惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Stack Overflow Blog
Stack Overflow Blog
云风的 BLOG
云风的 BLOG
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Recent Announcements
Recent Announcements
Microsoft Security Blog
Microsoft Security Blog
Microsoft Azure Blog
Microsoft Azure Blog
J
Java Code Geeks
D
DataBreaches.Net
U
Unit 42
P
Proofpoint News Feed
I
InfoQ
Apple Machine Learning Research
Apple Machine Learning Research
Google DeepMind News
Google DeepMind News
博客园 - Franky
博客园_首页
IT之家
IT之家
博客园 - 叶小钗
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - 【当耐特】
Hugging Face - Blog
Hugging Face - Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
阮一峰的网络日志
阮一峰的网络日志

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
刷分时代终结?高德扫街榜靠真实行为说话
Aine · 2025-09-12 · via 人人都是产品经理

从“刷分”到“真实行为”,高德扫街榜的演化,或许正揭示着本地生活产品的新一轮价值重构。本文聚焦高德榜单机制的变化,探讨平台如何通过行为数据重塑用户信任与商家运营逻辑,为产品人提供一份关于“真实感”与“可持续增长”的思考。

9月10日,阿里旗下高德地图宣布推出全球首个基于真实行为产生的榜单——“高德扫街榜”。

用户可在高德 APP 首页直接进入高德扫街榜。高德扫街榜分为“状元榜”和“扫街榜”两大类,“状元榜”为年榜,每年更新一次,包含餐厅、景点、酒店品类。“扫街榜”为日榜,每日更新,主要以餐厅为主。在此基础上,高德扫街榜推出很多独有的特色榜单例如,体现多人专程前往的“轮胎磨损榜”、体现多次前往消费的“回头客榜”,还有体现当地特色的“烟火小店榜”和“本地人爱去榜”。

在这一时间节点,高德推出“扫街榜”并非偶然。消费者越来越依赖评价和榜单进行决策,而 AI 技术的快速发展正在重塑内容生态,使传统依赖 UGC 的榜单真实性和参考价值受到前所未有的挑战。

UGC榜单在 AI 时代面临的巨大挑战

在高德扫街榜出现之前,我们之前一直在用的榜单基本都是基于用户UGC 内容来构建的,核心评估手段就是根据用户写的评价内容和打分,来完成对某家门店的服务质量的评估。

但这套旧体系走到现在,问题越来越明显,市面上有太多的手段可以往这个榜单里注水,不仅让消费者频频踩雷,同时还让商家被迫陷入内卷,不得不花钱去刷好评。

目前刷好评最常见的手段,一方面来自商家自身:他们会给客户送小吃水果,换取客户完成收藏打卡 + 打 5 星 + 100 字文字配图,也有商家嫌麻烦,直接花钱雇代运营公司批量刷好评。

另一方面,一些门店软件服务商也在“助力”这种虚假内容生产:他们开始向商家推广 AI 自动生成好评的功能,让用户在桌面标签上碰一碰,即可触发 AI 写作和种草内容,并自动发布到社交平台上。

AIGC 的进步显著降低了虚假评论的生成成本,甚至已经有服务商在利用近期流行的 nano banana 模型生成逼真的“到店实拍图”,让真伪界限愈发模糊。

在虚假评价和刷分行为不断蔓延的背景下,UGC 榜单越来越难以反映真实用户体验,用户信任被持续透支,评价体系逐渐失效,最终陷入“劣币驱逐良币”的恶性循环,动摇了整个线下商业生态的信用基础。

高德的解法:构建基于真实到店行为的评分体系

沿用过往的规则体系,解决不了最根源的问题,相反,应该去重建一套更适用当今时代的信用体系,做到最大化避免人为刷分,才能让榜单更加真实。

“高德扫街榜”产品经理李刚认为,“只有用户去了,甚至反复到店,才是对商家最真实的好评,是真正的用脚投票。”这是高德构建这套新的服务信用体系的核心思路。

依据这样的思路,扫街榜的商家综合评分模型,纳入了导航、搜索、到店、收藏等真实行为,并在此基础上检验评论的真实性、专业度、时效性、内容质量等维度,再通过AI模型驱动计算得出分数,最终成为扫街榜的排名依据。

这套评分机制有 2 个核心部分,第一个部分是“行为”,背后依托的是高德地图海量的用户行为数据。

高德地图作为出行导航的国民级应用,目前已经累计有10亿级的用户,每天 1.2 亿人次在用高德找店,相关日导航总里程超过了15亿公里。只有这样大规模的真实行为数据,才能够最大化还原用户对于某一家店的真实看法,这是高德扫街榜有别于常规榜单产品的独特优势。

传统榜单通常只能做到展示店铺的评分和评论,却无法反映用户为了到店所付出的实际行动。而高德扫街榜则不同,它可以清晰呈现其他客人为光顾该店所走的距离。

例如下图第二家店,我们可以在榜单里知道其他用户人均导航几十公里前去消费,在门店详情页面里,还可以看到更详细的数据,进一步了解“专程去吃的人多不多”,“回头客多不多”,“真实收藏的人多不多”。高德将这些行为数据纳入评分体系,使得榜单不仅反映评价内容,也能量化用户真实行动,为我们提供更全面的参考。

第二个部分是“信用”,对评价内容引入修正机制,让评分更接近真实反馈

要实现这一目标,核心在于建立对真实评价的识别机制。不单看评价的好坏或数量,更重要的是确保真实的评论能够参与评分体系。目前,高德主要采取两大手段:

1)从内容本身的真实性入手

如果大量评论来自未到店用户,这些评论的权重将被调低,即便评论量再大,也不会显著影响餐厅评分。

在门店评价页面,这一机制体现得尤为直观,我们可以看到每条评论旁都标注了标签,显示评论来源和可信度。显然,真实到店消费后的评价以及现场拍摄的图片,可信度更高,让这样的评论参与评分,可以有效防止 AI 生图或云刷单带来的虚假评论问题。

对于非真实的评价,高德也借助了 AI 风控的能力来识别、过滤虚假和噪声评价,这点在门店的评论页面里面我们也能直观地看到有多少无效的评论被剔除。

2)从用户信用维度入手

通过引入支付宝芝麻信用体系,来实现根据用户信用等级进行加权处理,让来自高信用用户的评价权重更高,而低信用或可疑账号的评价权重则受到控制,从而有效避免职业刷单账号影响榜单评分。

通过结合“行为”和“信用”两大核心维度,高德扫街榜的评分体系,核心是让真实行为、真实反馈参与到评分体系,让刷分成本大大提升,从而让评分体系更接近真实的用户体验。

归回初心,让更好服务被发现

高德扫街榜构建了真正可信赖的信用体系,而不是让每个参与者只追求短期利益。过去,消费者可能轻松收获小利,商家也能通过刷分获客,但本质是在消耗信任,一旦消费者不再相信榜单,整个线下商业生态都会受到影响。现在,商家无需再依赖“刷分换流量”“送礼换好评”等潜规则,可以把精力重新投入到服务本身,消费者也能更可靠地参考评价,避免踩坑。

优质服务和好产品理应被更多人看见,真实的消费者体验应成为可信参考。只有如此,市场才能走向良性循环,而非陷入无意义的内卷。

本文由 @way 原创发布于人人都是产品经理。未经作者许可,禁止转载

题图来自Unsplash,基于CC0协议