平台评价与商家评分：agent 的决策输入

示例场景。八月，一家深圳做智能门锁的团队把独立站按答案单元重写了一遍，聊天助手开始引用官网。同一周，他们在另一个助手里问“租的房子、不能打孔、预算 150 美元，装哪个门锁”，答案里是平台上的三个 listing，第一个后面跟着两句话：“评分 4.3，2,000 多条评价”“有买家反馈安装说明不清，旧门框可能装不上”。官网一次没出现。团队回去翻后台才发现，第二句来自一条两年前的差评——预算全花在官网上，平台的差评与履约指标没人读过。

平台评分不是店铺门面上的装饰，而是跟着商品走的一包行为证据：agent 用它筛门槛、写推荐理由、估最坏情况；官网改不动它，只能从后台改。

评分跟着商品走，不跟着店铺走

平台把商品、卖家、履约记录压成同一个可检索对象。买家问一句，命中一个 listing，一句话里同时带出星级、评论数、差评原文、配送承诺和退货政策。官网是另一套自述，模型要跨源对齐，成本更高，出错概率也更高。

两种证据的价格不同。官网写“48 小时发货”是声明，平台记录的迟发率是行为沉淀——买家用付款和退货投的票。伪造一份声明很便宜，伪造一批退货记录很贵，所以模型给后者的权重更高。这是它降低错误推荐的唯一办法，不是偏爱平台。

反例很常见：官网 trust 页写得极其完整，“两天发货、30 天无理由”，平台后台的迟发率却连着三个月偏高，评论里反复出现“等了十天才到”。agent 读到矛盾时不会取平均，它要么退回最保守的说法，要么换一家。平台的履约链路怎么被读，见Agentic Commerce 的 readiness。

agent 怎么用这些数字

用法	具体表现	你观察到的现象
硬门槛	评分或评论数低于某条线，不进候选	答案里长期没有你，官网再好也没用
引用理由	拿星级与评论数当“为什么推荐它”	答案出现“4.3 分、2,000 多条评价”
风险提示	把具体差评当缺点写进答案	答案里出现“安装说明不清”
排序微调	同分商品按履约与退货排先后	位置总在同类之后，说不出原因

这张表解释了一个高频误判：团队盯着星级，从 4.3 追到 4.5，答案还是不带自己。卡住的多半是门槛和风险提示，分数只是最后一层。阈值与权重不公开，同一问题在不同时间、不同地区的结果也会漂移，这里只给判断顺序。

还有一层容易被忽略：评论数是样本量问题。20 条 4.8 分的 listing，在“租客用、不能打孔”这类长问题上，往往不如 800 条 4.3 分的好用——模型需要足够多的具体描述，才敢把一句推荐落到你身上。差评之所以被反复搬走，也是同一个原因：它比你的商品页更具体。

五组指标，先分清哪个能改

指标	agent 拿它判断什么	见效速度	常见坏法
星级 + 评论数	质量基线，样本够不够	慢，按月	拿 5 条五星当证据
差评内容	最坏情况长什么样	中，按季度	只回“抱歉给您带来不便”
迟发率、取消率	承诺能不能兑现	快，按发货周期	大促爆仓后不补库存
退货率与退货原因	风险大小，以及“买错”还是“货不好”	中	原因一律归“其他”
纠纷率、退款时长	出问题谁兜底	中	拖到平台介入

五组的改动成本差别很大：履约按发货周期变，评分与评论按月变，退货原因要跨部门对齐 listing、页面与客服口径。先把能验证的那一项修好，才有资格谈分数。

示例：同一把门锁，改了三处后台

以下指标与评论均为虚构，只用于演示改法。

改前：listing 写“快速发货，专业安装指导”；后台处理时间设 2 天；200 多条差评里“装不上”被归进“其他”；页面没有任何兼容说明。agent 引用了这个 listing，紧跟一句“部分买家反映安装困难，建议确认门框尺寸”。

改后只动了三处。其一，履约：处理时间改成 1 天，写清“工作日 14:00 前下单当日出库”，可承诺的到货窗口同步进 feed。其二，退货原因：把“装不上”“尺寸不符”从“其他”里拆出来单独归类，回到 listing 补一张门框厚度与锁体尺寸的对照表，页面同步。其三，评论：不再群发“给个五星”，改成发货后第 20 天问“装在哪扇门上、用了多久”，把回答变成带场景的评论；差评里最高频的两个缺点——旧门框需转接片、App 首次配对要靠近门锁——直接写进页面。

两个月后，同一个问题的答案变成“评分 4.4，多数评价提到安装简单；旧门框需另购转接片”。缺点还在，但从“未知风险”变成了“已知条件”。这个区别决定了 agent 敢不敢把你放进候选集。

改善顺序：先修能被验证的

顺序	做什么	谁来做	怎么算过
1	拉一次 90 天后台：星级与评论数、迟发、取消、退货原因、纠纷与退款	运营	每一项都有数，不靠印象
2	只修最差的一项，通常先修履约	运营 + 物流	连续两个周期迟发率下降
3	把“其他”拆成可行动的退货原因，回到 listing 与页面	品类 + 内容	前三个原因各有对应改动
4	改评论的问法：不问分数，问场景；差评不删，页面留痕	客服 + 内容	新增评论带具体使用场景
5	三个源对齐：官网、平台、feed 的时效、退货、评分说法一致	技术 + 运营	抽三个 SKU 对比无矛盾

第 2 步排最前，理由是它可验证。评分要按月才动，履约一周就能看到变化，而 agent 对“能不能按时到”的敏感度高于对“4.3 还是 4.4”的敏感度。顺序排反，团队会在三个月后拿到一个更好看的星级，和一句没变的答案。listing 里的事实怎么写才可比较，见为 agent 写的商品描述；平台与独立站各承担什么，见平台 vs 独立站。

边界：什么时候评分不是主战场

第一，平台不开放字段时，agent 只能读到 listing 页上公开的那部分，后台指标它看不见。别把资源全押在看不见的地方，先确认哪些字段真的出现在答案里。

第二，新市场、评论不足 50 条，先解决“有没有人评”，而不是“分数够不够高”。样本量不到，高分也进不了引用。

第三，评分基线按类目不同，3C 与家居不能横向比；平台的展示规则与排序算法会变，本文口径截至 2026-09，具体以平台官方文档为准。

第四，刷分、返现换好评、批量删差评，违反平台规则，也踩多地消费者保护法规——欧盟对不公平商业行为的规则、美国联邦贸易委员会对虚假评论的规则都覆盖这类操作，条款以官方文本为准。代价不是掉 0.1 分，是 listing 与账户。

第五，独立站为主的品牌别跳过这一层。第三方评测和榜单常直接引用平台评分，品牌实体的一致性一样会被拉出来对照。答案有没有真的变化，用AI 可见度基线的方法重复采样，别用一次截图下结论。

这个月做一件事：从后台导出 90 天的那几项指标，写在一页纸上，只圈出最差的一项，用两个发货周期把它改掉；60 天后回到同一个问题，看 agent 描述你的那句话里，缺点是从“未知”变成了“已知”，还是依然没有你。这条线上的其他文章在权威与站外主题页。