UI/UX 研究與設計 — 評價系統案例研究、優化、設計與實作 | Case by awwrated

Harry Chuang

Published in

AAPD — As A Product Designer

11 min readJan 9, 2022

前言

在2021年終於迎來一位後端工程師的新成員，於是開始規劃已經閒置很久的 awwrated 會員系統和會員評價功能~其中有兩個主研究項目~
其一是如何計算會員評分，其二是如何設計評分與短評論功能~

01 評分演算法

各平台評價功能 — 研究二三事

評分基本上就是每個人給予一項事物的主觀評價，而這個主觀分數的數量放大後，會逐漸成為一個相對客觀的參考指標，而這樣的指標當然不是絕對，它只是方便給予一般人可以方便參考的指標~

awwrated 平台主要的功能價值，就是提供像是 Netflix, Disney+ …等，這類影音串流平台上評分的資訊，盡量給出相對客觀的分數來幫助使用者可以避掉一些雷片 XD

在 IMDB, Rotten Tomatoes, 豆瓣, Letterboxed… 每個評分的資訊都不太相同~像是 RT 有區分影評/媒體和一般使用者分開的評價資訊， IMDB 主頁上的評價則來自一般使用者， IMDB 的影評或媒體的評價資訊則來自 MetaScore 的資料~

各大平台的演算法也不太相同，每天接觸評分資訊久了，會發現最終分數呈現的結果差異不會真的天差地遠…真要說最有差別可能就是影評和一般人之間的評價落差，另外就是影片類型在不同地區的評價也會有相當的落差，像是韓劇、日劇…etc，明顯就比較符合亞洲人的口味~

另外有時候一部影片的評分，也可能因為某次的炎上事件，而突然讓評價變得非常不客觀，像是去年因為內容影射印尼旅館服務很差而被印尼人炎上的韓劇”羽球少年團”，就被印尼的使用者給大量給予負評，導致分數掉到只剩1.9分 XD 當然這是少數事件~

除了少數影片評價會失準外，另外也發現部份印度電影商好像會去買好評 @@a 這類買好評的影片在剛上架或是還沒上架的階段就會拿到大量的五星好評，但隨時時間過去，就會發現它的分數會持續隨時間下降很多，所以評分的數量真的很重要，因為它會逐漸讓這些不客觀的因素降低一些~

評分演算法

看完上述的二三事就可以得到一個小結論，就是無論評分演算法再怎麼強大或完美，還是強不過一群非理性的評分者、或是有錢可以買好評的廠商 XD 這些也都是特例，倒也就不用太去期待或深思怎麼有一個完美的演算法，最終還是可以相信數大便是美(數量夠大最終還是能夠弱化主觀並強化客觀)~

那 awwrated 怎麼計算使用者的平均分?

上面的圖是初期很概略寫下大略演算的想法，基本上就是讓有價值的評論可以獲得分數價值的加乘~

簡單來說，當使用者同時有給出評分和評論，在該則評論下方會出現一顆 Like 的按鈕(如果只是給出分數，不會有 Like 的按鈕~)，也就是帶有評論的分數，它會產生出額外的分數價值，而這個讚數可以幫助演算法知道這個分數是否相對更有價值，如下圖 — 這則評論獲得了10個讚，同時它會加乘這個分數的價值~

演算法結果如下圖所示:
當一個人評論為1星，另一個為5星，而其中的5星獲得了30個讚數~
在 AVG SCORE 單純的均分 (1+5)/2 = 3分， AWW RATING AVG SCORE 在按讚數的加值演算之下則會變為 4.2 分，也就是它會更偏向大家認同的看法~

從另一組數字來看，當只有一個使用者給出4星，並且同時他的評論獲得了30個讚數時，評分並不會因此而變成4.5分或是5分，因為讚數是加乘這個分數的價值，而不是加乘均分~

而對一些比較沒興趣評分的使用者來說，當他們認同某則評論，並在按下 Like 的那一刻，其實這位使用者也已默默成為了評分的貢獻者之一了~所以評價可以分成主三類，第一類是只給評分的使用者、第二類是評分+評論的使用者，而最後一類則是認同按讚的使用者~

無論如何，觀影者本身是否熱愛一部作品，還是相對主觀的，分數能做的還是給出一個相對客觀的指標供一般人參考 :D

02 評分與評論的 UI/UX

評分評論 UI 研究二三事

綜觀目前各大平台上的評論界面，基本上分為三個類型，一個是評分和評論分開的(IMDB, Letterboxed…etc)，另一個是把評分和評論整合在一起的(豆瓣..etc)，還有只論喜歡或不喜歡的(Reelgood, RT..etc)。

IMDB 評價 UI:
之所以 IMDB 會把評分拆出獨立的評分界面，主要應該是為了更方便地讓一般不會寫評論的使用者，也能更容易更快地給出評分~因為除非這個人是中重度使用者，不然一般應該很懶得再用文字補充對於該影片內容的想法，所以如果一開始就給出像是右方的界面，大概不少人會打退堂鼓 XD 所以這也是研究的重點之一，如何讓評分看起來更沒有門檻~

Reelgood 評價 UI:
Reelgood有一點做得很聰明，就是它跟爛蕃茄有點類似，評價來自於使用是否喜歡這部作品，所以只有三個選項，很愛、喜歡和不喜歡，但使用者不能寫下評論~這個好處一樣就是降低評價的門檻，讓使用者能快速給出一個簡單的觀點~只是因為 Reelgood 的分數並沒有寫出評價的數量，所以有時候會發現這些分數和其他平台的分數落差會很大~但其中還是有值得參考的 UX 就是用文字呈現而非星星數來傳達對於作品的喜好 :)

Letterboxed 及豆瓣評價 UI:
先說豆瓣好了，它其實也是走傳統的路線，就是評分和評論的輸入是一起的，但豆瓣比較有趣的是，使用者必須先點擊已看過，才會出現這個評價頁面，可能是想跟使用者確認你不是來亂的哈~而在其中還摻了一個該部作品的標籤選項，可能是為了讓系統可以透過使用者順勢幫忙補充該影片的類別和屬性~而它的評分上星星數會帶著一段定義文字，像是5星代表力薦，這也是一個不錯的研究指標，同時融合了 IMDB 和 Reelgood 的評價定義機制~

而 Letterboxed 就稍微複雜了，它不只是有評分和評論的功能，同時夾帶了一個你是否喜歡這部作品的選項，當使用者按下喜歡時，同時就加進了”喜歡”的這個片單中~對於一些喜歡記錄自己喜歡的影片的人來說，這的確是蠻便利，但同時還是會加深一些困惑，因為評分的本身也能代表著使用者對於該片的喜愛程度~應該是可以整合一起才對~

awwrated 評分的 UIUX

研究了不同平台的評價模式後，總結一個小結論就是，必須讓評分看起來很好上手、讓評價的門檻降低，同時也賦予中重度使用者也能寫下評論~

另外其中的評論的內容最怕的就是有些人會不小心在內容中暴雷，所以也需要有一個暴雷提醒的功能選項~

評論界面如下，包含了
01 電影名稱
02 評分定義
03 分數
04 短評
05 暴雷提醒

而為了讓第一次使用者打開評論界面，能減少些微對於評價的心理負擔~
就讓評分和評論分階段進行吧~分階段還有一個好處，就是可以減少一些程式邏輯上的處理 XD

從上面的界面可以看得出來，在使用者打開評論的當下，他們只會看到評分的選項~讓使用者可以簡單地給出分數，而星星的評級同時帶有不同的定義，如下:
1顆星 = Eww 冏…略過吧
2顆星 = 有點糟
3顆星 = 還可以
4顆星 = 推薦!
5顆星 = Aww 極力推薦!

而在初期的定義其實是 4顆星 = 很好看 / 5顆星 = Aww 神作!
但這時候就碰到問題了，測試者詢問了有沒有辦法給4.5顆星，因為對他來說這部片在 4星和 5星之間~也就是這部作品很好看但還沒到神作的等級 XD

解決這個問題一般大概有二個，一個是改為10顆星，另一個是讓評分有半星的功能~但這兩者都有些問題，像是10顆星對於一般人來說，它變複雜了，到底6和7，7和8的心理差異是多大~? 而如果設計成半星功能，對於手機版本來說~就會變成互動上的小困擾，像是 Letterbox 的方法是點擊星星會是滿星，再點擊一次則會變為半星~但這其實不是太好的方法，因為除非使用者知道要點擊2次才會變半星~

左思右想後，想到最簡單的解法就是改掉原本的評分的定義，也就是 4顆星 = 推薦! 而 5顆星 = Aww 極力推薦! ~ 改掉文字上定義除了省事! 同時也讓使用者更明確知道，他是否更推薦這部作品的相對關係~也就不會因為”神作”這個太沉重的定義，而害怕給出5星好評 XD

awwrated 評價流程如下 — 給出分數打開評論框(選填)、當有評論後則帶出是否有暴雷的確認選項~所以對於輕度使用者來說，他們只需要選出評分就能直接送出，不需要去撰寫短評~

而在評論列表上如何呈現暴雷的內容? 當然得將它隱藏起來 XD 只有在使用者願意打開暴雷內容才會看到該則評論~如下圖:

評價功能研究小結:

從2021年11月會員評價功能上線後到今天，大概已經累積了2個月的資料，目前也發現 awwrated 的評價功能有些小小的瑕疵，雖然不致於會太影響評價上的客觀度~但也值得拿出來探討，就是在一部大眾的超好評的影片，在 aww rating 上的分數會相較於其他平台較高一些，而如果是一般好評的影片的分數則和其他平台差異不會太大，可以參考下圖中的“aww raging”指標:

像是”奧術”或是”華燈初上”這類的大眾好評的影片，在 aww rating 的分數上就會較 IMDB 和豆瓣都高出一些，而像是”紅色通緝令”這類有褒有貶的影片比較沒有分數差距的問題~當然也有可能因為資訊量還不足，因為目前 awwrated 花了2個月才累積了接近約1000名的使用者和3000多則評價資料，評論數量跟其他大平台相較之下還少非常多~所以還需要時間來進行更多的驗證~

2021年對於 awwrated 團隊的成員來說，真的是相對辛苦的一段時間，因為同時要上線會員系統和評價功能…等，但也同樣獲得了不少的新的知識，尤其是對於評價這個領域的小小研究也收獲不少~

後記:
當初為了讓演算法簡化它原本繁複的算式，還搬出了微積分 XD 但早就忘得差不多了，還好工程師大大最後還是算出了一個非常簡化的函式~另外預計今年也會繼續設計和開發會員片單的功能，敬請期待 :D

另外有些使用者提問關於平台會不會導入筆記或是影評的功能，的確一直有在思考，但因為這還是算是 Side Project 資源相對較少 XD 只能先挑最重要的事情來做，另外對於一般大眾來說，其實相對比較不會花心思在看影評文章上面，會有這樣的想法主要還是透過數據的分析，如下圖 — 會發現這些影評網站的使用時間或跳出率數據反而都相對較沒這麼好~