商品：有形，标准，生产与消费分离，可存储
服务：无形，异质，生产与消费同步，易逝性
所以需要有海量的个体单元信息（用户点评）来复合描述整个服务的感受，给用户一个具象无限接近标准的商品形象。
现在主流网站的评分和评价体系如图
一，量化数据部分
基本结构如下
总样本数 如：80个点评
评分项目 如：综合评分，送货速度
--程度 如：好评，中评和差评；或者1-5分
--该项目单项程度样本数 如： 好评10个，中评1个和差评0个。（也有通过百分比来显示的）
二，不可量化信息部分
单个样本的点评内容（值得一体的是京东对点评还进行了细分，以优点，不足和总结来引导用户对点评进行格式化呈现。）
这个评分体系的优点很多，被大多数网站广泛采用，已经成为了约定俗成的知识，用户不论是在哪个网站，都可以理解这一套评价体系，并且快速的对自己查看的商品形成一个直观印象。
但是我就想找茬了，难道没有更好的体系来颠覆这一套现有的系统吗？不破不立，抛砖引玉。
我认为这套体系有以下缺点
1 当数据量过多的时候，对于用户的评价反应就会迟钝
这个反应迟钝的意思，举一个例子会比较形象。如果一个商户的服务有1000个单位的高分，但是随着最近生意的增长，或者其他什么原因导致了服务质量下降，连续出现了10个左右的低分，但是总评分数依然是在高分上，那么最近购买的客户的真实感受就无法立刻被反映出来，而商户也可能因为这种迟钝的分数体制而忽略对用户提供高质量服务的坚持。
解决方案：
那么点评的分数是否应该设计成和时效性挂钩呢？一周内的评分应该是最高权重，而半年前的分数给予非常低的权重。其实淘宝已经做了，动态评分体系，时间是六个月。
但它没有和时间顺序进行权重计算，我认为，只有最近的服务，才最能反映下一次服务的情况。
当然，这里存在一个临界点的问题，不可能出现一个最新评论是差评就立刻拉低了分数，或者一个突然的好评提高了分数，当中的可操作性还要好好斟酌。
2 分数分布不均匀
打个比方说，同样一个班级，A老师评分比较宽容，作文分数都在90分以上，随便找一个都是90分100分的人。B老师评分严格，只有两三个上90分的。那么我从这个班级中随机抽出一个学生，他的分数是90分整，我不知道是A老师评的还是B老师评价的，那他的写作水平到底是怎样呢？
最理想的状态，这些分数的分布也只是一个正态分布，但实际上也不是这样的分布。那还有更好的明显的区分档次的方式么？
解决方案：
例如：把所有学生的分数按顺序排序，一个班级100个人，拍100名。按五分制计算，1-20名算5分，21-40名算4分，以此类推。这样做出来的档次划分，是最均匀分布也最明显的。对于用户来说，就可以更好的选择和对比。
这样拉平分数，有人会说，都是好产品，总有10%给1分，还不及格，这怎么做生意呢？所以，我想，这个也是有限度的拉平分数间隔，比如最低3分。3分到5分的分数区间，按排名均匀拉平，也比80%都是4.5分这样更有参考价值。
这些问题我想不是我第一个想到，也不是我第一个提出。那为什么现在没有类似的实例，是不是没有可操作性？本文就先写到这里，隔上一段时间，再来思考。
