بازارگاه‌های آنلاینِ کالا و خدمات دائماً بر ارزش و قدرت‌شان افزوده می‌شود. با وجود این، وقتی به سیستم‌های کسب اعتبارِ بسیاری از آن‌ها می‌نگریم، که معمولاً همان مدلِ ساده‌ی امتیازدهیِ پنج‌ستاره‌ای‌ست، غافلگیر می‌شویم.
با بیش از یک دهه تجربه در سرمایه‌گذاری در ده‌ها کسب‌وکارِ بازارگاهی و مشاوره‌دهی به آن‌ها، دریافته‌ایم که اگرچه سیستم‌های ساده‌ی امتیازدهیِ پنج‌ستاره‌ای برای شناسایی و سواکردنِ محصولات و ارائه‌دهندگانِ کم‌کیفیت کفایت می‌کنند، در تمایزگذاری بین محصولات یا ارائه‌دهندگانِ خوب و ممتاز عملکرد ضعیفی از خود نشان می‌دهند. این شاید مسئله‌ی چندان بزرگی برای محصولات و ارائه‌دهندگانِ کم‌تفاوت (مثل Lyft و Uber) نباشد، اما می‌تواند مشکلی جدّی برای ارائه‌دهندگانِ ممتازی پدید آورَد که متمایزشدن‌شان از دیگران برای کسب‌وکارشان اهمیت دارد (مثل 99designs، Fiverr، و Upwork). (شفاف‌سازی: یکی از ما—جاش (Josh)—صاحب سهامی از Upwork و Yelp است.)
وضعیت کنونیِ سیستم‌های امتیازدهیِ پنج‌ستاره‌ای با چندین نقص همراه است. با توجه به نبودِ انگیزه‌ای برای بازخورددهیِ صادقانه، احتمالش خیلی بیشتر است که کاربرانی که تجربه‌ی کاربریِ خیلی خوب یا خیلی بد داشته‌اند بازخورد دهند و درنتیجه سوگیری‌های گزینشی (selection biases) پدید آورند. امتیازدهی‌ها تحت خطر تورم «نمره» (grade inflation) نیز هستند، به‌گونه‌ای که داشتنِ امتیاز میانگینِ 4.8-ستاره‌ای، یا 98 درصد بازخوردِ مثبت، ارتباطی با استثنایی‌بودنِ آن ارائه‌دهنده ندارد. و در برخی بازارگاه‌ها، تفاوتِ میان 4.5 ستاره و 4.8 ستاره می‌تواند بسیار عظیم باشد، که کارِ تمایزگذاری بین ارائه‌دهندگانِ خوب و ممتاز را برای کاربران دشوار می‌کند.
روش‌هایی هست که از طریق‌شان می‌توان کاربرانِ یک بازارگاه را به درک بهتری از امتیازِ نسبیِ ارائه‌دهندگان مجهز کرد. یک روش مقدماتی این است که میانگینِ امتیازِ همه‌ی ارائه‌دهندگان را در دسته‌بندیِ مربوطه نشان دهند (مثلاً Amazon، اسباب‌بازی؛ Yelp، رستوران‌های سان‌فرانسیسکو؛ Task Rabbit، اسباب‌کشی؛ Expedia، هتل‌های کم‌هزینه). حتی می‌توانند نحوه‌ی توزیعِ امتیازها را در یک دسته‌بندی (به روشی ساده) نمایش دهند، تا موقعیت ارائه‌دهنده‌ی مربوطه را بتوان در آن توزیع مشاهده کرد. با دیدنِ چگونگیِ توزیع و تخصیصِ امتیازها و جایگاهِ ارائه‌دهندگان در آن، کاربران می‌توانند در اندک‌زمانی تصویری کلّی از وضعیتِ موجود به‌دست آورند.
راه دیگر برای تمایزگذاری بین ارائه‌دهندگانِ برتر این است که قرارگیریِ ارائه‌دهندگان در گروهِ صدکِ برتر نمایش داده شود (مثلاً، «جزو 10 درصد ارائه‌دهنده‌ی برتر») اما این اطلاعات در دسترس بقیه‌ی ارائه‌دهندگانِ دیگر قرار نگیرد. این چیزی‌ست شبیه به نشان‌هایی که eBay و Airbnb به‌ترتیب تحت عنوان «فروشنده‌ی پُرامتیاز» و «میزبان برتر» با آن صدک‌های برترشان را از میان ارائه‌دهندگان مشخص می‌کنند.
راهکارِ دیگری که موافقش هستیم لحاظ‌کردنِ امتیازدهیِ کاربران متناسب با تنوعی‌ست که در نقد-و-بررسی‌نویسی‌شان مشاهده می‌شود. به بیانی دقیق‌تر، اگر امتیازدهی‌های یک کاربر متنوع باشد (برعکسِ کسی که همه‌جا امتیازِ واحد یا مشابهی می‌دهد)، نقد-و-بررسی‌هایش برجسته‌تر شود. در همین راستا، می‌باید امتیازدهی‌های کاربران را طبق میانگینِ نمراتی لحاظ کرد که پیشاپیش داده‌اند، تا صرفاً تفاوت‌های نسبیِ امتیازهایشان در مقایسه با آن روی تغییرِ امتیازهای دریافتیِ ارائه‌دهندگان تأثیر بگذارد. با این کار، تفاوتی را که بینِ کاربرانِ عموماً دست‌ودل‌باز و پُرتوقع در امتیازدهی وجود دارد نیز لحاظ می‌کنیم.
Lyft و Uber نمونه‌ای‌اند از مشکلاتی که از این تفاوت‌ها پدید می‌آید. رانندگانِ Uber، برخلافِ Lyft، می‌توانند امتیازدهیِ کاربران را مشاهده کنند؛ برای همین، معمولاً درخواستِ کاربرانی را که امتیازدهیِ پایین‌تری دارند رد می‌کنند چون به‌عقیده‌شان احتمالِ این‌که به آن‌ها هم امتیاز پایینی بدهند زیاد است. Uber می‌تواند با لحاظ‌کردن و خنثی‌کردنِ امتیازدهیِ دائماً پایینِ برخی کاربران این مشکل را رفع کند تا رانندگان برای قبولِ درخواست‌های این کاربران ضرر نکنند. با این کار، تمایل رانندگان برای پذیرش درخواستِ کاربرانی که امتیازدهیِ پایینی دارند بیشتر می‌شود.
روش‌های دیگری که بازارگاه‌ها می‌توانند برای ارتقای سیستم کسب اعتبارشان به‌کار بگیرند عبارت‌اند از استفاده از اطلاعاتِ خصوصی‌تر (نقد-و-بررسی‌ها و دیدگاه‌هایی که هرگز به ارائه‌دهندگان نمایش داده نمی‌شود) و مقایسه‌های نسبی (مقایسه‌ی ارائه‌دهنده‌ی کنونیِ کاربر با ارائه‌دهنده‌ی قبلی‌اش) برای امتیازدهیِ ارائه‌دهندگان. همچنین می‌توانند پرسش‌هایی را از کاربران بپرسند و با پاسخ‌هایی که می‌گیرند در آینده آن‌ها را به ارائه‌دهندگانِ متناسب‌شان وصل کنند (مثلاً، از کدام ویژگی‌هایِ فلان ارائه‌دهنده بیش از همه خوشتان/بدتان می‌آید؟).
سیستم‌های امتیازدهی شاید هرگز یک‌تنه برای تضمین اعتماد و امنیتِ بازارگاه‌های آنلاین کافی نباشند. معمولاً نیاز است که با پوشش بیمه و ضمانت‌های دیگر تکمیل شوند. هرچند، به‌کارگیریِ راهکارهایی که ارائه دادیم می‌تواند تأثیر شایانی در ایجاد سیستم‌های امتیازدهیِ قدرتمندتر داشته باشد و حجم نیازها و بار هزینه‌های ارائه‌ی این خدمات تکمیلی را برای بازارگاه‌ها کاهش دهد.
ترجمه مقاله The Problems with 5-Star Rating Systems, and How to Fix Them از HBR
مترجم: محمد رسول علیزاده
