評論排序規則很重要，如何設計最合適？

一、前言

如今，無論是偏功能性的電商點評類產品，還是偏社群類的內容型產品，評論區的重要性愈發突出。

它直接影響著商品轉化率、社群氛圍、使用者粘性等多個方面，對一些使用者年輕化的內容社群，甚至會出現評論區比正文更吸引使用者觀看的情況，可以說評論區功能設計的好壞直接影響產品的口碑。

評論區的設計上要考慮很多細節，排序規則是其中重要一環。

一方面它決定了使用者瀏覽順序，另一方面它影響頭部評論區的呈現，其內容質量直接影響觀者感受，亦對社群氛圍起到牽引作用。

主流的排序方式有時間排序、熱門與推薦，較不常見的有使用者屬性、內容屬性等，往往在前者的基礎上進行權重增加，搞清楚不同維度的排序順序有何優劣與適用場景，對我們設計一個體驗優異的評論區有很大幫助。

二、評論排序的不同維度

我們都知道，對同類事物的排序，要基於其自有屬性，任一屬性都可以成為我們對其排序的一種維度。

於是我透過評論的完整過程，即“評論者釋出了評論內容，引起其他讀者的互動^”。

分析其包含的主要屬性，我將其分為4類：使用者類別/標籤、評論時間、評論內容、熱度（評論互動）。

1. 使用者類別/標籤

使用者標籤，指得是評論者可能有的特殊化的身份標識。

首先明確的是每個產品的大部分使用者都是普通使用者，僅有少部分使用者會因為與正文、與內容領域、或與釋出者的關係，被賦予特殊標籤。

產品會考量這個標籤是否會提高其他使用者對其評論內容的關注度，以此來提高其排序權重。

舉個例子，網易雲音樂將音樂的作者釋出的評論定義為<主創說>，就排在了點贊數比它高的其他評論的前面。

因為作為主創歌手釋出的評論內容，要比普通使用者的評論更容易獲取關注，所以將其排序在前，以此增加其曝光率。

基於此，可以推論具有飯圈文化的社群評論一樣適用此套邏輯。

2. 評論時間

時間排序分正序與倒序兩種，是最重要的排序維度之一。

時間使一切發生變化，這是自然規律。當評論與評論之間的關聯包含著某種時間維度上的邏輯關係時，時間正序可以讓你像翻閱歷史一樣清晰的把握整個來龍去脈。

比如微信的朋友圈便是將評論按時間正序排列，我們看下圖中可以快速的理解人物對話互動的邏輯關係。試想一下如果是反序，閱讀理解起來會多麼痛苦呢。

再比如百度貼吧，它在很長一段時間也是預設以時間正序排列評論：

• 一方面早期貼吧沒有做評論聚合展示，使用者在評論區都是下一層樓回覆上一層樓，互動關聯強；
• 另一方面也是因為貼吧對帖子內容有字數限制，而很多樓主喜歡用連載、直播的方式來發帖，採用正序方便使用者從頭到尾的看下去。

還記得【只看樓主】那個功能嗎？也是因此而產生的，這個社群習慣如今依然存在。

綜上所述，一個社群由於熟人社交、或使用者習慣等原因導致評論與評論之間有基於時間維度上的互動性或者連續性等邏輯關聯，則時間正序排列對其適用。

正序排列也有缺陷：

• 首先，使用者看到的頭部評論一直取決於最早期的評論者所發表內容，即使隨著時間流逝內容已經過時，依然不變的呈現給新使用者，很容易主導與操縱評論區的氣氛。
• 同時，當用戶量增大，評論數以千計時，後來的使用者評論曝光率會越來越低，新使用者的評論積極性也降低了，不利於社群發展。

時間倒序排列則可以避免這個問題：

• 一方面增加了使用者評論積極性，
• 另一方面則是因為其中一些電商類、服務類、時訊類的產品具有強時效性，社群內容隨著時間的變化，早期評論的實際意義越來越低，而越新鮮的評論對使用者來說參考價值越大。

他可以使使用者優先接觸到最新的評論資訊，這是倒序排列的價值所在。如今時間倒序排列被廣泛應用，不勝列舉。

值得一提的是，在評論區，多數產品會對把互動評論採用聚合的方法呈現，對於再次聚合後的評論，往往具有更高的粘性，需要重新思考排序方式。

如網易雲音樂在評論區按時間倒序排列時，進入評論聚合頁後它卻是按照時間正序排列，其聚合展示頁評論內部的關聯性較強。

反例如微博，微信讀書，無論在評論區首頁還是聚合評論頁，時間維度上都是倒序。

下圖中問題清晰可見，誠然由於微博的使用者體量太大，即便是二級聚合頁評論也有太多。

那不妨參考下抖音的做法，它在聚合評論列表下透過演算法把有關聯性的評論聚合顯示，按正序排列，而沒有關聯性的評論則按照反序展示，正序與反序都發揮了應有的作用，非常聰明的做法。

關鍵點：評論數量、邏輯關聯。

3. 評論內容：篇幅、有無圖片影片、內容相關性

這類排序一般在電商、點評類產品中有體現，這類使用者往往透過評論區內容輔助其購買決策，評論對商品轉化率影響大，所以需要將優質的，更利於判斷商品價值的評論內容排在頭部讓使用者看到。

比如在淘寶商品的動態評價排序演算法中，內容長度、有無圖片影片，圖片質量如何，內容裡是否包含商品本身的品質、店家服務相關性的關鍵資訊，都會影響該條評論的排序權重·。

評論包含的價值資訊越多，越能幫助使用者提高商品篩選效率。

4. 熱度（評論互動）

熱度是指透過統計點贊、轉發、評論等評論互動的頻率得出使用者群體的興趣偏好，這裡以典型形式點贊為例。

從2009年facebook上線“點贊”功能後，此類點贊/反對/喜歡的一鍵式反饋在網際網路一直廣泛流行，低使用者成本、使用頻率高、自帶喜好傾向，它使產品可以快速獲得最具代表性的熱門評論。

該排序維度與前三者的區別在於，評論者、時間、內容都是一條評論的固有屬性，而熱度是特有屬性，它需要使用者參與才可以獲得，所以一般熱度是配合時間來完成排序的。

熱門排序也有它的問題，若以點贊數進行排序對早期評論過於友好，頭部效應太大，後期評論者很難再從中脫穎而出；若以點贊率進行排序則會過分放大前期少量贊數的作用。

因此有人發明了威爾遜置信區間法來修正它的缺陷：

威爾遜置信區間法以熱門排序為基礎，採用點贊率計算得分，削弱頭部效應，且透過威爾遜區間公式的下限值來減少當總評論人數量較少時得分的不準確性，隨著評論人數的上升，該得分就越接近其真實應有的排名，這個方法後來被reddit,digg,yelp，知乎等產品沿用至今。

感興趣的可以自行翻閱這篇博文《 How Not To Sort By Average Rating 》，該文作者為reddit改進了評論排序。

除此之外，還有基於點贊數與時間計算權重的排序演算法，像hacker news與reddit’s story排序法，不再詳述。

三、小結

基於熱度的智慧排序演算法仍在不斷修改完善中，工程師們頭疼於如何權衡不同影響因素的權重，設計師則擔心使用者會由於頭部露出帶來的社交效應和社會資本提高，而違心評論或刻意製造噱頭以獲得更多的贊。

這將在某種程度上降低評論的真實性與價值含量，影響使用者從評論區獲得價值資訊的效率。

而無論如何，熱度排序只是一種基於大資料的統計方法，產品不同，使用者不同，排序方式也要動態調整。

進一步設想，如果我們的演算法夠智慧，是否能以小資料統計為每個使用者呈現不同的評論排序以滿足更多樣化的內容需求呢？

我想當評論區變得越來越重要時，這也同樣值得去探討。

本文由 @尹天愁 原創釋出於人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基於CC0協議