筆者對一個騰訊產(chǎn)品面試題進行拆解，闡釋了拿到題目之后的思考方向，分享給大家~~

騰訊視頻面試題目：現(xiàn)在需要為長視頻設(shè)計一個評分功能，如何保證長視頻評分的客觀性？

一、什么樣的視頻需要考慮設(shè)計評分功能？

（1）按視頻類型將視頻分為pgc和ugc

• ugc為原創(chuàng)視頻：代表有油管，抖音，快手，b站視頻板塊等平臺上的投稿作品；
• pgc為專業(yè)視頻：平臺自有資源，代表有愛優(yōu)騰，b站動漫紀錄片等板塊，網(wǎng)飛等綜藝，劇集，動漫和電影等。

（2）ugc沒必要設(shè)計評分功能，原因如下：

1）平臺角度：此類平臺展示策略已經(jīng)非常成熟，如b站視頻根據(jù)投稿作品得到的三連數(shù)來展示，油管基于用戶隱式反饋（觀看行為）和視頻內(nèi)容來推薦，抖音快手只需要根據(jù)播放完整率，喜歡，轉(zhuǎn)發(fā)和評論這些數(shù)據(jù)再配合用戶畫像即可進行精準推薦，增加評分功能只是徒增成本，且有反作用；

2）用戶角度：1中已經(jīng)談到現(xiàn)有各大ugc推薦體系已完全滿足其需求。無需再通過評分功能來幫助其進行篩選，且增加評分功能會破壞其刷視頻的心流體驗。如抖音快手，原本只需要下滑點贊轉(zhuǎn)發(fā)等操作，現(xiàn)在還需要停下來去思考該給幾分評分，有違初衷。

3）創(chuàng)作者角度：對目前的推薦系統(tǒng)玩法熟練，當下創(chuàng)作者激勵制度也已足夠，增加評分功能對他們來說意味著需要更新玩法，學習成本和適應成本增加。

綜上，對ugc而言，設(shè)計評分功能是三輸局面，從市場角度看目前也沒有哪家上線評分功能。

（3）pgc有必要設(shè)計評分功能，原因如下：

pgc的創(chuàng)作者多為平臺自身或平臺購買版權(quán)，平臺對其自身產(chǎn)品自然有對應營銷和展示策略?；诖饲闆r，用戶需要評分功能來幫助其篩選優(yōu)質(zhì)內(nèi)容，且評分是離不開評論功能，評分功能同時滿足大量評分愛好者。

b站動漫紀錄片等板塊最近上線點評功能，評分+評論（分短評和長評）模式，網(wǎng)飛則是傳統(tǒng)評分導向平臺。

再看愛優(yōu)騰，電影動漫等板塊，三家都有正常評分功能，而綜藝和劇集方面，優(yōu)酷和愛奇藝為其內(nèi)容顯示熱度，用戶只可點贊和評論，騰訊視頻則沒有熱度，取而代之的是官方評分，這樣的評分功能等于沒有。

綜上，一系列分析設(shè)計評分功能也只能給愛優(yōu)騰設(shè)計一下評分功能。

二、視頻評分功能設(shè)計分析

視頻評分功能只是一個參考系，一個視頻的價值不會因為較低的評分而被抹滅，單純靠打高分也無法幫助視頻實現(xiàn)真正的成長，對于長視頻評分功能的設(shè)計，筆者認為從來不是“對與不對”的問題，而是這個評價標準到底“好不好”。

筆者認為視頻評分功能參考體系來源于視頻本身的質(zhì)量和觀眾的個人喜好，對于個人情懷，文化差異甚至粉絲效應等因素會使得每個人的評價變得更為主觀，有傾向性，使得視頻評分的權(quán)威性會受到質(zhì)疑。

因此，個人對長視頻的評價是否具有參考價值，我認為取決于它能否盡可能多地摒除“個人因素”影響，表現(xiàn)出相對的客觀性。

三、豆瓣和貓眼評分的對比

（1）豆瓣評分機制

豆瓣用戶的打分是首先將一到五星換算為一分到十分，求和加起來再除以用戶數(shù)。這個分數(shù)完全來自程序的計算，中間沒有編輯審核，每過幾分鐘，程序會自動重跑一遍，以便把最新的分數(shù)加進來。

豆瓣的電影評分是參與評分人群的意見“平均值”，盡管建立了相關(guān)的規(guī)避機制（基于“所有能判斷屬于非正常評分的一概不算”原則，豆瓣的程序會“判斷”出那些“非正常分數(shù)”，將其剔除在評分之外。），但總體上受評分人個人喜好的影響較大。

（2）貓眼的評分機制

它的電影評分由兩部分組成：觀眾評分和專業(yè)評分。

• 觀眾評分：與豆瓣類似，由觀眾評價電影的星級再換算成相應的分數(shù)；
• 專業(yè)評分：由主流電影媒體的資深媒體人、資深影評人、影視專業(yè)學者等人組成，這些評審針對影片進行實名制打分和評價，最終分數(shù)并列顯示在觀眾評分旁邊。原則上，平臺尊重每一位評審的獨立性，不會干涉其打分。

他們對普通評分者進行了區(qū)分：購票觀看的評分者會在用戶名后添加一個“購”字加以區(qū)別，這在一定程度上能夠減少水軍刷分的影響。

專家數(shù)量和專家的專業(yè)程度都受到不同程度的質(zhì)疑，再資深的電影專家，終究逃不開個人價值取向?qū)υu分的影響。

四、設(shè)計視頻的評分功能

（1）首先明確這個需求從何而來，需求方是誰，需求是否合理，是否為用戶痛點，是否有驗證過這個痛點是否存在等。

（2）設(shè)計一個評分功能，這里涉及到三方（這里僅從正向表達利）：

1）普通用戶

“評分”功能可以給用戶提供一個參考依據(jù)，來鑒別視頻質(zhì)量的好壞，再選擇是否觀看；

普通用戶得到滿足感，感覺受到重視，甚至躍躍欲試成為創(chuàng)作者。

2）創(chuàng)作者：優(yōu)秀的內(nèi)容激勵創(chuàng)作者，持續(xù)創(chuàng)造更優(yōu)質(zhì)的內(nèi)容。

3）平臺

給平臺帶來更精準的運營策略制定，針對創(chuàng)作者不同屬性，精細化運營；

平臺可以根據(jù)用戶給出的評分給予創(chuàng)作者不同程度的創(chuàng)作激勵，并優(yōu)化推薦內(nèi)容。

（3）如何設(shè)計視頻的評分功能

參考體系：內(nèi)容質(zhì)量和用戶喜好，這里重點在于這個標準的好壞，如何設(shè)計權(quán)重比。

影響因素：質(zhì)量得分，點贊得分，評論得分，轉(zhuǎn)發(fā)得分，附加項得分

視頻總得分=質(zhì)量得分*權(quán)重1+互動得分*權(quán)重2+消費得分*權(quán)重3+附加項得分*權(quán)重4

ps：權(quán)重之和為100%，進行人為設(shè)定

質(zhì)量得分：視頻分享數(shù)，視頻完整觀看率等指標；

互動得分：視頻評論數(shù)，視頻點贊數(shù)，新增粉絲數(shù)等指標；

消費得分：視頻總瀏覽；

附加項得分：暴擊加分，熱門加分，作弊減分等；

• 附加項加分為正向指標，如個別數(shù)值表現(xiàn)突出，超過預設(shè)值的N倍（這里需要人為單獨思考設(shè)置），則給與額外加分，比如點贊數(shù)預設(shè)上限值為1000，當有作者得到4000以上的點贊時，考慮額外加分。
• 附加項減分為反向指標，當發(fā)現(xiàn)有作者作弊（水軍出現(xiàn)）時，情節(jié)輕者扣分警告，惡劣者刪除作者號，作弊可通過第三方軟件和算法識別出來。

（4）功能的指標：

設(shè)計完評分功能后進行A/Btest，測試期間設(shè)置短期指標和長期指標，用來衡量這個功能是否要正式上線。

（5）A/Btest

清楚明確你要改變的是什么，提高的是什么，以及用什么指標來衡量，這里需要考慮短期新鮮感和對長期生態(tài)系統(tǒng)的影響。

五、擴散1：視頻創(chuàng)作者的評分模型

設(shè)計創(chuàng)作者的評分模型可以刺激用戶，持續(xù)提供高質(zhì)量內(nèi)容，針對作者不同屬性，進行精細化運營。

模型是通過算法頁的不同變量指標，對作者進行標準化打分，再根據(jù)各項指標不同的權(quán)重，匯總一個總得分，各項指標可以向下拆分一級、二級或更多級指標，各項一級指標、二級指標在0到100分范圍內(nèi)打分，無及格分數(shù)線。

作者總得分=質(zhì)量得分*權(quán)重1+互動得分*權(quán)重2+消費得分*權(quán)重3+發(fā)布得分*權(quán)重4+附加項得分*權(quán)重5

ps：權(quán)重之和為100%，進行人為設(shè)定

質(zhì)量得分：視頻分享數(shù)，視頻完整觀看率等指標；

互動得分：視頻評論數(shù)，視頻點贊數(shù)，新增粉絲數(shù)等指標；

消費得分：視頻總瀏覽；

發(fā)布得分：發(fā)布視頻數(shù)；

附加項得分：暴擊加分，熱門加分，作弊減分等。

六、擴散2：現(xiàn)有的星級評分如何形成更好的差異化

（1）現(xiàn)狀：5分數(shù)量太多，沒有太多參考性

（2）打5分的原因：

• 人道主義，出于好心；
• 4和5分區(qū)別感不強，用戶圖方便；
• 從中心理。

（3）如何破局：

• 增加星級打分門檻
• 強化星級差異性

（4）設(shè)計思路

用用戶時間思考替換用戶的便捷：

• 點擊打分更改為滑動打分，滑動過程中，給用戶思考時間去衡量；
• 文案提示：例如1分為非常不滿意，2分為比較不滿意，以此類推

作者：june，團隊公眾號：產(chǎn)品經(jīng)理的那點事兒

本文由 @june 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議