《评论星级J型自选择偏差、贝叶斯平均排序与九品中正评级通胀母典》各章定量结论
几乎每一位网店店主都相信星级越高越好卖,也相信星级就是顾客的评价。本书把这两条常识写成可以运行的算术,再看它们在什么条件下成立。书中的顾客、商品与参数均为示意模型;全部计算由书中程序生成;本书是非个人化的经营参考,不是针对具体店铺的经营建议,也不是法律意见,书中提到的法规以上架前人工复核为准;本书反对一切刷单、购买评论与筛选式求评。
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-212 · English version
- 第 1 章 · J 型从哪里来:U 形发帖意愿与两种自选择偏差
第一章用「购买偏差加少报偏差」的两段筛子解释评论星级的 J 型分布,示意参数下购买偏差使均值上移 +0.532 星。 - 第 2 章 · 满分不是最好卖:Spiegel 曲线的原始口径与小样本解读
第二章回到 Spiegel 研究中心 2017 年报告的原文:同一份报告对峰值区间有三种说法,与其所依据论文的交集是 4.2 至 4.5 星;报告没有印出曲线数值与置信区间,下降的心理机制未经检验;示意目录表明,小样本噪声与适度刷单都解释不了整条倒 U 曲线。 - 第 3 章 · 威尔逊下界:3 条五星为什么排不过 200 条 4.6 星
第三章用威尔逊下界给出排序:3 条五星为 0.4385,200 条 4.6 星为 0.8859;教科书 Wald 区间在小样本高好评率处覆盖率可低到 0.049。 - 第 4 章 · 狄利克雷先验贝叶斯平均:向全店目录借来的伪评论
第四章用全店星级构成作狄利克雷先验,两者的贝叶斯平均分别为 4.415 与 4.583,并讨论先验强度的估计。 - 第 5 章 · 排序即求评:货架反馈环、探索代价与前五条评论
排序键也是求评策略。在示意货架上,贝塔后验均值损失 85.8 单、检验 6.12 件商品;威尔逊下界最保守,只检验 3.00 件,损失 118.8 单;汤普森抽样检验 18.38 件,短期损失 131.6 单。前 5 条评论把自身数据权重提高到 0.333,第 6 至 50 条只再加 0.500,所以求评资源应优先给评论不足 5 条的商品。评分会不会像排序一样,因为互相参照而整体漂移?第六章讨论评分通胀。 - 第 6 章 · 评分通胀:规范追逐、信息衰减与求评摩擦
第六章用规范追逐模型说明评分通胀:诚实感受不变,均分九年间从 3.485 升到 4.090,分辨两个卖家所需的评论随之增加;并讨论求评摩擦如何决定谁开口。 - 第 7 章 · 东西方原典考辨:《晋书·刘毅传》的九品之弊与高尔顿的《民意》
第七章考辨《晋书·刘毅传》对九品中正制「上品无寒门,下品无势族」的批评(示意模型中门第权重约为才能的三倍时,上品寒门比例为 0.072)与高尔顿 1907 年的《民意》(两段正态重建的众人平均为 1197.5 磅)。 - 第 8 章 · 实证闭环:店铺排序算法、求评时机与证伪方案
第八章给出店铺流程:向全部买家发同一封邀请、只邀满意买家会使均分虚高 +0.583 的红线、后验下界排序、蒸馏小工具「评论排序器」,以及每组 53,211 次访问的预先登记检验和推翻本书的条件。书中以标注框区分已发表的证据、可运行的 Python 计算(21 段程序)、原典与作者的假说。
模型示意算例,非实时报价