Jak Google skutečně počítá vaše hodnocení hvězdičkami (není to jednoduchý průměr)

Rozbor Bayesovské matematiky, vážení podle aktuálnosti a skóre důvěry, které určují vaše zobrazené hodnocení, včetně skutečných vzorců a řešených příkladů.

Většina majitelů firem se to učí tou těžší cestou. Můžete získat dvacet perfektních pětihvězdičkových recenzí v řadě a vidět, jak se vaše hodnocení na Googlu sotva pohne. Nebo možná pracujete měsíce, konečně dosáhnete 50 recenzí a zjistíte, že váš průměr 4.8 se na mapě zobrazuje jako 4.3. Systém není rozbitý. Funguje přesně tak, jak byl navržen. Jen vám nikdo neřekl, jak byl navržen.

Google nikdy oficiálně nezveřejnil svůj algoritmus hodnocení. Jeho mechanika je však široce chápána. To je díky veřejné dokumentaci IMDB o jejich vlastní Bayesovské formuli, poznámkám Algolie o řazení, univerzitnímu výzkumu platforem pro recenze a letům praktiků, kteří zpětně analyzovali to, co vidí. Tento článek představuje matematiku s použitím reálných čísel.

Nejprve si definujme jednoduchý průměr a podívejme se, proč je pro tuto práci špatným nástrojem. Aritmetický průměr je součet všech hodnocení dělený počtem hodnocení. Pokud máte tři recenze (5, 4 a 5), váš průměr je (5+4+5)/3, tedy 4.67. To je aritmeticky správné. Ale pro řazení tisíců podniků proti sobě je to statisticky zavádějící.

Problémy s touto metodou se ve velkém měřítku násobí. Kavárna, která byla otevřena tento týden se třemi zářivými recenzemi od přátel majitele, by se umístila výše než dlouholetý konkurent s průměrem 4.4 z 200 recenzí. Zavedený podnik je mnohem spolehlivějším signálem kvality. Jakýkoli systém, který umožňuje takový výsledek, může být v krátké době zmanipulován do nepoužitelnosti.

Jak funguje výpočet hodnocení hvězdičkami na Googlu v praxi

Bayesovské hodnocení je průměr vážený důvěrou. S pouhými několika recenzemi systém postrádá dostatek dat, aby důvěřoval vašemu skóre. Proto míchá váš hrubý průměr s 'prioritou' – výchozím skóre založeným na všech podnicích, jako je ten váš. Jak shromažďujete více recenzí, systém více věří vašim vlastním datům a vliv priority slábne.

IMDB používá přesně tuto metodu pro svůj seznam Top 250 filmů a zveřejnil vzorec: WR = (v/(v+m)) × R + (m/(v+m)) × C. Proměnné jsou přímočaré, ale jejich účinky na chování mohou být překvapivé. Stejná matematika se objevuje v průvodcích vyhledávání Algolia, akademických pracích o systémech hodnocení a práci SEO specialistů, kteří studovali chování místního vyhledávání Google.

Rovnice WR = (v/(v+m)) × R + (m/(v+m)) × C vypočítává váženou směs dvou čísel: pozorovaného průměrného skóre vašeho podniku (R) a průměru pro celou vaši kategorii (C). Váhy jsou nastaveny tím, kolik recenzí máte (v) ve srovnání s minimálním číslem důvěryhodnosti (m).

Podívejte se na dva váhové faktory: (v/(v+m)) a (m/(v+m)). Vždy se sčítají na 1.0. To znamená, že vždy mícháte svá vlastní data s prioritou. Mění se pouze proporce. Když je v malé ve srovnání s m, priorita má větší vliv. Když je v velké ve srovnání s m, vaše vlastní recenze mají větší vliv.

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

Prahová hodnota, m, je číslo, které definuje standard důvěryhodnosti platformy. Pro svůj seznam Top 250 používá IMDB m přibližně 25 000 hlasů. Místní kavárna na Googlu není ve stejné lize jako film Avatar, takže její m je mnohem nižší. Praktici odhadují, že pro místní záznamy Google je m obvykle mezi 5 a 50, v závislosti na obchodní kategorii a trhu.

Průměr kategorie, C, je zde nejpřehlíženější proměnnou. Není to jediné globální číslo. Google téměř jistě vypočítává C za běhu pro každou kategorii a město, a možná i pro každý vyhledávací dotaz. Zubař v Chicagu je měřen proti jiným zubařům v Chicagu, ne proti pizzeriím ve venkovském Texasu. Spodní hranice vašeho skóre je proto specifická pro vaši kategorii.

Proč je vážený vzorec hodnocení hvězdičkami důležitý pro vaše SEO

Skutečným důsledkem je, že vašich prvních 50 recenzí je mnohem důležitějších než recenze 51 až 150. Jakákoli recenze, kterou získáte pod prahem důvěryhodnosti m, vytváří velký posun v koeficientu (v/(v+m)). Přechod z v=5 na v=10 zdvojnásobí vaši váhu důvěry. Přechod z v=150 na v=155 vytváří změnu, kterou je těžké vůbec změřit.

Tato matematika vysvětluje podivný vzorec, který SEO specialisté vidí neustále: podnik roste ze 3 recenzí na 30 a vidí, jak jeho zobrazené hodnocení klesá z 5.0 na 4.6, i když všechny nové recenze byly dobré. Výpočet je správný. Počáteční skóre 5.0 bylo Bayesovskou iluzí. 4.6 je první skutečný odhad kvality.

Pojďme si projít dva příklady. Použijeme realistický průměr kategorie C = 4.1 a minimální práh m = 50. To jsou spravedlivé odhady pro kategorii služeb s mírnou konkurencí, jako je instalatérství, zubařství nebo autoservis. Můžete si dosadit svá vlastní čísla, abyste modelovali svou situaci.

Podnik A má perfektní hrubé skóre; každý zákazník zanechal 5 hvězdiček. Ale s pouhými 3 recenzemi dává vzorec jeho vlastním datům pouze 5.7% váhu. Zbývajících 94.3% jeho zobrazeného skóre je odvozeno z průměru kategorie 4.1. Výsledek je 4.15, nikoli 5.0, které se zdálo, že si zasloužil.

Podnik B má nižší hrubý průměr 4.6, s některými 3- a 4hvězdičkovými recenzemi. Ale jeho 120 recenzí znamená, že vzorec dává jeho vlastním datům 70.6% váhu. Jeho zobrazené skóre 4.45 je mnohem blíže jeho skutečnému výkonu. Algoritmus Google ho umístí nad Podnik A. Objem vám kupuje důvěryhodnost. Důvěryhodnost vám kupuje pozici.

Níže uvedený graf používá vzorec pro šest různých scénářů, s C = 4.1 a m = 50. Sloupec 'Delta' odhaluje, jak daleko je Bayesovské skóre od jednoduchého průměru. Vidíte, jak se tato mezera zmenšuje s nárůstem počtu recenzí? To je vliv priority, který slábne, jak přichází více důkazů.

Nejvýmluvnější řádek je ten poslední. Podnik s pouhými 5 recenzemi a žalostným hrubým průměrem 2.0 stále vykazuje skóre 3.85. Je vytažen téměř o dvě celé hvězdičky průměrem kategorie. To je záměrné. Systém nezničí podnik na základě pouhých pěti datových bodů. Zajišťuje se k průměru, dokud není velikost vzorku dostatečně velká, aby mu bylo možné důvěřovat.

Tento tlumící efekt pro negativní odlehlé hodnoty je důvodem, proč je recenzní bombardování – úmyslná kampaň falešných 1hvězdičkových recenzí – méně škodlivé, než se na první pohled zdá. Algoritmus bojuje proti extrémním výsledkům, pokud je počet recenzí příliš nízký na to, aby je podpořil. Kromě toho jsou systémy Google navrženy tak, aby detekovaly a označovaly vysokorychlostní recenzní kampaně jakéhokoli druhu, pozitivní i negativní, což porušuje zásady platformy.

Bayesovský vzorec poskytuje základ, ale skutečný systém Google má nejméně tři další komponenty: úbytek aktuálnosti, důvěru přispěvatele a tlumení náhlých rychlostních špiček. Google tyto nepotvrdil. Všechny jsou odvozeny z pozorování chování systému a analýzy patentů.

Základní Bayesovský vzorec je výchozím bodem. Ostatní vrstvy ztěžují manipulaci s konečným skóre a činí ho přesnějším v současném okamžiku. Cíl je vždy stejný: zobrazit hodnocení, které odráží to, co zákazník může očekávat, pokud navštíví dnes.

Vážení podle aktuálnosti: proč je posledních 90 dní dominantních

Google aplikuje faktor časového úbytku na recenze, přičemž si více cení nedávné zpětné vazby než staré zpětné vazby. To funguje jako exponenciální funkce úbytku: síla recenze slábne v průběhu času, místo aby se v určitém datu propadla.^[1]

Analýza systému hodnocení Google SEO komunitou ukazuje, že recenze starší než 12–18 měsíců mají asi o 30–50% menší dopad než recenze z minulého týdne. 5hvězdičková recenze z doby před třemi lety se stále počítá, ale počítá se méně. To znamená, že podnik, který získal 80 recenzí v roce 2022, ale od té doby žádné, pracuje s blednoucím signálem.

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

Důvěra přispěvatele: proč recenze od místního průvodce úrovně 7 má větší váhu

Systém důvěry Google pro recenzenty lze odvodit z jeho patentů a z pozorování, jak se mění hodnocení. Patent US8818995B1 popisuje systém hodnocení vyhledávání, který váží vstupy na základě úrovně důvěry zdroje. Pro recenze to znamená, že místní průvodce úrovně 7 s historií stovek podrobných recenzí je vysoce důvěryhodným zdrojem.^[2]

Skutečný efekt je, že 5hvězdičková recenze od místního průvodce úrovně 7 má pravděpodobně větší váhu než 5hvězdičková recenze od nového účtu bez historie. Nejde o samotnou hodnotu hvězdičky; obě jsou v výpočtu '5'. Ale váha aplikovaná na každou z nich před zprůměrováním je jiná. Google nikdy neuvedl, jak velký je tento rozdíl.

Tlumení anomálií: co se stane, když se objeví 40 recenzí za jeden týden

Špičky v rychlosti spouštějí samostatný detekční systém. Pokud podnik, který normálně dostává 2-3 recenze měsíčně, náhle dostane 40 za 72 hodin, systém Google tento vzorec označí. To nevede k automatickému smazání, ale k karanténě. Nové recenze se nezobrazují ve veřejném počtu ani hodnocení, zatímco systém vyšetřuje.^[3]

Tento mechanismus je důvodem, proč podniky, které kupují recenze, často nevidí žádnou změnu, nebo dokonce vidí, jak jejich hodnocení klesají, zatímco staré, skutečné recenze zůstávají viditelné, zatímco nové falešné jsou drženy v limbu. Tato praxe porušuje zásady Google a je v USA nezákonná podle pravidel FTC. Algoritmus je navržen tak, aby nedůvěřoval náhlým změnám, které neodpovídají zavedenému vzorci podniku.

Zde jsou dva scénáře modelované na reálných případech. Nejsou to fikce; tyto vzorce se znovu a znovu objevují ve zprávách od profesionálů v oblasti správy reputace.

Příklad zubaře ukazuje hlavní lekci Bayesovského hodnocení: nižší hrubý průměr s vysokou důvěrou je lepší než vysoký hrubý průměr s nízkou důvěrou. Zobrazené skóre kleslo (z teoretických 4.9 na viditelných 4.58), ale jeho pozice ve vyhledávání se zvýšila, protože váha důvěry byla nyní pevná.

Příklad špičky restaurace ukazuje, proč je důležité přirozené tempo. Systémy Google jsou navrženy tak, aby odhalily nepřirozenou rychlost. Čtyřicet recenzí za týden, pak dva měsíce bez recenzí, nevypadá jen podezřele. Tlumený efektivní počet znamená, že jste zaplatili za nic. Matematika to trestá dvakrát: detekce anomálií snižuje viditelný počet a úbytek aktuálnosti znamená, že recenze špičky začínají téměř okamžitě slábnout.

Bayesovské zprůměrování není jedinou spolehlivou statistickou metodou. Článek Evana Millera z roku 2009 'Jak neřadit podle průměrného hodnocení' proslavil jinou metodu: dolní hranici intervalu spolehlivosti Wilsonova skóre. Reddit ji používá k řazení komentářů. Yelp používá její verzi.

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

Wilsonovo skóre odpovídá na jinou otázku než Bayesovský průměr. Místo otázky 'Jak mám smíchat svá data s prioritou?' se ptá: 'Vzhledem k mým současným hodnocením, jaká je nejnižší možná skutečná kvalita s 95% spolehlivostí?' To dává konzervativní skóre, které trestá nejistotu ještě silněji než Bayesovské zprůměrování při velmi nízkém počtu recenzí.

Třetí metoda, Dirichlet-Multinomiální model, zachází s každou z pěti hodnot hvězdiček jako se samostatným kbelíkem, nikoli jako s jedinou souvislou čarou. District Data Labs to zdokumentoval pro vícenásobné hvězdičkové systémy. Je matematicky přísnější než vzorec IMDB (který zachází s hvězdičkami jako s lineárními), ale je také obtížnější na výpočet. V praxi je rozdíl mezi Bayesovským průměrem a Dirichletovým modelem nepatrný, jakmile máte více než asi 30 recenzí.

Když pochopíte matematiku, vágní rada 'získejte více recenzí' se stane měřitelným plánem. Každý podnik je někde na křivce v/(v+m). Znalost vaší pozice vám řekne, o kolik vaše další recenze skutečně změní vaše skóre.

Pokud v = 8 a m = 50, jedna nová 5hvězdičková recenze posune vaši váhu důvěry z 8/58 (0.138) na 9/59 (0.153). To je smysluplný skok o 1.5 procentního bodu. Pokud v = 300 a m = 50, stejná recenze vás posune z 300/350 (0.857) na 301/351 (0.858), což je téměř neviditelná změna. Objem na začátku má desetkrát větší matematickou sílu než objem v měřítku.

Jak vypočítat vážený průměr hodnocení hvězdičkami pro váš vlastní podnik

Tento vzorec můžete spustit v tabulce. Použijte svůj aktuální počet recenzí pro v. Pro odhad m pro vaši kategorii se podívejte na počty recenzí pro tři nejlepší podniky ve vaší kategorii Google Maps; 25. percentil této skupiny je dobrým odhadem pro m. Vaše aktuální zobrazené hodnocení je pravděpodobně výsledek WR; váš jednoduchý průměr je součet hvězdiček dělený počtem.

Číslo, na kterém vám skutečně záleží, je účinek dalších N recenzí. Modelujte to. Přidejte 10 k v, přepočtěte WR a podívejte se, o kolik se změní. Udělejte to pro rozsah hodnot v, abyste zmapovali křivku citlivosti. Nejprudší část této křivky je tam, kde má nová recenze největší dopad; tam byste měli zaměřit své úsilí.

Proč aktuálnost činí rychlost recenzí důležitější než celkový počet

Jakmile pochopíte úbytek aktuálnosti, váš cíl se změní. Nejde jen o celkový počet recenzí, ale o to, jak je tento počet rozložen v čase. Podnik se 400 recenzemi z doby před pěti lety, ale nic za posledních 18 měsíců, pracuje s menším efektivním vzorkem, než naznačuje jeho celkový počet. Zastaralé recenze přispívají méně k váženému průměru.

Stálý proud recenzí, i malý, násobí své výhody způsoby, které jeden nával nemůže. Získání osmi nových recenzí každý měsíc po dobu jednoho roku vede k stabilnějšímu, výše hodnocenému skóre než získání 96 recenzí za jeden měsíc téměř ve všech ohledech: Bayesovská důvěra, vyčištění detekce anomálií, trajektorie úbytku aktuálnosti a to, jak důvěryhodně vypadáte pro zákazníky.