差评率算的是 1-2 星评论占文字评论总数的比例，跟你在前台看到的那个星级不是一回事。同一个 3.7 星，我们的 22 份报告里躺着 5 份，差评率从 10.9% 到 26.8%，差 2.5 倍。

差评率这个说法做亚马逊的人天天在用，但真正算过的人不多，更多时候大家说的"差评率"其实就是看一眼星级，四星觉得还行，三星觉得危险。

这两个数差得挺远。

更离谱的一组是 3.6 星那份的 31.2%，对上 3.9 星那份的 14.0%，均分只差 0.3 星，风险差 2.2 倍。你要是只看星级，这两份报告在页面上长得几乎一样。

所以这篇先把这个指标本身说清楚：什么是差评率、怎么算、和星级差在哪、多少算正常，最后说它能干什么、不能干什么。

一、差评率怎么算

一句话，1-2 星评论数 ÷ 文字评论总数。

这个式子里有三个地方容易出错，一个一个说。

分子只算 1 星和 2 星，3 星不算。 这条界线上各家口径不一样，有的分析工具把 3 星也划进负面，我们统一用 1-2 星，原因是亚马逊语境里三星通常还带着"能用但有毛病"的意思，买家打三星多半是在犹豫，不是在否定。把三星并进来，差评率会明显虚高，品类之间就没法比了。

分母是文字评论总数，不是全部 rating。 这一点是差评率和星级最本质的分叉。前台那个 4.3 星，分母是所有打过星的人，里面一大半一个字都没写，你在页面上根本看不到他们说了什么，也不知道他们在抱怨什么。差评率的分母只算写了字的，也就是你能读到、能归类、能拿去改产品的那批人。

两批人不是同一批。愿意专门打字写评论的，本来就是体验偏差最大的那部分，特别满意和特别不满意的才会动手，中间那批人沉默着走了。所以差评率天然带一点放大效应，它反映的是极端体验的分布。

第三个坑是"总数"这个词。 同一个数字换三个分母，能算出三个完全不同的百分比。拿充电宝报告里安克那款举例，电池性能被提及 36 次，除以这款产品的全部痛点提及次数 69 次是 52.2%，除以它的差评条数 53 条是 67.9%，除以它的评论总数 187 条是 19.3%，三个数都对，回答的是三个不同的问题：这条抱怨在抱怨里占多重、有多少差评的人在说这件事、多少买家会遇到。

差评率只认最后一个方向，只是它的分母比"评论总数"更窄一点，是文字评论总数。

顺带说一个常被混进来的东西：痛点分组占比不是差评率。前者算的是"抱怨里有多少是这件事"，后者算的是"买家有多少比例给了差评"，一个在抱怨内部切片，一个在买家总量里切片。把 52.2% 当成差评率写进 listing 分析，结论会完全反过来。

举个例子把手算走一遍。充电宝报告里安克那款，文字评论 187 条，其中 1-2 星 53 条，53 ÷ 187 = 28.3%，这就是报告页上写着的那款产品的差评率。同一份报告里绿联是 50 ÷ 201 = 24.8%。两个数放在一起，才有"这一对谁更稳"这个问题，单独一个 28.3% 什么都说明不了。

二、为什么星级对这个数不敏感

这里有个数学原因，不复杂，但很少有人算过。

星级是加权平均。在 4.0 分附近，一个 1 星和 5 星的贡献差了 4 分，要让均分不被拉下来，一个 1 星差评需要三个 5 星好评来抵消。算式是 5x + y = 4(x + y)，解出来 x = 3y。均分 4.5 的时候更夸张，一个 1 星要七个 5 星才补得回来。

也就是说，越靠近高分区间，差评越容易被好评掩盖。

举两个分布看这件事，都是符合亚马逊真实形状的，不是编的：

星级分布 5 星 4 星 3 星 2 星 1 星 均分 1-2 星占比
形状 A（平滑） 52% 28% 14% 3% 3% 4.23 6%
形状 B（两极） 78% 0% 0% 10% 12% 4.22 22%

两份的均分差 0.01，肉眼看不出来，1-2 星占比差了 3.7 倍。

形状 B 那种"五星很多、一星也不少、中间空掉"的分布，在亚马逊上并不罕见，尤其是低价电子和宠物用品，买家要么觉得超值，要么觉得被骗，中间状态很少。这种产品在页面上会显示一个漂亮的 4.2 星，实际有一成多买家在骂。

均分是把极端值互相抵消之后的净值，差评率是只看亏损那一侧的绝对量。 一个告诉你账面好看不好看，一个告诉你实际亏损有多大。做产品决策要看后者，因为改产品能直接动的是亏损那一侧，差评会跟着你的改动往下走，好评不一定会跟着往上走。

三、同一个 3.7 星，五份报告差 2.5 倍

把报告库的 22 份报告按均分排开，同分那一行最能说明问题。

均分 报告数 差评率区间 最高 / 最低
3.8 星 2 18.3% – 26.3% 1.44 倍
3.7 星 5 10.9% – 26.8% 2.46 倍
3.6 星 2 17.8% – 31.2% 1.75 倍
3.5 星 3 22.1% – 31.1% 1.41 倍
3.3 星 3 28.0% – 35.5% 1.27 倍
3.2 星 2 29.5% – 34.9% 1.18 倍

3.7 星这一档最典型，五份报告分别是无线耳机（10.9%，514 条）、猫爬架（18.4%，380 条）、夜灯两份（24.5% 和 25.0%，408 条和 329 条）、充电宝（26.8%，388 条）。

五份报告在我们的数据里都算 3.7 星，你按星级筛的时候它们会被归进同一格，但买家实际的不满程度差了 2.5 倍。无线耳机那份 514 条评论里只有 56 条是 1-2 星，充电宝那份 388 条里有 104 条。

这个差距不是抽样误差。两份样本都在 300 条以上，都过了我们自己 100 条的样本门槛，也都在同一个时间窗里抓的。它就是真实的差别。

同分不同命这件事，说明星级这个指标在 3.5 到 4.0 这一段几乎没有分辨力。 而亚马逊上大量产品的均分正好落在这段，尤其是那些卖了几年、评论攒到几百条的老链接，均分会被历史好评锚死在一个位置，很难动。

四、反例比同分更狠

同分之间的差距还能说是"分档太粗"，跨分对比就更没得解释了。

3.6 星的充电器（UGREEN vs INIU，325 条）差评率 31.2%，3.9 星的翻译耳机（Csasan vs Soundcore，522 条）差评率 14.0%。均分只差 0.3 星，风险差 2.2 倍。

再看一组：3.7 星的无线耳机 10.9%，比 4.3 星的宠物狗梳 12.9% 还低。均分低了 0.6 星，风险反而更低。

还有 4.1 星的 USB-C 数据线 18.1%，比 3.8 星的猫梳 18.3% 只低了 0.2 个百分点，两份均分差 0.3 星，差评率几乎一样。

把这几组放在一起看，一个结论就出来了：均分高 0.3 星不代表风险低，均分低 0.6 星也不代表风险高。 这两个指标在 3.5 到 4.3 这个区间里，相关性弱到基本可以当独立变量看。

为什么？因为品类不一样。不同品类买家的打分习惯差很远，宠物用品的买家普遍宽容，充电类产品的买家普遍挑剔，同一件事在两边的分数不一样。差评率虽然也受影响，但它算的是"抱怨的人数比例"，比"抱怨的严重程度"更稳定一点。

这也是为什么跨品类比均分没什么意义，比差评率至少能看。

五、多少算正常

先说清楚这些品类的数是怎么合起来的。同品类有多份报告的时候，我们按评论数加权，不取简单平均。牙刷两份，437 条 17.8%、420 条 22.1%，简单平均 19.95%，加权是（437×17.8 + 420×22.1）÷ 857 = 19.9%，两份样本量接近，差得不多。充电宝四款简单平均 31.05%，加权 31.2%，也差不多。但一份 60 条和一份 500 条摆在一起的时候，简单平均会让小样本把整个品类带偏，所以这个口径从一开始就定死成加权。

16 个品类、22 份报告排下来，差评率从 10.9% 到 47.5%，中位数 26.4%。按这个范围分四档：

区间 品类 大致含义
15% 以下 无线耳机 10.9%、翻译耳机 14.0%、USB 数据线 14.1% 要么产品简单，要么买家预期宽松
15% – 20% 宠物梳毛 16.1%、USB-C 数据线 18.1%、猫爬架 18.4%、电动牙刷 19.9% 中等偏低，值得细看为什么低
20% – 30% 夜灯 24.7%、剃须刀 28.0%、充电器 28.8%、宠物饮水机 29.5% 中等偏高，是常态
30% 以上 有线耳塞 31.1%、充电宝 31.2%、颈部按摩器 32.3%、智能喂食器 33.7%、自动猫砂盆 47.5% 高风险，但风险来源各不相同

判断标准可以简化成三句话：

低于 15%，属于健康。但低的原因要查，可能是产品真的简单（数据线），可能是买家预期模糊（翻译耳机），也可能是这个品类没人做得好、大家都不写差评（少见）。三种原因对应的动作完全不一样。

20% 到 30%，是亚马逊的常态区间。这个区间里做产品，改进空间是有的，但你不会因为差评率低就自动赢，胜负手还在别的地方。

30% 以上，先别急着判断能不能做，要看品类内部差距。自动猫砂盆 47.5% 但内部只差 1.29 倍，说明所有人都做不好，这是品类问题；充电器 28.8% 但内部差 2.15 倍，说明有人做对了，这是机会问题。同样是高风险，一个该绕开，一个该研究。

这四档不要当绝对标准用。16 个品类只是我们分析过的，亚马逊上万个类目，没进报告的品类一个都没算进去。你手上那个品类如果不在里面，这四档只能当参照系，不能当判决书。

六、三个最常见的算错方式

第一个，用前台星级池当分母。 有人拿"1-2 星占全部 rating 的比例"当差评率，这个数在亚马逊页面上确实能看到（评分分布那五条横条），但它跟你拆文字评论得到的结果差很远。原因是分母里混进了大量没写字的买家，他们的态度你完全不知道，可能是懒得写，也可能是根本没用过就打了分。

这两个口径的分母不同，算出来的数一定对不上，而且谁高谁低不固定，取决于那个产品的买家有多爱写字。用前台分布代替差评率，等于把一批沉默买家凭空算了进来。

第二个，把痛点提及占比当差评率。 前面说过，52.2% 和 19.3% 是充电宝报告里同一个 36 换分母算出来的两个数。前者说的是"抱怨的人里有多少在骂电池"，后者说的是"多少买家给了差评"。前者高说明问题集中，后者低说明整体还行，两个数一起看才有意义，单独拿一个出去说事就会误导。

第三个，拿单款产品的差评率去代表品类。 充电宝这个品类我们做过两组对比，四款产品分别是 24.8%、28.3%、33.2%、37.9%，最好和最差差 1.53 倍，其中两款还是同一个品牌的两个型号，也差了 1.34 倍。你随便抓一款来算，得到的那个数可能只代表这一款，不代表这个品类。

这个错法还有个变体：拿只有几十条评论的产品算差评率。61 条评论里 17 条差评是 27.9%，看起来挺吓人，但样本太小，置信区间宽到没有决策价值。我们自己定的门槛是单品 100 条文字评论以下不下结论，低于这个数只能看方向，不能定生死。

七、这个指标能拿来干什么

说三个具体用法，都是报告里在用的。

第一，当风险下限用。 差评率告诉你这个品类最差能做到多差——它的意思是，如果你什么都不改、按行业平均水平做，买入的人里大概有这么多会不满意。这是你的成本上限，退货、差评、客服工单、listing 掉分，全都从这里派生。

第二，当筛选的第一道筛子。 它适合用来快速排除，不适合用来做最终决定。30% 以上先警惕，15% 以下先放心，中间那段要看第二个维度。

第三，配内部差距一起看。 差评率是绝对水平，品类内部差距是相对水平，两个交叉才看得出"这个品类有没有人做对了"。同样的 47.5%，内部差 2.5 倍的时候它是机会（有人做到了 19%），内部差 1.29 倍的时候它是天花板（谁都做不好）。只看差评率，这两个情况长得一模一样。

如果你只记一句话，记这个：差评率回答"这个品类有多难"，内部差距回答"有没有人做对了"，两个都得有。

八、它不是常数，会漂

差评率是按某个时间窗抓出来的，换一个窗口，数字会动。

猫爬架那份报告最能说明这件事。两个产品，全周期看是 18.9% 和 17.9%，几乎一样，1.06 倍。拆到近三个月变成 17.9% 和 7.3%，最近一个月 10% 对 4.3%。同一批产品，往回看两年是"两家差不多"，往前看三个月是"一家已经修好了"，结论完全相反。

所以看差评率之前先看它标的是哪段时间。我们的报告默认给全周期，趋势那一章会给近三个月和最近一个月，两个数都看一遍比只看一个稳。品类之间比较的时候尤其要注意：一份报告抓的是两年，另一份抓的是半年，直接比是不成立的。

这也解释了一件事，为什么同一个品类隔几个月再抓，排名会变。不一定是产品变了，可能只是最近那批买家换了一批人。

九、这个指标不能证明什么

写到这得把边界交代清楚，不然很容易被当成结论用。

它只覆盖我们分析过的品类。 16 个细分类目、22 份报告、42 款产品、8,211 条文字评论。亚马逊有上万个类目，没进过报告的品类一个都没算。准确的说法是"我们分析过的品类里，差评率是这个范围"，不是"亚马逊的差评率是这个范围"。

它不是退货率。 差评是有人愿意写下来，退货是有人用脚投票，两批人重叠但不相等。大量退货的人一个字都不写，也有些写了差评的人最后没退。要算退货损失得另外核。

文字评论本身有偏差。 愿意打字的是极端体验那批人，中间沉默的大多数不在样本里。所以差评率高不一定代表产品差，也可能代表这个品类的买家更爱表达。

均分和差评率来自不同的池子。 均分是全 rating 加权，差评率是文字评论口径，两者对不上是正常的，不是数据错了。这篇里所有"同均分不同差评率"的比较，用的都是各自口径下的真实值，没有做过换算。

同一款产品可能被重复分析。 8,211 条是报告口径的累计数，有两款产品因为换了对比对象被分析过两次，去重之后 7,873 条。这不影响任何比值，但说总量的时候得说清楚。

把边界写清楚，跟把数字算清楚一样重要。一个指标最大的价值不在于它能证明什么，而在于你知道它不能证明什么之后，还敢拿它做判断。

相关阅读