网站建设
在交际、运用下载和电商类网站中，常常能见到各种评估体系。它们评估的目标各不相同，如豆瓣的评估是关于音乐、书本和电影的，淘宝的评估是关于顾客所采办的商品的，豌豆荚的评估是关于用户所下载的 App 的。但通常来说，这些评估的方法首要有两类——打分评估和二维评估(如喜爱/不喜爱、顶/踩、附和/反对等)。
那么，关于不一样类型的评估目标，终究大概选用哪种评估方法呢?
这篇文章研讨了淘宝、亚马逊、京东、聚美优品、群众点评、中关村在线、豆瓣、优酷、糗事百科、知乎、Google Play 和豌豆荚这几个网站的评估方法，上述网站所触及的评估目标包含：App、音乐、电影、书本、视频、电子商品、通常商品、餐饮、答复、段子。
笔者发现能够从评估目标的复杂度、评估目标的价值、参加评估的人数、评估操作的快捷性和评估体系的描绘初衷这几个维度来进行剖析：
评估目标的复杂度
评估目标的复杂度大概比较好了解，首要是评估规范的复杂度，比方，评估糗事百科中的一个段子好不好必定要比评估一部电影简单得多(如下图1和图2所示)，由于关于段子来讲，好笑就顶，不好笑就踩，相对来说评估规范比较简单和直接，而关于电影来讲，触及到电影的叙事方法、艺人的演技、故事的精彩程度等。特别关于聚美优品这类笔直类电商来讲，由于用户需求愈加具体，用户所需求参阅的信息愈加专业和详尽，所以关于不一样类型的商品设置了不一样的评估维度。如下图3和图4所示，分别是聚美优品关于某眼部护理商品和某养生食物设置的评估维度。
糗事百科中用户对某个段子的评估成果，只要“顶”和“拍”
豆瓣中用户对某部电影的评估成果，包含得分及具体散布状况
聚美优品中用户对某眼部护理商品的评估成果
聚美优品中用户对某养生食物的评估成果
很显然，复杂度低的目标合适选用二维评估，复杂度高的目标合适选用打分评估。由于关于评估者来说，五分制、非常制这种评估方法有更足够的空间来包容评估者对评估目标的归纳形象，防止了非黑即白的评估成果。
评估目标的价值
评估目标的价值通常反映为其价钱和采办频率。比方说，能够认为一个 App 的价值要低于一本书的价值，由于绝大多数 App 是免费的，即便收费，通常也不会高于一本书的价钱;也能够认为通常商品(如日用百货)的价值要低于电子商品的价值，由于电子商品的运用周期通常会比较长，所以采办频率也较低。
价值高的东西，也即是价钱高而且采办频率较低的东西，用户会更情愿花费时刻和精力来进行评估，所以评估的方法能够愈加多元化，包含打分、多维度的打分乃至是文字评估。因而，豌豆荚中对 App 的评估选用了二维评估方法，而亚马逊、京东和中关村在线均选用了打分评估方法(如下图所示)。
豌豆荚中用户对某个 App 的评估成果
亚马逊中用户对某本书的评估成果
京东商城中用户对某电子商品的评估成果
中关村在线中用户对某电子商品的评估成果
参加评估的人数
通常来说，在两种评估方法的评估人数相一起，特别是人数较少时，二维评估成果所发生的区分度和牢靠度要好于打分评估。由于打分评估方法会发生多个评估层次，而且一部分评估者会挑选中心分数(比方五分制中的“3 分”)，因而需求更多的评估才干得出有区分度的牢靠成果。例如，下图 9 所示的评估成果：选用五分制评估方法，该 App 的均匀得分为3.6分。无论是从散布图仍是均匀得分来看，区分度都不高。若是咱们选用二维评估方法，假定打 5 分和打 4 分的用户当挑选“喜爱”，打 2 分和打 1 分的用户都挑选“不喜爱”，那么评估成果是 120 人喜爱，46 人不喜爱，显着更有区分度。
图 9 Google Play 中用户对某 App 的评估成果
因而，在参加评估的人数较少，或者是在商品刚刚上线时，能够思考选用二维评估的方法，一方面能够下降评估的难度，鼓舞更多用户参加评估，另一方面能够在参加评估的人数较少的状况下更精确地反映评估成果。
评估操作的快捷性
在界面上出现“喜爱”和“不喜爱”两个按钮，大概要比出现一组灰色的五角星并提示用户进行打分要直观。特别是受制于移动终端的交互特色的影响，下降用户进行评估操作的难度，进步用户进行评估操作的快捷性，有利于鼓舞用户进行评估。比方豌豆荚这种手机运用下载类商品，用户首要在手机上运用这类商品，所以它选用了“喜爱”和“不喜爱”这种二维评估方法(如上图 5 所示)。
评估体系的描绘初衷
若是评估体系的描绘初衷是引导用户发生下载或采办行动，那么能够思考防止选用二维评估方法。由于二维评估中的“踩”、“不喜爱”等词语会让用户在潜意识里发生冲突心思，引导用户不要下载或采办;而打分评估中的“好”和“坏”的边界相对来说较含糊，对用户的心思冲击不显着，用户乃至能够将五分制中的“3分”都算作必定评估。
一起，多层次、多维度的打分评估方法还能够为评估体系所属的商品自身供给愈加具体、全部和精确地统计数据，例如淘宝关于商品、效劳和物流三方面的打分评估，能够为淘宝搜集这三个方面的数据，并进行统计剖析，进而发掘更大的价值。
