Hvordan Google egentlig beregner din stjernerangering (det er ikke et enkelt gjennomsnitt)

En gjennomgang av den Bayesianske matematikken, nylighetsvektlegging og tillitsscoring som bestemmer din viste rangering, komplett med de faktiske formlene og eksempler.

De fleste bedriftseiere lærer denne leksen på den harde måten. Du kan få tjue perfekte femstjerners anmeldelser på rad og se rangeringen din på Google knapt rikke seg. Eller kanskje du jobber i måneder, endelig får 50 anmeldelser, og finner ut at ditt 4.8 gjennomsnitt vises som 4.3 på kartet. Systemet er ikke ødelagt. Det fungerer akkurat slik det ble bygget. Du ble bare ikke fortalt hvordan det ble bygget.

Google har aldri offisielt utgitt sin rangeringsalgoritme. Imidlertid er dens mekanikk allment forstått. Dette skyldes IMDBs offentlige dokumentasjon av sin egen Bayesianske formel, Algolias notater om rangering, universitetsforskning om anmeldelsesplattformer, og år med praktikere som har reversert hva de ser. Denne artikkelen presenterer matematikken, ved hjelp av reelle tall.

Først, la oss definere et enkelt gjennomsnitt og se hvorfor det er et dårlig verktøy for denne jobben. Det aritmetiske gjennomsnittet er summen av alle rangeringer delt på antall rangeringer. Hvis du har tre anmeldelser (5, 4 og 5), er gjennomsnittet ditt (5+4+5)/3, eller 4.67. Dette er aritmetisk korrekt. Men for å rangere tusenvis av bedrifter mot hverandre, er det statistisk villedende.

Problemene med denne metoden mangedobles i stor skala. En kafé som åpnet denne uken med tre glødende anmeldelser fra eierens venner ville rangere høyere enn en langvarig konkurrent med et 4.4 gjennomsnitt fra 200 anmeldelser. Den etablerte bedriften er et langt mer pålitelig signal om kvalitet. Ethvert system som tillater denne typen resultat kan manipuleres til ubrukelighet på kort tid.

Hvordan Googles stjernerangeringsberegning fungerer i praksis

En Bayesiansk rangering er et gjennomsnitt vektet av tillit. Med bare en håndfull anmeldelser mangler systemet nok data til å stole på poengsummen din. Så det blander ditt råe gjennomsnitt med en 'prior' – en standardpoengsum basert på alle bedrifter som din. Etter hvert som du samler inn flere anmeldelser, stoler systemet mer på dine egne data, og priorens innflytelse avtar.

IMDB bruker denne nøyaktige metoden for sin Topp 250-filmliste og har publisert formelen: WR = (v/(v+m)) × R + (m/(v+m)) × C. Variablene er enkle, men deres effekter på atferd kan være overraskende. Den samme matematikken vises i Algolias søkerangeringsguider, akademiske artikler om rangeringssystemer, og arbeidet til SEO-er som har studert Googles lokale søkeatferd.

Ligningen WR = (v/(v+m)) × R + (m/(v+m)) × C beregner en vektet blanding av to tall: bedriftens observerte gjennomsnittlige score (R) og gjennomsnittet for hele kategorien din (C). Vektene settes av hvor mange anmeldelser du har (v) sammenlignet med et minimum troverdighetsnummer (m).

Se på de to vektingsfaktorene: (v/(v+m)) og (m/(v+m)). De summerer alltid til 1.0. Dette betyr at du alltid blander dine egne data med prioren. Det eneste som endres er proporsjonene. Når v er liten sammenlignet med m, har prioren mer innflytelse. Når v er stor sammenlignet med m, har dine egne anmeldelser mer innflytelse.

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

Terskelverdien, m, er tallet som definerer plattformens tillitsstandard. For sin Topp 250-liste bruker IMDB en m på omtrent 25 000 stemmer. En lokal kaffebar på Google er ikke i samme liga som filmen Avatar, så dens m er mye lavere. Praktikere anslår at for Googles lokale oppføringer er m vanligvis mellom 5 og 50, avhengig av bedriftskategori og marked.

Kategorisnittet, C, er den mest oversette variabelen her. Det er ikke et enkelt globalt tall. Google finner nesten helt sikkert ut C fortløpende for hver kategori og by, og kanskje til og med for hver søkeforespørsel. En tannlege i Chicago måles mot andre Chicago-tannleger, ikke mot pizzasteder på landsbygda i Texas. Din scores gulv er derfor spesifikt for din kategori.

Hvorfor den vektede stjernerangeringsformelen er viktig for din SEO

Den virkelige konsekvensen er at dine første 50 anmeldelser er langt viktigere enn anmeldelser 51 til 150. Enhver anmeldelse du får under troverdighetsterskelen m skaper et stort skifte i (v/(v+m))-koeffisienten. Å flytte fra v=5 til v=10 dobler din tillitsvekt. Å flytte fra v=150 til v=155 skaper en endring som er vanskelig å måle.

Denne matematikken forklarer et merkelig mønster som SEO-er ser hele tiden: en bedrift vokser fra 3 anmeldelser til 30 og ser sin viste rangering falle fra 5.0 til 4.6, selv om alle de nye anmeldelsene var gode. Beregningen er riktig. Den tidlige 5.0-scoren var en Bayesiansk illusjon. 4.6 er det første reelle estimatet av kvalitet.

La oss gå gjennom to eksempler. Vi vil bruke et realistisk kategorisnitt på C = 4.1 og en minimumsterskel på m = 50. Dette er rimelige estimater for en tjenestekategori med moderat konkurranse, som rørleggerarbeid, tannbehandling eller bilservice. Du kan erstatte dine egne tall for å modellere din situasjon.

Bedrift A har en perfekt råscore; hver kunde ga 5 stjerner. Men med bare 3 anmeldelser gir formelen dens egne data bare en 5.7% vekt. De andre 94.3% av dens viste score er avledet fra kategorisnittet på 4.1. Resultatet er 4.15, ikke de 5.0 den ser ut til å ha oppnådd.

Bedrift B har et lavere rågjennomsnitt på 4.6, med noen 3- og 4-stjerners anmeldelser. Men dens 120 anmeldelser betyr at formelen gir dens egne data en 70.6% vekt. Dens viste score på 4.45 er mye nærmere dens faktiske ytelse. Googles algoritme vil rangere den over Bedrift A. Volum gir deg troverdighet. Troverdighet gir deg rangering.

Diagrammet nedenfor bruker formelen for seks forskjellige scenarier, med C = 4.1 og m = 50. 'Delta'-kolonnen avslører hvor langt den Bayesianske scoren er fra det enkle gjennomsnittet. Ser du hvordan dette gapet lukkes etter hvert som antall anmeldelser øker? Det er priorens innflytelse som avtar etter hvert som mer bevis kommer inn.

Den mest talende raden er den siste. En bedrift med bare 5 anmeldelser og et elendig 2.0 rågjennomsnitt viser fortsatt en score på 3.85. Den trekkes opp nesten to fulle stjerner av kategorisnittet. Dette er tilsiktet. Systemet vil ikke ødelegge en bedrift basert på bare fem datapunkter. Det sikrer seg mot gjennomsnittet til utvalgsstørrelsen er stor nok til å stole på.

Denne dempende effekten for negative avvikere er grunnen til at anmeldelsesbombing – en bevisst kampanje med falske 1-stjerners anmeldelser – er mindre skadelig enn det først ser ut. Algoritmen bekjemper ekstreme resultater hvis antall anmeldelser er for lavt til å støtte dem. I tillegg er Googles systemer bygget for å oppdage og flagge høyhastighets anmeldelseskampanjer av enhver art, positive eller negative, noe som bryter plattformens retningslinjer.

Den Bayesianske formelen gir grunnlaget, men Googles virkelige system har minst tre flere komponenter: nylighetsforfall, bidragsytertillit og demping for plutselige hastighetstopper. Google har ikke bekreftet disse. De er alle utledet fra å observere systematferd og analysere patenter.

Den grunnleggende Bayesianske formelen er utgangspunktet. De andre lagene gjør den endelige scoren vanskeligere å manipulere og mer nøyaktig i øyeblikket. Målet er alltid det samme: å vise en rangering som gjenspeiler hva en kunde kan forvente hvis de besøker i dag.

Nylighetsvektlegging: hvorfor de siste 90 dagene er dominerende

Google anvender en tidsforfallsfaktor på anmeldelser, og verdsetter nylig tilbakemelding mer enn gammel tilbakemelding. Dette fungerer som en eksponentiell forfallsfunksjon: en anmeldelses kraft avtar over tid i stedet for å falle brått på en bestemt dato.^[1]

Analyse av Googles rangeringssystem av SEO-miljøet viser at anmeldelser eldre enn 12–18 måneder har omtrent 30–50% mindre innvirkning enn en anmeldelse fra forrige uke. En 5-stjerners anmeldelse fra tre år siden teller fortsatt, men den teller mindre. Dette betyr at en bedrift som fikk 80 anmeldelser i 2022, men ingen siden, opererer på et falmende signal.

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

Bidragsytertillit: hvorfor en anmeldelse fra en nivå 7 lokal guide teller mer

Googles tillitssystem for anmeldere kan utledes fra patentene og fra å observere hvordan rangeringer endres. Patent US8818995B1 skisserer et søkerangeringssystem som vekter innspill basert på kildens tillitsnivå. For anmeldelser betyr dette at en nivå 7 lokal guide med en historie med hundrevis av detaljerte anmeldelser er en kilde med høy tillit.^[2]

Den virkelige effekten er at en 5-stjerners anmeldelse fra en nivå 7 lokal guide sannsynligvis har mer vekt enn en 5-stjerners anmeldelse fra en ny konto uten historie. Dette handler ikke om stjerneverdien i seg selv; begge er en '5' i beregningen. Men vekten som anvendes på hver enkelt før gjennomsnittsberegning er forskjellig. Google har aldri uttalt hvor stor denne forskjellen er.

Anomalidemping: hva skjer hvis 40 anmeldelser dukker opp på én uke

Hastighetstopper utløser et separat deteksjonssystem. Hvis en bedrift som normalt får 2-3 anmeldelser i måneden plutselig får 40 på 72 timer, flagger Googles system mønsteret. Dette fører ikke til automatisk sletting, men til en karantene. De nye anmeldelsene vises ikke i den offentlige tellingen eller rangeringen mens systemet undersøker.^[3]

Denne mekanismen er grunnen til at bedrifter som kjøper anmeldelser ofte ikke ser noen endring, eller til og med ser rangeringene sine falle ettersom gamle, ekte anmeldelser forblir synlige mens de nye falske holdes i limbo. Denne praksisen bryter Googles retningslinjer og er ulovlig i USA under FTC-regler. Algoritmen er bygget for å mistro plutselige endringer som ikke samsvarer med en bedrifts etablerte mønster.

Her er to scenarier modellert etter virkelige tilfeller. De er ikke fiksjoner; disse mønstrene dukker opp igjen og igjen i rapporter fra fagfolk innen omdømmestyring.

Tannlegeeksemplet viser hovedlæren i Bayesiansk rangering: et lavere rågjennomsnitt med høy tillit er bedre enn et høyt rågjennomsnitt med lav tillit. Den viste scoren falt (fra en teoretisk 4.9 til en synlig 4.58), men søkerankingen steg fordi tillitsvekten nå var solid.

Restauranttoppeksemplet viser hvorfor et naturlig tempo er viktig. Googles systemer er designet for å oppdage unaturlig hastighet. Førti anmeldelser på en uke, deretter to måneder uten anmeldelser, ser ikke bare mistenkelig ut. Den dempede effektive tellingen betyr at du betalte for ingenting. Matematikken straffer dette to ganger: anomalideteksjon senker den synlige tellingen, og nylighetsforfall betyr at toppens anmeldelser begynner å falme nesten umiddelbart.

Bayesiansk gjennomsnittsberegning er ikke den eneste solide statistiske metoden. Evan Millers artikkel fra 2009 'How Not to Sort by Average Rating' gjorde en annen metode berømt: den nedre grensen for et Wilson-score konfidensintervall. Reddit bruker den til å rangere kommentarer. Yelp bruker en versjon av den.

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

Wilson-scoren svarer på et annet spørsmål enn et Bayesiansk gjennomsnitt. I stedet for å spørre: 'Hvordan skal jeg blande dataene mine med en prior?', spør den: 'Gitt mine nåværende rangeringer, hva er det laveste min sanne kvalitet kan være med 95% konfidens?' Dette gir en konservativ score som straffer usikkerhet enda mer enn Bayesiansk gjennomsnittsberegning ved svært lave anmeldelsesantall.

En tredje metode, Dirichlet-Multinomial-modellen, behandler hver av de fem stjerne-verdiene som en separat bøtte, ikke en enkelt kontinuerlig linje. District Data Labs har dokumentert dette for multi-stjernesystemer. Den er mer matematisk rigorøs enn IMDB-formelen (som behandler stjerner som lineære), men den er også vanskeligere å beregne. I praksis er forskjellen mellom et Bayesiansk gjennomsnitt og en Dirichlet-modell minimal når du har mer enn omtrent 30 anmeldelser.

Når du forstår matematikken, blir det vage rådet om å 'få flere anmeldelser' en målbar plan. Hver bedrift er et sted på v/(v+m)-kurven. Å kjenne din posisjon forteller deg hvor mye din neste anmeldelse faktisk vil endre poengsummen din.

Hvis v = 8 og m = 50, flytter en ny 5-stjerners anmeldelse din tillitsvekt fra 8/58 (0.138) til 9/59 (0.153). Det er et meningsfylt hopp på 1.5 prosentpoeng. Hvis v = 300 og m = 50, flytter den samme anmeldelsen deg fra 300/350 (0.857) til 301/351 (0.858), en nesten usynlig endring. Volum i begynnelsen har ti ganger den matematiske kraften som volum i stor skala.

Hvordan beregne en vektet gjennomsnittlig stjernerangering for din egen bedrift

Du kan kjøre denne formelen i et regneark. Bruk ditt nåværende anmeldelsesantall for v. For å estimere m for din kategori, se på anmeldelsesantallene for de tre beste bedriftene i din Google Maps-kategori; den 25. persentilen av den gruppen er et godt estimat for m. Din nåværende viste rangering er sannsynligvis WR-resultatet; ditt enkle gjennomsnitt er summen av stjerner delt på antallet.

Tallet du virkelig bryr deg om er effekten av de neste N anmeldelsene. Modeller det ut. Legg til 10 til v, beregn WR på nytt, og se hvor mye det endres. Gjør dette for en rekke v-verdier for å kartlegge en sensitivitetskurve. Den bratteste delen av den kurven er der en ny anmeldelse har størst innvirkning; det er der du bør fokusere innsatsen din.

Hvorfor nylighet gjør anmeldelseshastighet viktigere enn totalt antall

Når du forstår nylighetsforfall, endres målet ditt. Det handler ikke bare om det totale antallet anmeldelser, men om hvordan dette antallet er spredt over tid. En bedrift med 400 anmeldelser fra fem år siden, men ingenting de siste 18 månedene, opererer med et mindre effektivt utvalg enn det totale antallet antyder. De forfalne anmeldelsene bidrar mindre til det vektede gjennomsnittet.

En jevn strøm av anmeldelser, selv en liten, forsterker fordelene på måter som en enkelt topp ikke kan. Å få åtte nye anmeldelser hver måned i et år er bedre enn å få 96 anmeldelser på én måned på nesten alle mål: Bayesiansk tillit, fjerning av anomalideteksjon, banen for nylighetsforfall, og hvor troverdig du fremstår for kundene.