编辑导语：评论区的重要性我想不用多说，无论是看新闻还是网购，看评论是必不可少的一步。然而评论区留言的排序规则并不是单一的维度可以概括的，它需要考虑的因素有哪些呢？本文作者尝试分析所有可能对评论排序有影响的因素，如此在制定排序规则时便可根据自身产品特点对症下药。

一、前言

如今，无论是偏功能性的电商点评类产品，还是偏社区类的内容型产品，评论区的重要性愈发突出。

它直接影响着商品转化率、社区氛围、用户粘性等多个方面，对一些用户年轻化的内容社区，甚至会出现评论区比正文更吸引用户观看的情况，可以说评论区功能设计的好坏直接影响产品的口碑。

评论区的设计上要考虑很多细节，排序规则是其中重要一环。

一方面它决定了用户浏览顺序，另一方面它影响头部评论区的呈现，其内容质量直接影响观者感受，亦对社区氛围起到牵引作用。

主流的排序方式有时间排序、热门与推荐，较不常见的有用户属性、内容属性等，往往在前者的基础上进行权重增加，搞清楚不同维度的排序顺序有何优劣与适用场景，对我们设计一个体验优异的评论区有很大帮助。

二、评论排序的不同维度

我们都知道，对同类事物的排序，要基于其自有属性，任一属性都可以成为我们对其排序的一种维度。

分析其包含的主要属性，我将其分为4类：用户类别/标签、评论时间、评论内容、热度（评论互动）。

1. 用户类别/标签

用户标签，指得是评论者可能有的特殊化的身份标识。

产品会考量这个标签是否会提高其他用户对其评论内容的关注度，以此来提高其排序权重。

基于此，可以推论具有饭圈文化的社区评论一样适用此套逻辑。

2. 评论时间

时间排序分正序与倒序两种，是最重要的排序维度之一。

时间使一切发生变化，这是自然规律。当评论与评论之间的关联包含着某种时间维度上的逻辑关系时，时间正序可以让你像翻阅历史一样清晰的把握整个来龙去脉。

再比如百度贴吧，它在很长一段时间也是默认以时间正序排列评论：

• 一方面早期贴吧没有做评论聚合展示，用户在评论区都是下一层楼回复上一层楼，互动关联强；
• 另一方面也是因为贴吧对帖子内容有字数限制，而很多楼主喜欢用连载、直播的方式来发帖，采用正序方便用户从头到尾的看下去。

还记得【只看楼主】那个功能吗？也是因此而产生的，这个社区习惯如今依然存在。

综上所述，一个社区由于熟人社交、或用户习惯等原因导致评论与评论之间有基于时间维度上的互动性或者连续性等逻辑关联，则时间正序排列对其适用。

正序排列也有缺陷：

• 首先，用户看到的头部评论一直取决于最早期的评论者所发表内容，即使随着时间流逝内容已经过时，依然不变的呈现给新用户，很容易主导与操纵评论区的气氛。
• 同时，当用户量增大，评论数以千计时，后来的用户评论曝光率会越来越低，新用户的评论积极性也降低了，不利于社区发展。

时间倒序排列则可以避免这个问题：

• 一方面增加了用户评论积极性，
• 另一方面则是因为其中一些电商类、服务类、时讯类的产品具有强时效性，社区内容随着时间的变化，早期评论的实际意义越来越低，而越新鲜的评论对用户来说参考价值越大。

他可以使用户优先接触到最新的评论信息，这是倒序排列的价值所在。如今时间倒序排列被广泛应用，不胜枚举。

值得一提的是，在评论区，多数产品会对把互动评论采用聚合的方法呈现，对于再次聚合后的评论，往往具有更高的粘性，需要重新思考排序方式。

如网易云音乐在评论区按时间倒序排列时，进入评论聚合页后它却是按照时间正序排列，其聚合展示页评论内部的关联性较强。

下图中问题清晰可见，诚然由于微博的用户体量太大，即便是二级聚合页评论也有太多。

那不妨参考下抖音的做法，它在聚合评论列表下通过算法把有关联性的评论聚合显示，按正序排列，而没有关联性的评论则按照反序展示，正序与反序都发挥了应有的作用，非常聪明的做法。

关键点：评论数量、逻辑关联。

3. 评论内容：篇幅、有无图片视频、内容相关性

这类排序一般在电商、点评类产品中有体现，这类用户往往通过评论区内容辅助其购买决策，评论对商品转化率影响大，所以需要将优质的，更利于判断商品价值的评论内容排在头部让用户看到。

比如在淘宝商品的动态评价排序算法中，内容长度、有无图片视频，图片质量如何，内容里是否包含商品本身的品质、店家服务相关性的关键信息，都会影响该条评论的排序权重·。

评论包含的价值信息越多，越能帮助用户提高商品筛选效率。

4. 热度（评论互动）

热度是指通过统计点赞、转发、评论等评论互动的频率得出用户群体的兴趣偏好，这里以典型形式点赞为例。

从2009年facebook上线点赞功能后，此类点赞/反对/喜欢的一键式反馈在互联网一直广泛流行，低用户成本、使用频率高、自带喜好倾向，它使产品可以快速获得最具代表性的热门评论。

该排序维度与前三者的区别在于，评论者、时间、内容都是一条评论的固有属性，而热度是特有属性，它需要用户参与才可以获得，所以一般热度是配合时间来完成排序的。

热门排序也有它的问题，若以点赞数进行排序对早期评论过于友好，头部效应太大，后期评论者很难再从中脱颖而出；若以点赞率进行排序则会过分放大前期少量赞数的作用。

因此有人发明了威尔逊置信区间法来修正它的缺陷：

威尔逊置信区间法以热门排序为基础，采用点赞率计算得分，削弱头部效应，且通过威尔逊区间公式的下限值来减少当总评论人数量较少时得分的不准确性，随着评论人数的上升，该得分就越接近其真实应有的排名，这个方法后来被reddit,digg,yelp，知乎等产品沿用至今。

感兴趣的可以自行翻阅这篇博文《 How Not To Sort By Average Rating 》，该文作者为reddit改进了评论排序。

除此之外，还有基于点赞数与时间计算权重的排序算法，像hacker news与reddit’s story排序法，不再详述。

三、小结

基于热度的智能排序算法仍在不断修改完善中，工程师们头疼于如何权衡不同影响因素的权重，设计师则担心用户会由于头部露出带来的社交效应和社会资本提高，而违心评论或刻意制造噱头以获得更多的赞。

这将在某种程度上降低评论的真实性与价值含量，影响用户从评论区获得价值信息的效率。

而无论如何，热度排序只是一种基于大数据的统计方法，产品不同，用户不同，排序方式也要动态调整。

进一步设想，如果我们的算法够智能，是否能以小数据统计为每个用户呈现不同的评论排序以满足更多样化的内容需求呢？

我想当评论区变得越来越重要时，这也同样值得去探讨。

题图来自Unsplash，基于CC0协议

→CL自助下单平台←