Логическая модель влияния на рейтинг заведения в картах

Привет, VC! На связи Женя Smarty.

Последние несколько лет я с головой погружен в мир данных и аналитики, особенно в то, как они влияют на решения в бизнесе и нашу повседневную жизнь в этом безумном мире технологий и цифры. Сегодня я хочу затронуть тему, которая касается каждого из нас, кто хоть раз выбирал/продвигал/запускал ресторан, отель или сервис, опираясь на пользовательские отзывы и рейтинги. Речь пойдет о том, как формируется общий рейтинг на Яндекс.Картах, и почему я решил копнуть именно в эту сторону.

Для меня это не просто технический челлендж. Это попытка разобраться, как из миллионов разрозненных мнений складывается одна, казалось бы, простая цифра. Как система учитывает не только оценку, но и качество отзыва – его объем, наличие фотографий, видео? Влияет ли количество упоминаний того или иного аспекта (например, "еда", "атмосфера", "сервис") на итоговую оценку? И главное – можно ли, поняв эти механизмы, улучшить свой продукт или сервис, зная, что именно ценит аудитория?

Эта тема захватила меня своей неопределенностью и значимостью. Яндекс не раскрывает точные алгоритмы, и это создает поле для гипотез, экспериментов и глубокого анализа. Я верю, что понимание этих "скрытых" формул может дать бизнесу мощный инструмент для роста и адаптации.

Предлагаемая формула для расчета "взвешенного" рейтинга аспекта, который затем может быть агрегирован для получения общего рейтинга:

Где:

● Rаспект - Взвешенный рейтинг конкретного аспекта (например, "Еда", "Атмосфера", "Музыка").
● N - Общее количество отзывов, упоминающих данный аспект.
● i - Индекс отдельного отзыва, затрагивающего данный аспект.
● Si - Оценка удовлетворенности для i-го отзыва (1, если отзыв положительный/рекомендующий аспект, 0, если отрицательный/не рекомендующий). В вашем случае это соответствует процентному соотношению "пальцев вверх" к "пальцам вниз".
● wi - Весовой коэффициент i-го отзыва, зависящий от его формата:
wi=1 для отзывов без текста
● wi=1.1 для отзывов с текстом
● wi=1.2 для отзывов с текстом и фото
● wi=1.3 для отзывов с текстом и несколькими фото или видео

1. Определение Si (Оценка удовлетворенности): В моих данных, Si уже агрегирована в процентное соотношение. Например, для "Еды", 81% "пальцев вверх" означает, что 81% отзывов были положительными по этому аспекту. Чтобы использовать это в формуле, мы можем рассматривать Si как "1" (положительный) для доли положительных отзывов и "0" (отрицательный) для доли отрицательных отзывов.

2. Расчет Rаспект (Взвешенный рейтинг аспекта):

● Для каждого аспекта мы берем количество положительных и отрицательных отзывов.

● Каждому отзыву присваивается весовой коэффициент wi в зависимости от его формата (текст, фото и т.д.).

● Суммируются взвешенные положительные оценки и делятся на сумму всех весовых коэффициентов для этого аспекта.

Допустим, у нас есть 238 отзывов по "Еде". Из них 81% положительные и 19% отрицательные.

Представим, что эти 238 отзывов распределены по форматам (это гипотетический пример, так как у нас нет данных по распределению форматов):

● 100 отзывов без текста (коэффициент 1)

● 80 отзывов с текстом (коэффициент 1.1)

● 40 отзывов с текстом и фото (коэффициент 1.2)

● 18 отзывов с текстом и видео (коэффициент 1.3)

Сначала нужно понять, сколько из этих отзывов были положительными/отрицательными.

Если 81% положительные, то 238×0.81≈193 положительных отзыва.

Если 19% отрицательные, то 238×0.19≈45 отрицательных отзывов.

Теперь, чтобы применить формулу, мы бы умножили долю положительных отзывов в каждой категории на их соответствующий коэффициент и просуммировали.

Однако, поскольку у нас уже даны агрегированные проценты "пальцев вверх", более реалистичный подход к использованию нашей формулы для расчета общего рейтинга будет следующим:

Для расчета общего рейтинга 4.8 на Яндекс.Картах, необходимо агрегировать взвешенные рейтинги всех аспектов. Это сложнее, так как неизвестно, как Яндекс определяет вес каждого аспекта в общем рейтинге. Возможно, они используют:

Где:

● Rобщий - Общий рейтинг заведения (например, 4.8).

● M - Общее количество рассматриваемых аспектов.

● Rаспектj - Взвешенный рейтинг j-го аспекта, рассчитанный по формуле выше (с учетом Si как процента положительных отзывов).

● Cj - Коэффициент важности аспекта (это неизвестная переменная, которую Яндекс определяет сам).

Nаспектj - Количество отзывов, упоминающих j-й аспект.

Наши данные (процент положительных отзывов и количество отзывов для каждого аспекта) уже позволяют увидеть "взвешенное" качество каждого аспекта.

Например, для "Еды":

● 81% положительных оценок из 238 отзывов.

● Для "Атмосферы": 96% положительных оценок из 167 отзывов.

Можно предположить, что Яндекс берет эти процентные показатели и умножает на некий весовой коэффициент, который зависит от количества отзывов и, возможно, от типа формата отзыва.

Нужно рассчитать "взвешенный процент положительных оценок" для каждого аспекта.

Пример для "Еды": Если бы мы знали распределение 238 отзывов по форматам (без текста, с текстом и т.д.), мы могли бы более точно применить коэффициенты. Однако, поскольку у меня есть только агрегированные данные (81% положительных), мы можем интерпретировать это так:

81% из 238 отзывов по "Еде" имеют оценку "палец вверх" (позитив), 19% - "палец вниз" (негатив).

Если не учитывать распределение форматов внутри этих 81% и 19%, то наиболее простой способ интегрировать коэффициенты - это применить их к общему количеству отзывов, а не к каждому отдельному отзыву.

■ Упрощенный подход:

Количество "позитивных" отзывов по "Еде" = 238×0.81=192.78≈193.

Количество "негативных" отзывов по "Еде" = 238×0.19=45.22≈45.

Допустим, средний коэффициент для всех 238 отзывов по "Еде" равен Kсредний_еда. Тогда "взвешенный" показатель будет 0.81×Kсредний_еда.

Однако, вопрос предполагает, что переменная с коэффициентом формата отзыва заложена в расчет.

Формула для расчета влияния аспекта на общий рейтинг, учитывая коэффициенты формата отзыва (без точного распределения отзывов по форматам):

Поскольку у нас нет данных о том, сколько из этих 238 отзывов по "Еде" были "без текста", "с текстом" и т.д., невозможно применить коэффициенты wi к каждому отдельному отзыву. Вместо этого, можно предложить следующую интерпретацию, если бы мы имели эти данные:

Предположим, для каждого аспекта, например "Еда", мы знаем количество положительных и отрицательных отзывов для каждого формата.

● Nпоз,текст = количество положительных отзывов с текстом

● Nнег,текст = количество отрицательных отзывов с текстом

● Nпоз,фото = количество положительных отзывов с фото

● ... и так далее для всех форматов.

Тогда для аспекта "Еда":

Поскольку у нас нет распределения по форматам для каждого аспекта, мы можем использовать усредненный коэффициент для каждого аспекта, если предположить, что распределение форматов внутри положительных и отрицательных отзывов примерно одинаково, или что у нас есть некое общее распределение форматов отзывов для всего заведения.

Пример с усредненным коэффициентом:

Если у нас есть общее распределение всех отзывов заведения по форматам (например, 30% без текста, 40% с текстом, 20% с фото, 10% с видео), мы можем рассчитать средний коэффициент Kсредний:

Kсредний=(0.3×1)+(0.4×1.1)+(0.2×1.2)+(0.1×1.3)=0.3+0.44+0.24+0.13=1.11

Тогда для каждого аспекта мы можем умножить процент положительных оценок на этот Kсредний:

Влияние аспекта на общий рейтинг (с усредненным коэффициентом):

Где:

● Влияниеаспект - Показатель, отражающий вклад аспекта в общий рейтинг.

● %Положительныхаспект - Процент положительных оценок для аспекта (например, 0.81 для "Еды").

● Kсредний - Усредненный весовой коэффициент отзыва по форматам (рассчитывается на основе общего распределения отзывов).

● Nаспект - Количество отзывов, упоминающих аспект.

Это не точная формула Яндекса, но логическая модель, позволяющая интегрировать ваши вводные данные. Яндекс, скорее всего, использует более сложные статистические модели и машинное обучение для определения важности каждого аспекта и агрегации их в общий рейтинг.

Всем спасибо за внимание! Развивайте свой бизнес и процветайте.

Приходи на бесплатное обучение базовым моментам в ИИ и мы подробнее расскажем как внедрить его в твои бизнес процессы.