5.0分一定比4.0分可靠吗？先看样本和算法
数字看起来精确，不代表它们在衡量同一件事。用完全虚构的数据演示小样本波动、重复投稿和不同评分算法，不给真实店铺重新排名。
先问分母是什么
评分人数、文字评论数、论坛回复数和网页访问次数是不同计数。一个人可以连续回复，多条评论也可能没有打分。缺少真实投票人数时，用回复数代替只能制造确定感，并不能补齐证据。
表格可左右滑动。
| 看到的数字 | 还需要知道 |
|---|---|
| 100条回复 | 来自多少独立作者，多少与实际体验相关。 |
| 20条评论 | 是否全部评分，是否包含转载或同人多次投稿。 |
| 1万次访问 | 访问不表示到访、购买或满意。 |
| 98%推荐 | 问题、分母、时间范围与排除规则。 |
同一个新分数，对小样本影响更大
以下仅演示普通算术平均，所有数据为虚构。A有3个5分，总分15；B有100个4分，总分400。各增加1个1分后，A变为16÷4＝4.00，B变为401÷101≈3.97。变化较小不证明没有偏差。
表格可左右滑动。
| 样本 | 原来 | 增加后 |
|---|---|---|
| A：3条评分 | 15÷3＝5.00 | 16÷4＝4.00 |
| B：100条评分 | 400÷100＝4.00 | 401÷101≈3.97 |
满分相同，也可能不是同一把尺
一个网站可能问“愿不愿推荐”，另一个可能让人给多个项目评分，再用未公开权重合成总分。把两边都换成百分制，不会消除问题差异。算法未说明时，应展示各自来源与口径，而不是假装能精确合并。
一张可读的评分卡应交代什么
至少找原平台、评分问题、计分范围、有效人数、时间窗口、最后核验日期和去重方式。缺一项就把该项记作未知；不必把所有未知都强行转成一个“可信度分”。
发现问题？
提供页面网址、具体文字、建议更正和公开来源即可。不要发送证件或他人的私人资料。
- 本站页面的完整网址
- 有问题的字段或具体文字
- 建议的更正内容
- 公开来源链接；如有注明日期，请一并提供