動不動就6分，豆瓣的評分真的「靠譜」嗎？

作為一個觀影愛好者，我多年來都有一個習慣，那就是買電影票之前先上豆瓣。

原因其實也很簡單，一來是為了大概了解一下新上映電影的簡介，二來則是為了「避坑」。

豆瓣的評分採取五星制，五星就是10分，一星就是2分。一般來說，6.5分算是電影好與壞的及格線。換言之，人們更傾向於選擇觀看超過6.5分的電影，以保證自己的觀影體驗。

但，豆瓣的評分系統真的合理嗎？曾有不止一個電影行業從業者發出過質疑。

豆瓣的評分算法其實很簡單——把豆瓣用戶的打分加起來，再除以用戶數。

是的，這就是我們小學學過的「平均數」。

我們都知道，一枚硬幣拋的次數越多，理論上正反面五五開的機率就越接近。豆瓣評分也是類似的邏輯，打分的人越多，電影的評分就越客觀。

但有兩個問題。

第一，如果有大量水軍灌水打一分或者五分，電影的評分就會失真。

第二，某部十個人打五星的電影，和某部十萬人打四星的電影，我更應該相信哪個？

你發現了，一旦水軍猖獗，或者打分人數過少，一部電影的評分就會失去參考價值。

那怎麼辦？

可以參考隔壁Imdb的做法，採用「貝葉斯推理」。

它的意思是，既然無法預知一部電影的最終得分，那就先給它一個基準分（網站上所有電影的平均分），比如6.5分，然後對應基準的打分人數，比如3000人。

現在，第3001個用戶進來並打分——隨著新信息的出現，貝葉斯推理會根據這些新信息不斷的修正得分，最終無限逼近一部電影的最終評分。

這個算法最大的好處是，略微緩解了小眾電影的窘境。一些小眾電影在豆瓣上是沒有評分的，但在Imdb上不會。因為至少也有一個基準分在那。

對了，Imdb是只允許「一人一票」的，你可以隨時修改評分，但你無論如何只能算做一票。

那麼，Imdb的「貝葉斯推理」是完美的嗎？當然不是。

首先，它還是沒能杜絕水軍的現象。其次，它過於「一視同仁」，以至於對專業的觀影者來說，和外行不得不享有同樣的權重，這是不公平的。

怎麼辦？別急，看看橋水基金公司的創始人瑞達利歐是如何管理公司的。

瑞達利歐能把公司做成這10年最成功的對沖基金公司，和他的「可信度加權體制」的管理法密不可分。

這個名字乍一聽很唬人，其實換成傳播學的術語就是「信息權威的話更值得參考」。

瑞達利歐認為，人人都有話語權，但是每個人的發言權重和信息價值是不同的。他發明了一個詞叫做「話份」。

理論上說，一個人在垂直領域越專業，或者他在公司的地位越高，他的話份就越重。

所以，每當公司遇見決策上的分歧，瑞達利歐就會根據話份的不同來拍板。

這種決策法，其實我們生活中也屢見不鮮。

比如，對於一位演員的演技究竟是好還是爛，兩批人爭論不休，這時候某位大導站出來為其撐腰，作為吃瓜群眾的你，多少會傾向於該演員的正面信息吧？

但，「話份」還是有個問題，如果這個權威被某一方收買了呢？或者其實他根本就是個「磚家」而不是「專家」？

「單靠個別權威的信息就做出決策確實有失公允，還得靠群眾的力量。」

說出這話的人叫做菲利普·泰洛克，美國著名政治學者，「善斷計劃」的發起人——該計劃旨在為美國情報局提供建設性的參考意見。

「善斷計劃」的信息統計和預測最大的特點，是「對加權平均後形成的預測結果再做一道加工和助推，即將預測結果往100％或者0％的方向推。」

舉個例子，假設他們想預測「特朗普能否連任美國總統」，如果受調查者加權平均後的預測機率是69％，那就把它上調到比如83％。相反，如果預測機率是25％，那就把它下調到12％。

這種預測的方法，專業術語叫做「極化」。極化最大的特點，就是讓樂觀預測更樂觀，讓悲觀的預測更悲觀。

想一想，其實我們生活中做判斷也是差不多的。假設一件事發生的機率是95%，我們會覺得它基本上百分百會發生。而一件事的發生機率只有5%，那麼我們幾乎覺得它是不可能事件。

在宣講的最後，總結一下今天的內容。

想要對一件事做出合理的預測，離不開群體的智慧，但只靠群體也是不夠的，因為他們可能只是「烏合之眾」。你還需要結合信息權威的「話份」，以及適度採用「極化」的思維。

只要你掌握了「加權平均+話份權重+極化算法」的三重工具，相信你完全可以做出一個明智的決策！

作者簡介：西門君，前《跑男》一二季現場導演，目前就讀浙大傳播學在職研究生。關注我，學習最接地氣的傳播學知識。商務合作請私信。