[核心提示] 针对不同类型的评价对象，究竟应该采用哪种评价方式呢?
在社交、应用下载和电商类网站中，经常能见到各种评价系统。它们评价的对象各不相同，如豆瓣的评价是针对音乐、书籍和电影的，淘宝的评价是针对顾客所购买的商品的，豌豆荚的评价是针对用户所下载的 App 的。但通常来说，这些评价的方式主要有两类——打分评价和二维评价(如喜欢/不喜欢、顶/踩、赞同/反对等)。
那么，针对不同类型的评价对象，究竟应该采用哪种评价方式呢?
本文研究了淘宝、亚马逊、京东、聚美优品、大众点评、中关村在线、豆瓣、优酷、糗事百科、知乎、Google Play 和豌豆荚这几个网站的评价方式，上述网站所涉及的评价对象包括：App、音乐、电影、书籍、视频、电子产品、一般商品、餐饮、回答、段子。
笔者发现可以从评价对象的复杂度、评价对象的价值、参与评价的人数、评价操作的便捷性和评价系统的设计初衷这几个维度来进行分析：
评价对象的复杂度
评价对象的复杂度应该比较好理解，主要是评价标准的复杂度，比如，评价糗事百科中的一个段子好不好肯定要比评价一部电影容易得多(如下图1和图2所示)，因为对于段子来讲，好笑就顶，不好笑就踩，相对来说评价标准比较简单和直接，而对于电影来讲，涉及到电影的叙事方式、演员的演技、故事的精彩程度等。尤其对于聚美优品这类垂直类电商来讲，由于用户需求更加具体，用户所需要参考的信息更加专业和细致，所以针对不同类型的产品设置了不同的评价维度。如下图3和图4所示，分别是聚美优品针对某眼部护理产品和某养生食品设置的评价维度。
图 1 糗事百科中用户对某个段子的评价结果，只有“顶”和“拍”
图 2 豆瓣中用户对某部电影的评价结果，包括得分及详细分布情况
图 3 聚美优品中用户对某眼部护理产品的评价结果
图 4 聚美优品中用户对某养生食品的评价结果
很显然，复杂度低的对象适合采用二维评价，复杂度高的对象适合采用打分评价。因为对于评价者来说，五分制、十分制这种评价方式有更充足的空间来容纳评价者对评价对象的综合印象，避免了非黑即白的评价结果。
评价对象的价值
评价对象的价值通常反映为其价格和购买频率。比如说，可以认为一个 App 的价值要低于一本书的价值，因为绝大多数 App 是免费的，即使收费，通常也不会高于一本书的价格;也可以认为一般商品(如日用品)的价值要低于电子产品的价值，因为电子产品的使用周期一般会比较长，所以购买频率也较低。
价值高的东西，也就是价格高并且购买频率较低的东西，用户会更愿意花费时间和精力来进行评价，所以评价的形式可以更加多样化，包括打分、多维度的打分甚至是文字评价。因此，豌豆荚中对 App 的评价采用了二维评价方式，而亚马逊、京东和中关村在线均采用了打分评价方式(如下图所示)。
图 5 豌豆荚中用户对某个 App 的评价结果
图 6 亚马逊中用户对某本书的评价结果
图 7 京东商城中用户对某电子产品的评价结果
图 8 中关村在线中用户对某电子产品的评价结果
参与评价的人数
一般来说，在两种评价方式的评价人数相同时，尤其是人数较少时，二维评价结果所产生的区分度和可靠度要好于打分评价。因为打分评价方式会产生多个评价层次，并且一部分评价者会选择中间分数(比如五分制中的“3 分”)，因此需要更多的评价才能得出有区分度的可靠结果。例如，下图 9 所示的评价结果：采用五分制评价方式，该 App 的平均得分为3.6分。无论是从分布图还是平均得分来看，区分度都不高。如果我们采用二维评价方式，假设打 5 分和打 4 分的用户当选择“喜欢”，打 2 分和打 1 分的用户都选择“不喜欢”，那么评价结果是 120 人喜欢，46 人不喜欢，明显更有区分度。
图 9 Google Play 中用户对某 App 的评价结果
因此，在参与评价的人数较少，或者是在产品刚刚上线时，可以考虑采用二维评价的方式，一方面可以降低评价的难度，鼓励更多用户参与评价，另一方面可以在参与评价的人数较少的情况下更准确地反映评价结果。
评价操作的便捷性
在界面上呈现“喜欢”和“不喜欢”两个按钮，应该要比呈现一组灰色的五角星并提示用户进行打分要直观。尤其是受制于移动终端的交互特点的影响，降低用户进行评价操作的难度，提高用户进行评价操作的便捷性，有利于鼓励用户进行评价。比如豌豆荚这种手机应用下载类产品，用户主要在手机上使用这类产品，所以它采用了“喜欢”和“不喜欢”这种二维评价方式(如上图 5 所示)。
评价系统的设计初衷
如果评价系统的设计初衷是引导用户产生下载或购买行为，那么可以考虑避免采用二维评价方式。因为二维评价中的“踩”、“不喜欢”等词语会让用户在潜意识里产生抵触心理，引导用户不要下载或购买;而打分评价中的“好”和“坏”的界限相对来说较模糊，对用户的心理冲击不明显，用户甚至可以将五分制中的“3分”都算作肯定评价。
同时，多层次、多维度的打分评价方式还可以为评价系统所属的产品本身提供更加详细、全面和准确地统计数据，例如淘宝针对商品、服务和物流三方面的打分评价(如下图 10 所示)，可以为淘宝收集这三个方面的数据，并进行统计分析，进而挖掘更大的价值。
图 10 淘宝针对商品、服务和物流三方面的打分评价结果
