء في آخر 18 شهرًا يعمل بعينة فعالة أصغر مما يوحي به عدده الإجمالي. تساهم التقييمات المتلاشية بشكل أقل في المتوسط المرجح.

تيار مستمر من التقييمات، حتى لو كان صغيرًا، يضاعف فوائده بطرق لا يمكن أن يحققها تدفق واحد. الحصول على ثمانية تقييمات جديدة كل شهر لمدة عام أفضل من الحصول على 96 تقييمًا في شهر واحد تقريبًا بكل المقاييس: الثقة البايزية، تجاوز كشف الشذوذ، مسار اضمحلال الحداثة، ومدى مصداقيتك لدى العملاء.