多维度评分体系
一部电影的分数来自海量用户的星级打分,经过权重处理之后得出。权重会考虑账号的活跃历史、打分习惯和异常行为,刷分账号的评分不会被计入有效样本。评分旁边标注样本量,人数不足时显示“评分人数不足”,避免小样本高分误导。分数不替你做决定,但它告诉你几十万人是怎么想的。
分数不是结论,是一个可以被检验的起点。
一部电影的分数来自海量用户的星级打分,经过权重处理之后得出。权重会考虑账号的活跃历史、打分习惯和异常行为,刷分账号的评分不会被计入有效样本。评分旁边标注样本量,人数不足时显示“评分人数不足”,避免小样本高分误导。分数不替你做决定,但它告诉你几十万人是怎么想的。
TOP250是长期口碑的沉淀,不随短期热度浮动,入选依据是评分和评价人数的综合表现。分类榜单按类型、年份、地区排列,新片榜按上映时间滚动更新。榜单不是“必看清单”,是“在某个维度上被讨论得最多的一批”,看榜单的时候可以不同意,但至少有一个可以讨论的基准。
短评负责即时观感,一百四十字以内,一句话也能发。长评负责沉淀,可以展开分析,也可以只写一段个人经历。短评出现在条目页的显眼位置,长评进入独立列表。两者不互相替代:短评让你快速判断“值不值得点开”,长评让你在看完之后找到更深的讨论。
标记“看过”不要求先打分,标记“想看”不要求写理由。标记体系独立于评分,你可以在看完之后不评分,也可以在想看之后一直不看。标记记录的是你和这部作品之间的关系,不是你对它的评价。个人页会按时间线展示标记记录,回看的时候知道自己什么时候看过什么。
导演、演员、编剧、摄影、配乐都有独立页面,列出参与过的作品和合作过的影人。从一个演员的页面可以顺着合作脉络找到他参演的其他作品,从一部电影的页面可以看到完整的演职人员表。影人索引让“顺藤摸瓜”这件事变得有路径可循,而不是只能在推荐流里碰运气。
标签是用户自己打的,按题材、风格、情绪、场景多个维度累积。标签页会显示该标签下评分最高的条目和最近被标记的条目。同城观影按城市聚合线下观影活动和讨论小组,从线上评分延伸到线下见面。标签和同城都不追求“全”,追求的是“有人真的在用”。
八部2024年真实作品,覆盖剧情、科幻、动画、纪录片与重映经典。这里写的是豆瓣电影怎么帮你判断它、标记它、讨论它,不是剧情简介。
分数不是终点,它是一个可以追问“为什么”的起点。
一个8.8分如果没有样本量,它可能来自十个人,也可能来自三十万人。豆瓣电影把样本量标在分数旁边,人数不足时显示“评分人数不足”,不给出一个看起来漂亮的数字。你可以在点开之前就知道这个分数有多可靠,而不是被一个小样本高分牵着走。
所有人的一星和五星不是等权相加。账号的活跃历史、打分习惯、是否异常集中打分都会影响权重。水军刷分会被识别并排除在有效样本之外。这套机制不完美,但它至少承认“一票一票简单平均”在真实世界里不成立。
短评是即时的、情绪化的、一句话就够。长评是沉淀的、可以展开的、允许个人叙述的。把两者分开,短评区不会变成长文的堆场,长评区也不会被短句刷屏。想看判断看短评,想找讨论看长评,各取所需。
看过就是看过,想看就是想看,不需要先打分才能标记。标记体系和评分体系是分开的:你可以标记看过但不给分,也可以给分但不标记。标记记录的是你和作品的关系,评分记录的是你对它的判断。两者不必绑定。
TOP250的入选依据是评分和评价人数的综合表现,不因为短期热度而大幅调整。分类榜单按年份和类型排列,新片榜按上映时间滚动。榜单的价值在于它相对稳定,可以作为一个跨时间的参考基准,而不是每天变一次的推荐流。
一部电影刚上映时的分数和几年后的分数可能不一样。豆瓣电影不锁死初始分数,新评价会持续进入样本,权重处理会随着样本结构变化重新计算。这意味着一个分数是活的,它随着更多人看过而调整,而不是一次定终身。
不是来自“我们很客观”,是来自“我们知道哪里不客观”。
一个评分网站最常被问的问题是“你们的分数准不准”。这个问题本身有一个隐含前提:存在一个绝对准确的分数。但这个前提不成立。评分不是物理测量,它是几十万人主观判断的聚合。真正的问题不是“准不准”,而是“这个数字是怎么来的、它代表了谁、它遗漏了谁”。
一部刚上映的电影可能只有几百人打分,分数8.9;一部上映半年的电影有三十万人打分,分数8.3。前者不一定比后者好,它只是还没有足够的样本来稳定。豆瓣电影把样本量标在分数旁边,人数不足时显示“评分人数不足”,这个设计的用意是让读者先看样本再看数字。一个没有样本量的高分,和一个没有样本量的低分,一样不可靠。
简单平均的问题在于,所有账号的权重是一样的。一个刚注册、只打过一次分的账号,和一个用了十年、打过上千次分的账号,在简单平均里分量相同。这显然不合理。豆瓣的权重处理会考虑账号历史、打分分布和异常行为,水军刷分会被识别并排除。这套机制不完美,但它承认了一件事:在真实世界里,不是每一票都同样可信。
短评的公信力来自数量和即时性:几百条短评里反复出现的词,往往比一条精心撰写的好评更能反映普遍观感。长评的公信力来自深度和可讨论性:它允许作者展开论证,也允许读者在评论区反驳。把两者分开,等于承认“快速判断”和“深入讨论”是两种不同的需求,不能用同一个容器装。
一部电影刚上映时可能被情绪推高,几年后随着更多普通观众补看,分数会回落。如果评分一次定终身,它记录的就是首映周的情绪,而不是长期的口碑。豆瓣电影让新评价持续进入样本、重新计算权重,分数因此是活的。一个活着的分数比一个锁死的分数更值得参考,因为它承认自己会变。
公信力不是“我们从不犯错”,是“我们把犯错的机制和修正的机制都摆出来”。样本量、权重处理、短评长评分层、时间修正,这四件事加在一起,才构成一个可以被讨论的评分体系。
四位长期观察评分体系和观影行为的人,聊了聊自己的判断。
评分的价值不在小数点后那位,在它旁边的样本量。8.3分来自三十万人和8.7分来自五百人,前者更接近“普遍判断”,后者更接近“早期观众的偏好”。读者如果只看数字不看样本,很容易被小样本误导。
长评的作用不是“说服”,是“提供另一种看的方式”。短评告诉你大家怎么想,长评告诉你有人怎么想得更深。豆瓣把两者分开,等于承认“快速判断”和“深入讨论”是两种不同的公共产品,不该挤在同一个框里。
TOP250最有价值的地方是它的“慢”。它不因为一部片子最近很火就冲上去,也不因为一部老片没人讨论就掉下来。这种稳定性让它可以跨时间比较,而推荐流的榜单每天变一次,参考价值只有当天。
标记“看过”不要求打分,这个设计看起来小,但它降低了记录的门槛。很多人看完不想打分,但愿意标记一下“我看过了”。标记记录的是行为,评分记录的是判断。把两者分开,记录量才能上去。
推荐流负责“你可能喜欢”,评分负责“大家怎么看”。
过去几年,影视平台的默认体验是“千人千面”。算法根据你的观看历史、停留时长和点击行为,为你生成一条专属的推荐流。这套逻辑在提高点击率上非常有效,但它有一个结构性缺陷:它不告诉你“别人怎么看”。你看到的每一部片子都是“你可能喜欢”,没有一部是“大家觉得好但你还没看过”。
评分和榜单填补的正是这个缺口。一个8.8分不代表你会喜欢,但它代表“几十万人平均下来给出了这个判断”。这个判断不个性化,正因如此它才有公共性。当推荐流越来越懂你的时候,一个不讨好你、只呈现共识的坐标,反而变得更稀缺、更有用。
对应的变化是,用户开始学会区分“推荐”和“参考”。推荐是“给你看的”,参考是“给你判断的”。榜单、评分、短评、长评,都属于参考工具。它们不替你决定,但提供决定之前需要的信息。一个成熟的观影者,会同时使用推荐流和参考工具,而不是只依赖其中一种。
下一步的看点在于评分体系能不能守住“可解释性”。用户对“黑箱评分”的容忍度在下降,他们想知道样本量、权重逻辑、水军处理方式。谁先把评分的机制解释清楚,谁就更可能在算法时代保住公共坐标的位置。豆瓣电影把样本量标在分数旁边,就是在往这个方向走。
豆瓣电影不是从“推荐你喜欢的”开始的,是从“让大家一起打分”开始的。
最早做豆瓣电影的时候,团队只有几个人,片库也不大。当时最想做的一件事是让用户自己打分:不是编辑打分,不是专家打分,是每一个看过的人都能给出自己的星级。打分的人多了之后,分数就不再是某一个人的意见,而是一个可以被讨论的公共判断。
后来加的东西都是围绕这个判断展开的。样本量标在分数旁边,是为了让读者知道这个判断有多可靠;权重处理,是为了让刷分账号的票不被算进去;短评和长评分开,是为了让“快速判断”和“深入讨论”各有各的位置;榜单不随热度浮动,是为了让跨时间的比较有一个稳定的基准。
标记体系是后来加的,因为它发现很多人看完不想打分,但愿意标记一下“我看过了”。标记记录的是行为,评分记录的是判断。把两者分开之后,记录量上去了,评分反而更纯粹:愿意打分的人是真的想表达判断,而不是被“记录”这个动作推着走。
豆瓣电影不做推荐算法,也不做独家内容。价值在于整理和呈现:把几十万人的判断聚合成一个数字,把数字旁边的样本量标清楚,把不同深度的讨论放在该在的位置。分数会变,榜单会调整,但“让判断可以被讨论”这件事不会变。
按时间倒序,最近的在最上面。
上映不足两周的条目,评分旁边会显示“样本积累中”的状态说明,提醒读者当前分数可能随更多评价进入而调整。
短评页顶部会折叠展示近期高频出现的词,点击可以展开相关短评。高频词按时间段滚动更新,不覆盖全部短评。
TOP250的入选依据和调整逻辑做了更详细的说明,包括评分和评价人数的综合计算方式,方便读者理解榜单为什么这样排。
导演和演员的影人页新增作品评分走势图,按年份展示其参与作品的评分变化。走势图只展示有足够样本量的条目。
个人页的标记时间线可以按年份筛选,回看“某一年看过什么”更方便。筛选不影响标记记录本身,只改变展示范围。
评分机制说明页补充了水军识别的几个维度,包括异常集中打分、账号注册时间与打分行为的关系。具体算法参数不公开。
点开任意一条查看回答。
鼠标移上去暂停滚动。