Как Google на самом деле рассчитывает ваш звездный рейтинг (это не простое среднее арифметическое)

Подробный разбор байесовской математики, взвешивания по новизне и оценки достоверности, которые определяют ваш отображаемый рейтинг, с фактическими формулами и примерами.

Большинство владельцев бизнеса усваивают этот урок на собственном горьком опыте. Вы можете получить двадцать идеальных пятизвездочных отзывов подряд и увидеть, что ваш рейтинг в Google почти не изменился. Или, возможно, вы работаете месяцами, наконец-то получаете 50 отзывов и обнаруживаете, что ваше среднее значение 4.8 отображается как 4.3 на карте. Система не сломана. Она работает именно так, как была задумана. Вам просто не сказали, как она была задумана.

Google никогда официально не публиковал свой алгоритм рейтинга. Однако его механика широко известна. Это стало возможным благодаря публичной документации IMDB по собственной байесовской формуле, заметкам Algolia о ранжировании, университетским исследованиям платформ отзывов и многолетней работе специалистов по обратному инжинирингу того, что они видят. В этой статье изложена математика с использованием реальных чисел.

Во-первых, давайте определим простое среднее значение и посмотрим, почему оно плохо подходит для этой задачи. Среднее арифметическое — это сумма всех оценок, деленная на количество оценок. Если у вас есть три отзыва (5, 4 и 5), ваше среднее значение равно (5+4+5)/3, или 4.67. Это арифметически верно. Но для ранжирования тысяч компаний друг против друга это статистически обманчиво.

Проблемы с этим методом умножаются в больших масштабах. Кафе, открывшееся на этой неделе с тремя восторженными отзывами от друзей владельца, будет ранжироваться выше, чем давний конкурент со средним рейтингом 4.4 по 200 отзывам. Устоявшийся бизнес является гораздо более надежным сигналом качества. Любая система, допускающая такой результат, может быть манипулирована до бесполезности за короткое время.

Как работает расчет звездного рейтинга Google на практике

Байесовский рейтинг — это среднее значение, взвешенное по достоверности. При наличии всего нескольких отзывов системе не хватает данных, чтобы доверять вашей оценке. Поэтому она смешивает ваше необработанное среднее значение с «априорным» — значением по умолчанию, основанным на всех подобных вам компаниях. По мере того, как вы собираете больше отзывов, система больше доверяет вашим собственным данным, и влияние априорного значения ослабевает.

IMDB использует этот же метод для своего списка 250 лучших фильмов и опубликовал формулу: WR = (v/(v+m)) × R + (m/(v+m)) × C. Переменные просты, но их влияние на поведение может быть удивительным. Та же математика встречается в руководствах по ранжированию поиска Algolia, академических работах по системам рейтингов и работах SEO-специалистов, изучавших поведение Google в локальном поиске.

Уравнение WR = (v/(v+m)) × R + (m/(v+m)) × C вычисляет взвешенную смесь двух чисел: наблюдаемого среднего балла вашей компании (R) и среднего значения для всей вашей категории (C). Веса устанавливаются в зависимости от того, сколько у вас отзывов (v) по сравнению с минимальным числом достоверности (m).

Посмотрите на два весовых коэффициента: (v/(v+m)) и (m/(v+m)). Их сумма всегда равна 1.0. Это означает, что вы всегда смешиваете свои собственные данные с априорными. Меняются только пропорции. Когда v мало по сравнению с m, априорное значение имеет большее влияние. Когда v велико по сравнению с m, ваши собственные отзывы имеют большее влияние.

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

Пороговое значение m — это число, определяющее стандарт достоверности платформы. Для своего списка 250 лучших фильмов IMDB использует m около 25 000 голосов. Местная кофейня в Google не находится в той же лиге, что и фильм «Аватар», поэтому ее m намного ниже. Практики оценивают, что для местных объявлений Google m обычно составляет от 5 до 50, в зависимости от категории бизнеса и рынка.

Среднее значение категории C — это наиболее упускаемая из виду переменная. Это не одно глобальное число. Google почти наверняка определяет C на лету для каждой категории и города, а возможно, даже для каждого поискового запроса. Стоматолог в Чикаго измеряется по отношению к другим стоматологам Чикаго, а не к пиццериям в сельском Техасе. Поэтому нижний предел вашей оценки специфичен для вашей категории.

Почему формула взвешенного звездного рейтинга важна для вашего SEO

Реальное следствие заключается в том, что ваши первые 50 отзывов гораздо важнее, чем отзывы с 51 по 150. Любой отзыв, который вы получаете ниже порога достоверности m, создает большой сдвиг в коэффициенте (v/(v+m)). Переход от v=5 к v=10 удваивает ваш весовой коэффициент достоверности. Переход от v=150 к v=155 создает изменение, которое трудно даже измерить.

Эта математика объясняет странную закономерность, которую SEO-специалисты видят постоянно: бизнес растет с 3 до 30 отзывов и видит, что его отображаемый рейтинг падает с 5.0 до 4.6, даже если все новые отзывы были хорошими. Расчет верен. Ранняя оценка 5.0 была байесовской иллюзией. 4.6 — это первая реальная оценка качества.

Давайте рассмотрим два примера. Мы будем использовать реалистичное среднее значение категории C = 4.1 и минимальный порог m = 50. Это справедливые оценки для категории услуг с умеренной конкуренцией, такой как сантехника, стоматология или автосервис. Вы можете подставить свои собственные числа, чтобы смоделировать свою ситуацию.

Компания А имеет идеальный необработанный балл; каждый клиент оставил 5 звезд. Но всего с 3 отзывами формула дает ее собственным данным только 5.7% веса. Остальные 94.3% ее отображаемого балла получены из среднего значения категории 4.1. Результат — 4.15, а не 5.0, которое она, казалось бы, заслужила.

Компания Б имеет более низкое необработанное среднее значение 4.6, с некоторыми 3- и 4-звездочными отзывами. Но ее 120 отзывов означают, что формула дает ее собственным данным 70.6% веса. Ее отображаемый балл 4.45 гораздо ближе к ее фактической производительности. Алгоритм Google будет ранжировать ее выше Компании А. Объем покупает вам доверие. Доверие покупает вам ранг.

Приведенная ниже таблица использует формулу для шести различных сценариев, где C = 4.1 и m = 50. Столбец «Дельта» показывает, насколько байесовский балл отличается от простого среднего. Видите, как этот разрыв сокращается по мере увеличения количества отзывов? Это влияние априорного значения ослабевает по мере поступления новых доказательств.

Самая показательная строка — последняя. Компания всего с 5 отзывами и удручающим необработанным средним значением 2.0 все еще показывает балл 3.85. Она поднята почти на две полные звезды за счет среднего значения категории. Это сделано намеренно. Система не разрушит бизнес на основе всего пяти точек данных. Она страхует свою ставку к среднему значению, пока размер выборки не станет достаточно большим, чтобы ей можно было доверять.

Этот амортизирующий эффект для отрицательных выбросов объясняет, почему «бомбардировка отзывами» — преднамеренная кампания фальшивых 1-звездочных отзывов — менее разрушительна, чем кажется на первый взгляд. Алгоритм борется с экстремальными результатами, если количество отзывов слишком мало, чтобы их поддерживать. Кроме того, системы Google созданы для обнаружения и пометки высокоскоростных кампаний по сбору отзывов любого рода, положительных или отрицательных, что нарушает политику платформы.

Байесовская формула обеспечивает основу, но реальная система Google имеет как минимум три дополнительных компонента: затухание по новизне, доверие участника и демпфирование для внезапных всплесков скорости. Google не подтвердил их. Все они выведены из наблюдения за поведением системы и анализа патентов.

Базовая байесовская формула является отправной точкой. Другие уровни делают окончательную оценку более сложной для манипулирования и более точной в настоящий момент. Цель всегда одна и та же: показать рейтинг, который отражает то, что клиент может ожидать, если он посетит сегодня.

Взвешивание по новизне: почему последние 90 дней доминируют

Google применяет фактор временного затухания к отзывам, придавая большее значение недавним отзывам, чем старым. Это работает как функция экспоненциального затухания: сила отзыва со временем ослабевает, а не резко падает в определенную дату.^[1]

Анализ системы рейтингов Google SEO-сообществом показывает, что отзывы старше 12–18 месяцев имеют примерно на 30–50% меньшее влияние, чем отзыв прошлой недели. 5-звездочный отзыв трехлетней давности все еще учитывается, но он учитывается меньше. Это означает, что бизнес, который получил 80 отзывов в 2022 году, но ни одного с тех пор, работает с ослабевающим сигналом.

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

Доверие участника: почему отзыв от местного эксперта 7 уровня имеет больший вес

Систему доверия Google к рецензентам можно вывести из ее патентов и из наблюдения за тем, как меняются рейтинги. Патент US8818995B1 описывает систему ранжирования поиска, которая взвешивает входные данные на основе уровня доверия источника. Для отзывов это означает, что местный эксперт 7 уровня с историей сотен подробных отзывов является источником высокого доверия.^[2]

Реальный эффект заключается в том, что 5-звездочный отзыв от местного эксперта 7 уровня, вероятно, имеет больший вес, чем 5-звездочный отзыв от нового аккаунта без истории. Речь идет не о самом значении звезды; оба являются «5» в расчете. Но вес, применяемый к каждому из них до усреднения, различен. Google никогда не заявлял, насколько велика эта разница.

Демпфирование аномалий: что происходит, если за одну неделю появляется 40 отзывов

Всплески скорости запускают отдельную систему обнаружения. Если бизнес, который обычно получает 2-3 отзыва в месяц, внезапно получает 40 за 72 часа, система Google помечает этот шаблон. Это не приводит к автоматическому удалению, а к карантину. Новые отзывы не отображаются в общедоступном количестве или рейтинге, пока система расследует.^[3]

Этот механизм объясняет, почему компании, которые собирают отзывы, часто не видят изменений или даже видят, как их рейтинги падают, поскольку старые, реальные отзывы остаются видимыми, в то время как новые подделки находятся в подвешенном состоянии. Эта практика нарушает политику Google и является незаконной в США в соответствии с правилами FTC. Алгоритм построен так, чтобы не доверять внезапным изменениям, которые не соответствуют установленному шаблону бизнеса.

Вот два сценария, смоделированных на реальных случаях. Это не выдумки; эти закономерности снова и снова появляются в отчетах специалистов по управлению репутацией.

Пример стоматолога показывает главный урок байесовского рейтинга: более низкое необработанное среднее значение с высокой достоверностью лучше, чем высокое необработанное среднее значение с низкой достоверностью. Отображаемый балл упал (с теоретических 4.9 до видимых 4.58), но его поисковый ранг вырос, потому что весовой коэффициент достоверности теперь был стабильным.

Пример всплеска в ресторане показывает, почему важен естественный темп. Системы Google предназначены для обнаружения неестественной скорости. Сорок отзывов за неделю, затем два месяца без отзывов, не просто выглядит подозрительно. Затухающее эффективное количество означает, что вы ничего не заплатили. Математика наказывает это дважды: обнаружение аномалий снижает видимое количество, а затухание по новизне означает, что отзывы всплеска начинают исчезать почти сразу.

Байесовское усреднение — не единственный надежный статистический метод. Статья Эвана Миллера 2009 года «Как не сортировать по среднему рейтингу» сделала известным другой метод: нижняя граница доверительного интервала оценки Уилсона. Reddit использует его для ранжирования комментариев. Yelp использует его версию.

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

Оценка Уилсона отвечает на другой вопрос, чем байесовское среднее. Вместо того, чтобы спрашивать: «Как мне смешать свои данные с априорными?», она спрашивает: «Учитывая мои текущие рейтинги, каково может быть самое низкое мое истинное качество с 95% достоверностью?» Это дает консервативную оценку, которая наказывает неопределенность еще сильнее, чем байесовское усреднение при очень малом количестве отзывов.

Третий метод, модель Дирихле-Мультиномиального распределения, рассматривает каждое из пяти звездных значений как отдельный сегмент, а не как единую непрерывную линию. District Data Labs задокументировала это для многозвездочных систем. Он более математически строг, чем формула IMDB (которая рассматривает звезды как линейные), но его также сложнее вычислить. На практике разница между байесовским средним и моделью Дирихле ничтожна, если у вас более 30 отзывов.

Когда вы понимаете математику, расплывчатый совет «получить больше отзывов» становится измеримым планом. Каждый бизнес находится где-то на кривой v/(v+m). Знание вашего положения говорит вам, насколько ваш следующий отзыв на самом деле изменит ваш балл.

Если v = 8 и m = 50, один новый 5-звездочный отзыв перемещает ваш весовой коэффициент достоверности с 8/58 (0.138) на 9/59 (0.153). Это значительный скачок на 1.5 процентных пункта. Если v = 300 и m = 50, тот же отзыв перемещает вас с 300/350 (0.857) на 301/351 (0.858), почти незаметное изменение. Объем в начале имеет в десять раз большую математическую силу, чем объем в масштабе.

Как рассчитать взвешенный средний звездный рейтинг для вашего бизнеса

Вы можете запустить эту формулу в электронной таблице. Используйте текущее количество отзывов для v. Чтобы оценить m для вашей категории, посмотрите на количество отзывов для трех лучших компаний в вашей категории Google Карт; 25-й процентиль этой группы является хорошей оценкой для m. Ваш текущий отображаемый рейтинг, вероятно, является результатом WR; ваше простое среднее — это сумма звезд, деленная на количество.

Число, которое вас действительно волнует, — это эффект следующих N отзывов. Смоделируйте его. Добавьте 10 к v, пересчитайте WR и посмотрите, насколько оно изменится. Сделайте это для диапазона значений v, чтобы построить кривую чувствительности. Самая крутая часть этой кривой — это то место, где новый отзыв оказывает наибольшее влияние; именно там вы должны сосредоточить свои усилия.

Почему новизна делает скорость отзывов важнее общего количества

Как только вы поймете затухание по новизне, ваша цель изменится. Речь идет не только об общем количестве отзывов, но и о том, как это число распределяется во времени. Бизнес с 400 отзывами пятилетней давности, но без отзывов за последние 18 месяцев, работает с меньшей эффективной выборкой, чем предполагает его общее количество. Затухшие отзывы меньше влияют на взвешенное среднее.

Постоянный поток отзывов, даже небольшой, увеличивает свои преимущества способами, недоступными для одного всплеска. Получение восьми новых отзывов каждый месяц в течение года лучше, чем получение 96 отзывов за один месяц почти по всем показателям: байесовское доверие, прохождение обнаружения аномалий, траектория затухания по новизне и то, насколько вы выглядите надежным для клиентов.