或大或小的用户评论

2017-10-31 09:57:00

在一个产品的发展历程中，用户数据越来越被视为核心资产，而用户评价数据作为其重要组成部分，无论从表现形式还是数据模型，都日趋多样化、复杂化。本文就简单跟大家梳理一下用户评价体系。

评论的价值

看待用户评论的价值，我觉得需要从两个方面来看，一个方面是用户活跃度提升，另一个方面是用户数据价值。

首先说用户活跃度提升，一个直观的认识就是产品的用户评论越多，产品的用户活跃度就越高。这里面的逻辑通俗讲就是我们总喜欢去人多的餐馆吃饭，评论的人越多，就会吸引更多人来评论，是一个良性循环的过程。这比我们运用一些运营手段来激发用户多评论，进而提升用户活跃度，效率高得多。

其次是用户数据价值。在云计算、大数据等技术不成熟的时候，用户评论或许仅仅是一种体现活跃度，激发用户评论的手段，但当这些信息技术发展成熟后，评论数据的价值就体现出来了。现在，这些数据很可能会直接影响到产品的迭代方向，以及对平台或是第三方合作伙伴的价值评价。例如我们熟知的淘宝、天猫商城等，都有非常完整的用户评价模型，如果用户给商家一个差评，那商家的信用值就会降低，积累到一定程度，商家可能就无法再继续经营店铺了，而这个过程都是基于大数据、云计算等技术来自动完成的（当然整个过程肯定会有更复杂的算法，在此不做深入探讨）。

评论案例

价值取向指导行为模式，因此用户评价价值的两个方面，可以作为我们设计用户评价体系的思路。接下来，我们就看一些产品案例做具体的分析。

首先我们来看网易新闻客户的评论截图：

在每篇新闻下面，都会提供一个评论的入口，用户点击输入框，就可以进行评论。

总体来说，网易新闻客户端的评论相对比较简单，所以我觉得网易的评论更多是为用户提供了表明态度（网易新闻价值观：各有态度）的入口，而这些评论数据对平台来讲价值不是特别大，其目标更多是为了提升用户活跃度。

在输入评论的地方，它也会显示出有多少跟帖，用户点进去就可以看到具体的评论，用户可以给某个评论点赞。

下面我们再来看大众点评的评论截图：

在这张截图中，会发现提供了非常多的评论信息。首先是在店家标题下面，列出了整体的评价是几星，具体有多少条评论，几个维度的综合评分是怎样的。

上面是概括的评价信息，下方就是更加详细的评论信息以及写评论入口了。

在网友点评部分，就可以看到更加详细的评价，用户可以对已有的用户点评进行点赞或进行点评。

进一步再看一下评论页面。

在这个页面，用户首先可以整体评价几颗星；选完以后，下面就会出现口味、环境、服务三个细分维度，分别进行评价；然后下面是文本输入内容，如果你有照片或视频，还可以上传上去；再下面有一个推荐菜板块，可以把觉得好的菜推荐给别人；后面还包括人均消费；如果你想把评论分享给好友，还可以@你的好友。

网易新闻和大众点评的评论体系，其实是目前两种非常典型的用户评论设计，其背后有着完全不同的商业逻辑。

就网易新闻客户端来说，它就是提供了一个用户发声的入口，其他人可以通过这些评论知悉用户态度，然后可以选择赞同或发表自己的评论。

而大众点评的用户评价体系，则是要强化用户与平台之间、用户与用户之间的关系。用户评价数据通过大数据计算等信息手段，成为了平台推荐机制的源数据。源数据基数越大，平台给用户推荐就会越准确。另外平台也通过用户评论数据，可以挖掘出更多用户需求，进而推动产品迭代。

几个细节问题

返回逻辑

所谓返回逻辑，主要是说我们从评论返回的设计。这里我们以同类型的网易新闻和搜狐新闻客户端为例来解释一下。

先来假设一个场景：

我们看谋篇新闻，看到一半时想看一下用户的评论，看了用户评论后返回到正文。

在网易新闻客户端里，我们从正文页面点击评论数，进入评论页面；看完评论后，点击返回按钮，页面会切换到文章原有的位置。

而在搜狐新闻客户端里，当我们看完评论后，点击返回按钮，页面会切换到文章开始的位置。

当然，不同的平台其思考的逻辑可能不同，无所谓谁优谁差。不过我更偏向于网易新闻的返回设计，主要是因为我觉得这样更符合人们的阅读场景。大家可以根据自己的理解作进一步分析。

评论提醒

结合自己的经历来说明一下吧。目前是在某个平台上租的房子。一般情况下，每两周平台会安排保洁阿姨来做一次公共区域的卫生。每次保洁阿姨做完卫生后，都会提醒我去评价一下，说这关系到钱的问题，很重要。后来我发现，不仅她会提醒我，平台也会给我发系统消息，让我去评价。

这可能跟我们日常用到很多移动端都不太一样，比如京东。京东移动端会在后面明显的位置提示有多少条待评论，但不会主动提醒你去评论。之所以会有这样的差异，我觉得可能跟业务模式有比较大的关系，那个租房平台之所以会引导用户评价，可能是因为很多服务是和第三方机构合作的，因此它需要根据用户的评价数据来评价合作机构的工作情况。这个时候，用户评价数据就成了核心需求，而在这个层面上，京东对评价数据的需求就没那么强烈。