Comment Google calcule réellement votre note par étoiles (ce n'est pas une simple moyenne)

Une analyse des mathématiques bayésiennes, de la pondération de la récence et du score de confiance qui déterminent votre note affichée, avec les formules réelles et des exemples concrets.

La plupart des propriétaires d'entreprise apprennent cette leçon à leurs dépens. Vous pouvez obtenir vingt avis cinq étoiles parfaits d'affilée et voir votre note sur Google à peine bouger. Ou peut-être travaillez-vous pendant des mois, atteignez enfin 50 avis, et constatez que votre moyenne de 4,8 s'affiche comme 4,3 sur la carte. Le système n'est pas cassé. Il fonctionne exactement comme il a été conçu. On ne vous a simplement pas dit comment il a été conçu.

Google n'a jamais officiellement publié son algorithme de notation. Cependant, ses mécanismes sont largement compris. Cela est dû à la documentation publique d'IMDB sur sa propre formule bayésienne, aux notes d'Algolia sur le classement, aux recherches universitaires sur les plateformes d'avis, et aux années de travail des praticiens qui ont fait de l'ingénierie inverse sur ce qu'ils observent. Cet article présente les calculs, en utilisant des chiffres réels.

Tout d'abord, définissons une moyenne simple et voyons pourquoi c'est un mauvais outil pour ce travail. La moyenne arithmétique est la somme de toutes les notes divisée par le nombre de notes. Si vous avez trois avis (5, 4 et 5), votre moyenne est (5+4+5)/3, soit 4,67. C'est arithmétiquement correct. Mais pour classer des milliers d'entreprises les unes par rapport aux autres, c'est statistiquement trompeur.

Les problèmes avec cette méthode se multiplient à grande échelle. Un café qui a ouvert cette semaine avec trois avis élogieux d'amis du propriétaire serait mieux classé qu'un concurrent établi avec une moyenne de 4,4 sur 200 avis. L'entreprise établie est un signal de qualité bien plus fiable. Tout système qui permet ce genre de résultat peut être manipulé jusqu'à l'inutilité en peu de temps.

Comment le calcul de la note par étoiles de Google fonctionne sur le terrain

Une note bayésienne est une moyenne pondérée par la confiance. Avec seulement une poignée d'avis, le système manque de données suffisantes pour faire confiance à votre score. Il mélange donc votre moyenne brute avec un 'a priori' – un score par défaut basé sur toutes les entreprises similaires à la vôtre. À mesure que vous collectez plus d'avis, le système fait davantage confiance à vos propres données, et l'influence de l'a priori s'estompe.

IMDB utilise cette méthode exacte pour sa liste des 250 meilleurs films et a publié la formule : WR = (v/(v+m)) × R + (m/(v+m)) × C. Les variables sont simples, mais leurs effets sur le comportement peuvent être surprenants. La même formule apparaît dans les guides de classement de recherche d'Algolia, les articles universitaires sur les systèmes de notation, et le travail des SEO qui ont étudié le comportement de recherche locale de Google.

L'équation WR = (v/(v+m)) × R + (m/(v+m)) × C calcule un mélange pondéré de deux nombres : la note moyenne observée de votre entreprise (R) et la moyenne de votre catégorie entière (C). Les poids sont définis par le nombre d'avis que vous avez (v) par rapport à un nombre minimum de crédibilité (m).

Regardez les deux facteurs de pondération : (v/(v+m)) et (m/(v+m)). Ils totalisent toujours 1,0. Cela signifie que vous mélangez toujours vos propres données avec l'a priori. La seule chose qui change, ce sont les proportions. Lorsque v est petit par rapport à m, l'a priori a plus d'influence. Lorsque v est grand par rapport à m, vos propres avis ont plus d'influence.

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

La valeur seuil, m, est le nombre qui définit la norme de confiance de la plateforme. Pour sa liste des 250 meilleurs films, IMDB utilise un m d'environ 25 000 votes. Un café local sur Google n'est pas dans la même catégorie que le film Avatar, donc son m est beaucoup plus bas. Les praticiens estiment que pour les listes locales de Google, m est généralement compris entre 5 et 50, selon la catégorie d'entreprise et le marché.

La moyenne de catégorie, C, est la variable la plus négligée ici. Ce n'est pas un nombre global unique. Google détermine presque certainement C à la volée pour chaque catégorie et ville, et peut-être même pour chaque requête de recherche. Un dentiste à Chicago est mesuré par rapport à d'autres dentistes de Chicago, pas par rapport à des pizzerias dans le Texas rural. Le seuil de votre score est donc spécifique à votre catégorie.

Pourquoi la formule de la note par étoiles pondérée est importante pour votre SEO

La conséquence concrète est que vos 50 premiers avis sont bien plus importants que les avis 51 à 150. Tout avis que vous obtenez en dessous du seuil de crédibilité m crée un grand changement dans le coefficient (v/(v+m)). Passer de v=5 à v=10 double votre poids de confiance. Passer de v=150 à v=155 crée un changement difficile à mesurer.

Ces calculs expliquent un phénomène étrange que les SEO observent constamment : une entreprise passe de 3 à 30 avis et voit sa note affichée chuter de 5,0 à 4,6, même si tous les nouveaux avis étaient bons. Le calcul est juste. Le score initial de 5,0 était une illusion bayésienne. Le 4,6 est la première estimation réelle de la qualité.

Examinons deux exemples. Nous utiliserons une moyenne de catégorie réaliste de C = 4,1 et un seuil minimum de m = 50. Ce sont des estimations raisonnables pour une catégorie de services avec une concurrence modérée, comme la plomberie, la dentisterie ou le service automobile. Vous pouvez remplacer vos propres chiffres pour modéliser votre situation.

L'entreprise A a un score brut parfait ; chaque client a laissé 5 étoiles. Mais avec seulement 3 avis, la formule ne donne à ses propres données qu'un poids de 5,7 %. Les 94,3 % restants de son score affiché sont dérivés de la moyenne de catégorie de 4,1. Le résultat est 4,15, et non le 5,0 qu'elle semble avoir obtenu.

L'entreprise B a une moyenne brute inférieure de 4,6, avec quelques avis de 3 et 4 étoiles. Mais ses 120 avis signifient que la formule donne à ses propres données un poids de 70,6 %. Son score affiché de 4,45 est beaucoup plus proche de sa performance réelle. L'algorithme de Google la classera au-dessus de l'entreprise A. Le volume vous apporte de la crédibilité. La crédibilité vous apporte du classement.

Le tableau ci-dessous utilise la formule pour six scénarios différents, avec C = 4,1 et m = 50. La colonne 'Delta' révèle l'écart entre le score bayésien et la moyenne simple. Voyez-vous comment cet écart se réduit à mesure que le nombre d'avis augmente ? C'est l'influence de l'a priori qui s'estompe à mesure que de plus en plus de preuves arrivent.

La ligne la plus révélatrice est la dernière. Une entreprise avec seulement 5 avis et une moyenne brute lamentable de 2,0 affiche toujours un score de 3,85. Elle est tirée vers le haut de près de deux étoiles complètes par la moyenne de la catégorie. C'est intentionnel. Le système ne va pas ruiner une entreprise basée sur seulement cinq points de données. Il parie sur la moyenne jusqu'à ce que la taille de l'échantillon soit suffisamment grande pour être fiable.

Cet effet d'amortissement pour les valeurs aberrantes négatives explique pourquoi le "review bombing" – une campagne délibérée de faux avis 1 étoile – est moins dommageable qu'il n'y paraît au premier abord. L'algorithme combat les résultats extrêmes si le nombre d'avis est trop faible pour les soutenir. De plus, les systèmes de Google sont conçus pour détecter et signaler les campagnes d'avis à grande vitesse de toute nature, positives ou négatives, ce qui viole la politique de la plateforme.

La formule bayésienne fournit la base, mais le système réel de Google comporte au moins trois autres composants : la décroissance de la récence, la confiance des contributeurs et l'amortissement des pics de vitesse soudains. Google ne les a pas confirmés. Ils sont tous déduits de l'observation du comportement du système et de l'analyse des brevets.

La formule bayésienne de base est le point de départ. Les autres couches rendent le score final plus difficile à manipuler et plus précis à l'instant T. L'objectif est toujours le même : afficher une note qui reflète ce qu'un client peut attendre s'il visite aujourd'hui.

Pondération de la récence : pourquoi les 90 derniers jours sont dominants

Google applique un facteur de décroissance temporelle aux avis, valorisant davantage les retours récents que les anciens. Cela fonctionne comme une fonction de décroissance exponentielle : la puissance d'un avis s'estompe avec le temps au lieu de chuter brutalement à une date précise.^[1]

L'analyse du système de notation de Google par la communauté SEO montre que les avis de plus de 12 à 18 mois ont environ 30 à 50 % moins d'impact qu'un avis de la semaine dernière. Un avis 5 étoiles d'il y a trois ans compte toujours, mais il compte moins. Cela signifie qu'une entreprise qui a obtenu 80 avis en 2022 mais aucun depuis fonctionne avec un signal qui s'estompe.

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

Confiance du contributeur : pourquoi un avis d'un Guide Local de niveau 7 compte plus

Le système de confiance de Google pour les évaluateurs peut être déduit de ses brevets et de l'observation de l'évolution des notes. Le brevet US8818995B1 décrit un système de classement de recherche qui pondère les entrées en fonction du niveau de confiance de la source. Pour les avis, cela signifie qu'un Guide Local de niveau 7 avec un historique de centaines d'avis détaillés est une source de grande confiance.^[2]

L'effet réel est qu'un avis 5 étoiles d'un Guide Local de niveau 7 a probablement plus de poids qu'un avis 5 étoiles d'un nouveau compte sans historique. Il ne s'agit pas de la valeur de l'étoile elle-même ; les deux sont un '5' dans le calcul. Mais le poids appliqué à chacun avant la moyenne est différent. Google n'a jamais déclaré l'ampleur de cette différence.

Amortissement des anomalies : que se passe-t-il si 40 avis apparaissent en une semaine

Les pics de vitesse déclenchent un système de détection distinct. Si une entreprise qui reçoit normalement 2-3 avis par mois en reçoit soudainement 40 en 72 heures, le système de Google signale le modèle. Cela n'entraîne pas de suppression automatique mais une mise en quarantaine. Les nouveaux avis n'apparaissent pas dans le décompte public ou la note pendant que le système enquête.^[3]

Ce mécanisme explique pourquoi les entreprises qui achètent des avis ne voient souvent aucun changement, ou même voient leurs notes chuter, car les anciens avis réels restent visibles tandis que les nouveaux faux sont maintenus en suspens. Cette pratique viole les politiques de Google et est illégale aux États-Unis en vertu des règles de la FTC. L'algorithme est conçu pour se méfier des changements soudains qui ne correspondent pas au modèle établi d'une entreprise.

Voici deux scénarios modélisés sur des cas réels. Ce ne sont pas des fictions ; ces schémas apparaissent encore et encore dans les rapports des professionnels de la gestion de la réputation.

L'exemple du dentiste illustre la principale leçon de la notation bayésienne : une moyenne brute inférieure avec une confiance élevée est meilleure qu'une moyenne brute élevée avec une faible confiance. Le score affiché a chuté (d'un théorique 4,9 à un visible 4,58), mais son classement de recherche a augmenté car le poids de confiance était désormais solide.

L'exemple du pic de restaurant montre pourquoi un rythme naturel est important. Les systèmes de Google sont conçus pour repérer les vitesses anormales. Quarante avis en une semaine, puis deux mois sans avis, ne semble pas seulement suspect. Le nombre effectif amorti signifie que vous n'avez rien payé. Les mathématiques punissent cela deux fois : la détection d'anomalies réduit le nombre visible, et la décroissance de la récence signifie que les avis du pic commencent à s'estomper presque immédiatement.

La moyenne bayésienne n'est pas la seule méthode statistique solide. L'article d'Evan Miller de 2009, 'How Not to Sort by Average Rating', a rendu célèbre une autre méthode : la borne inférieure d'un intervalle de confiance du score de Wilson. Reddit l'utilise pour classer les commentaires. Yelp en utilise une version.

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

Le score de Wilson répond à une question différente de celle d'une moyenne bayésienne. Au lieu de demander : 'Comment dois-je mélanger mes données avec un a priori ?', il demande : 'Compte tenu de mes notes actuelles, quelle est la qualité la plus basse que ma vraie qualité pourrait être avec 95 % de confiance ?' Cela donne un score conservateur qui pénalise l'incertitude encore plus lourdement que la moyenne bayésienne pour un très faible nombre d'avis.

Une troisième méthode, le modèle de Dirichlet-Multinomial, traite chacune des cinq valeurs d'étoiles comme un compartiment distinct, et non comme une seule ligne continue. District Data Labs a documenté cela pour les systèmes multi-étoiles. Il est plus rigoureux mathématiquement que la formule IMDB (qui traite les étoiles comme linéaires), mais il est aussi plus difficile à calculer. En pratique, la différence entre une moyenne bayésienne et un modèle de Dirichlet est minime une fois que vous avez plus d'environ 30 avis.

Lorsque vous comprenez les calculs, le conseil vague de 'obtenir plus d'avis' devient un plan mesurable. Chaque entreprise se situe quelque part sur la courbe v/(v+m). Connaître votre position vous indique à quel point votre prochain avis modifiera réellement votre score.

Si v = 8 et m = 50, un nouvel avis 5 étoiles fait passer votre poids de confiance de 8/58 (0,138) à 9/59 (0,153). C'est un saut significatif de 1,5 point de pourcentage. Si v = 300 et m = 50, ce même avis vous fait passer de 300/350 (0,857) à 301/351 (0,858), un changement presque invisible. Le volume au début a dix fois la puissance mathématique du volume à grande échelle.

Comment calculer une note par étoiles moyenne pondérée pour votre propre entreprise

Vous pouvez exécuter cette formule dans une feuille de calcul. Utilisez votre nombre d'avis actuel pour v. Pour estimer m pour votre catégorie, regardez le nombre d'avis pour les trois premières entreprises de votre catégorie Google Maps ; le 25e percentile de ce groupe est une bonne estimation pour m. Votre note affichée actuelle est probablement le résultat WR ; votre moyenne simple est la somme des étoiles divisée par le nombre.

Le nombre qui vous intéresse vraiment est l'effet des N prochains avis. Modélisez-le. Ajoutez 10 à v, recalculez WR et voyez à quel point cela change. Faites cela pour une gamme de valeurs de v afin de tracer une courbe de sensibilité. La partie la plus raide de cette courbe est l'endroit où un nouvel avis a le plus grand impact ; c'est là que vous devriez concentrer vos efforts.

Pourquoi la récence rend la vitesse des avis plus importante que le nombre total

Une fois que vous comprenez la décroissance de la récence, votre objectif change. Il ne s'agit pas seulement du nombre total d'avis, mais de la façon dont ce nombre est réparti dans le temps. Une entreprise avec 400 avis d'il y a cinq ans mais rien au cours des 18 derniers mois fonctionne avec un échantillon effectif plus petit que son nombre total ne le suggère. Les avis dégradés contribuent moins à la moyenne pondérée.

Un flux constant d'avis, même petit, multiplie ses avantages d'une manière qu'une seule poussée ne peut pas. Obtenir huit nouveaux avis chaque mois pendant un an est mieux que d'obtenir 96 avis en un seul mois sur presque toutes les mesures : confiance bayésienne, détection d'anomalies, trajectoire de décroissance de la récence et crédibilité auprès des clients.