评论分析做得越多，越觉得大部分人卡住的地方特别靠前，就在商品页那个 4.5 星和自己算出来的 3.7 星对不上这一步，很多人第一反应是数据错了，其实两组数大概率都没错，是它们从根上就不是同一个数。

先放一组我自己拆的数，空气炸锅那期，两款头部在平台上一个 4.8 一个 4.4，看着半颗星都不到，把 438 条带文字的评论摊开算，差评率一个 15.1% 一个 30.5%，差了整整一倍，438 条合在一起重算平均分是 3.65，比平台分低了 1.15，平台分看着接近的两款，摊开是完全不同的两个状况。

【配图3：分析报告第二页 评分分布】

为什么会有这种落差，因为星级有两个分母。

商品页那个分，是所有点过星的人一起算的，这里面一大半人只点星不写字，点完就走，你能采到的带文字评论是另一批人，愿意写几十上百个字的人，多半是攒了不少话才来的，挑得也更狠，两组都是真的，但它们答的不是同一个问题。

评论数也一样，它不等于差评数，留评从来不是随机抽样，不爽的人动笔的动机最强，所以文字评论里差评的比例天然偏高，这一层是所有评论分析的底色，绕不开，只能写明白。

我自己的报告里，所有占比的分母统一用带文字的采样评论，报告开头就写明这一点，采样偏向新近和不满的评论，算出来的差评密度会比商品页整体高，这个数不能拿去当退货率，也不能直接跟商品页比，这一条说起来是常识，我自己是被读者当面指出数字对不上之后，才真正把它当回事的，从那以后口径写在每份报告的第一段。

【配图2：分析报告第二页 口径说明与基础数据】

三个数怎么用，我的看法是各答各的问题，别互相替代，商品页的星级说明大盘稳不稳，重算的分说明写评论那批人有多不满，至于不满集中在哪，要靠差评率的分布，三个数摆在一起，比单看任何一个都接近真相，对不上的时候先查分母是不是同一个，再怀疑数据本身。

【配图1：三个数对照表】

今晚就能试的动作，找一款自己熟悉的产品，把商品页的星级和评论总数抄下来，再翻十条最近的差评，问自己一个问题，这十条里说的事，星级照得出来吗，多数时候你会发现照不出来，这就是为什么值得多算一步。

以上是差评拆解系列的方法篇，分析报告源于 choicesages，下次想拆哪个品类，评论区说。