业务|谈谈评分模型( 三 ) 评分|谈谈|评价模型|商家|分值

目前最普遍使用的无量纲化方法是标准化法，标准化法即令：

文章插图
其中x拔和σj分别是指标xj的均值和标准差。
五、权重1. 权重的内涵前面我讲过评分模型是平台价值观的体现，这个价值观很大一部分由指标的选择与权重的定义承载。
不同平台在定义指标权重时会存在较大差异，可以简单理解为不同平台因产品形态/产品定位/目标用户/使用场景存在差异，导致平台在评价一项事物时会有不同的标准，这个标准我们可以抽象为权重。
权重的大小反映了对于目标结果来说，评价指标的重要程度。
这个重要程度一般从两方面衡量：

指标包含评价主体信息量的多少，包含信息量越大，权重越大；
指标对评价主体的区分度，评价指标区别被评价对象的能力越大，则权重越大

2. 权重的计算我们知道，价值观具有极强主观性，同样，平台在指标权重的定义上也存在极强的主观性。
我目前了解到各大平台在定义各类评分模型的指标权重时，往往用主观赋权法较多：

主观赋权法：常用的主观赋权有专家定权法、层次分析法，该类方法主观性都较强；
专家定权法：专家定权的本质是由业内/领域权威人士直接定义各指标权重；
层次分析法：层次分析法虽属于主观定权，但也存在一定的科学性，旨在通过指标量量对比，量化权重，主观定权下带有一定的客观计算规则。

其计算思路如下：
1）构造判断矩阵
判断矩阵含义：建立指标之间两两比较的影响程度的矩阵。例如对指标B1；B2；B3；B4；B5定权，构造判断矩阵为：

文章插图
2）建立指标度量标度
其中aij表示第i个指标与第j个指标的比较度量，用如下标度表示：

文章插图
3）检验判断矩阵的合理性
判断矩阵构建后，需要进行矩阵一致性校验，何为一致性校验，即在比较时是否表达一致，例如：A>B，B>C，那么A必然大于C，这样检验方式称为一致性检验。
一致性检验是通过计算一致性比例CR得来：
中CI表示一致性指标，其公式为：
n表示判断矩阵中指标的个数，λmax表示判断矩阵的最大特征值。
RI表示随机一致性指标，可查表获得，如下表所示：

文章插图
当CR
4）定权
客观赋权法
这里仅介绍下常用的客观赋权——熵值法。
什么是熵？
物理学对熵的定义是描述体系混乱程度(离散程度)的度量，宇宙是一个熵增的过程，熵增也是世间万物的运行规律。
什么是熵值法？
物理规律下的离散程度我们定义为熵，信息领域的信息不确定度被定义为信息熵，熵值法是对信息熵的计算，用来判断某个指标的离散程度。
在权重的内涵中我们讲到衡量权重的标准之一：指标对评价主体的区分度，评价指标区别被评价对象的能力越大，则权重越大。
熵值法正是基于此思想而建立，是泯灭指标特性的数据分析，不对指标实际含义进行解析和解释，通过对数据的离散程度(不确定度)进行对比而推算权重。
例如在商家服务质量评分模型建立过程中，各商家在指标A上的数据离散程度非常小，如果我们赋予该指标较大的权重就会出现各商家得分相近，难以区分优劣。
计算方法如下，较为晦涩，感兴趣的同学可以百科自行学习，再此不多赘述，以下参考资料来源百度百科：

文章插图

文章插图
上述指标权重的定义更多是在讲“术”的方面，即如何科学定义权重；但我们要明白的是权重不是一成不变的，评分模型运行后我们往往会动态定义权重，观察在不同权重组合影响下（如各类AB实验），对用户体验/平台效益/系统效能等方面的收益进行量化，以期寻找一个最优组合；甚至在平台发展的不同阶段，各指标权重也会跟着平台战略演进而调整。
六、分值的选择

5分制：具备分层属性：极差、较差、一般、较好、极好，强化等级/层级，弱化同级差异，重定性描述，直观，易于交互，阅读性较强，常用于C端展示；
百分制：强化排序/排名重比较，重定量描述，常用于内部排序、排名使用；
- 上一页
- 1
- 2
- 3
- 4
- 下一页