编辑导语：对于平台而言，评价体系的建立可以帮助用户从其他维度了解产品，帮助用户做出更正确的决策，也可以提升用户体验。在本文中，作者对Steam游戏平台的评测系统进行了功能拆解和产品视图总结。让我们来看看。

在产品经理中，混过游戏圈的朋友都或多或少接触过Steam，无论是经常使用Steam的端游玩家，还是只听说过Steam的纯手游玩家，在使用Steam的过程中，或多或少对Steam的游戏评测功能深信不疑。

而游戏的评价功能对于游戏商店来说是非常重要的一部分。所以今天我们就来研究分析一下Steam这么多年发展出来的评价体系。文章——将从介绍基本功能的拆卸和三维产品概念的拆卸开始。

一、Steam游戏评测系统的基本功能经过多年的发展，其实Steam的评测功能已经比较成熟和丰富了。商店游戏页面右上角的一个总分和下方的一个总体评价显示区构成了Steam评价的基础部分。在基本功能上，我们通过结合三个截图例子和一个Xmind思维导图的功能来呈现。

其实这一块的结构在大部分游戏商店里都差不多，只是在细节上有自己的特色。

比如Steam的评分机制是二维体系，只有推荐和不推荐两种评分方式，并没有像其他店铺一样采用五星评分方式。同时，在分数的呈现上，Steam也采用了文案描述的方式，而不是X.X.

文案描述方面，其实有10档。按照推荐和不推荐的比例，分别是超积极/非常积极/积极/大部分积极/混合/大部分消极/消极/非常消极/超消极。

另外，特别值得一提的是，Steam在提供评测过滤器的同时，还非常用心地为玩家提供了评测趋势分析的功能。

图示1、Steam评价打分UI界面

图示2、Steam游戏单页的总评分和时段评分

图示3、Steam的评价列表

图示4、Steam评价基础功能结构梳理

虽然整体梳理了Steam的评测功能基础架构，但要深入了解产品还远远不够。那么我们来更深入的研究一下Steam评测系统的产品观。

二、Steam评测体系的产品观Steam一直非常重视自己的评测体系，在不断的产品更迭中，多次迭代自己的评测体系。产品开发的基本指导原则可以概括为：成为一个能够& quot准确引导客户& quot。再者，希望评分评估系统能够帮助用户对游戏购买和下载做出准确的决策。

综上所述，在其发展历史的过程中，Steam的产品概念可以概括如下：

1）总评分有准确的价值表达

面向b端的风险控制：消除SteamKey的有利行为。面向c端的风控：剔除风控识别出的异常账户的评分值，评估轰炸的评分效果。2）精确且有价值的评价能在前排快速呈现：

& quot喜欢& quot和& quot步骤& quot函数方便计算值和流行度，供给算法排序。快乐的功能是用来排出& quot聪明& quot价值偏颇的大众评价。3）游戏运营过程中的游戏质量的动态变化能够进行及时呈现

长期有效评估和最近30天的评估在不同的区域呈现。在一段固定时间后，提示用户适当修改评估。4）深度功能帮助用户深挖需要的评价

足够的筛选能力。

那么，我们就来说说Steam是如何围绕上面的基本框架，立体化的开发自己的评测体系的。

1.总分有准确的数值来表示1）面向B端的风险控制.

剔除来自SteamKey的好评行为

之前一个很常见的扰乱评分的行为就是开发者会发SteamKey来换取评价。有两种情况：

用户通过SteamKey激活游戏进行游戏，并在游戏过程中或游戏结束后给出游戏评价。这群用户，因为其特殊的属性，属于核心玩法群体，对开发者有一定的粉丝属性，所以在评价过程中更倾向于给予正面评价。在发送SteamKey的过程中，开发者明确要求用户给出好评，实际上是在SteamKey和好评之间进行点对点的交易。这两种情况往往会导致总分的准确性丧失。鉴于以上定义的基本产品原则，SteamKey的来源评价在Steam团队眼中是有必要在评分算法中被淘汰的，所以在其之前的产品公告中已经明确公布。

图5。蒸汽键输入界限

②剔除风控识别的异常账号的评分价值

Steam官方在其博客中就提到过，除了可以通过SteamKey刷取好评外，其在平时的运营观察中也发现了一些有组织的用户刷好评的行为，其来源仍然是开发者使用有偿的付费刷好评服务。

相对于SteamKey刷好评的过程，直接的付费刷好评服务会更难追踪，因而也需要更强大的风控算法对用户的评价价值进行评估，被认定为水军的账号评价进行适当剔除总分计算。

图示6、Steam博客中提及的被刷现象

2）面向C端的风险控制

①评价轰炸的评分有效性剔除

评价轰炸，ReviewBombing，Steam同时也称之为Off-topicReview现象。第二个名称其实会更好理解一些，即“跑题评价”，评价聚焦的核心不再是游戏体验本身，而是与游戏弱关联的一些事项（例如政治、人事相关事件等等）的发生，给游戏带了一波差评，导致游戏分数快速失真。

如图示7所示，笔者采集了两个例子。一个是2018年2月，游戏深海迷航的公司员工被辞退的消息在Twitter发酵，导致当月一批集中的差评在Steam上齐刷刷地送给了游戏本体。另一个例子是2018年10月，游戏《古墓丽影：暗影》由于厂商在游戏发售后较短时间内，便给出了优惠促销措施，导致最早原价购买的一批玩家心里不平衡，旋即给游戏送上一批集中的差评轰炸。

这些差评并不围绕游戏本身的玩法、画面等角度展开进行比较客观的评价，而是基于一些外部因素，导致游戏分数的准确性降低。

图示7、评价轰炸会出现的数据大型波动

对待这种行为，Steam在产品价值观上，始终认为此类动作对于准确的评分展现没有帮助甚至更多的是负面帮助。实际上，Steam的产品价值观并非纯粹建立在较为主观逻辑判断上，在实际追踪了此类群体行为发生的过程后，Steam团队发现，分数在当时情况下的快速失真，最终会被“时间”慢慢修复，游戏的分数会回归到其本身游戏体验所展现出的价值。

那么这些外部事件的发生，更多的是在当时个把月的时间范围内，影响了新客的购买判断，做出可能的错误购买决策。

因而面向这种较为常见的玩家泄愤行为，Steam最终选择了建立ReviewBombing解决机制。在系统检测到一定程度的ReviewBombing之后，会将跑题评价从总分计算和时间段分数计算中剔除，让分数本身更多地去折射游戏本身的体验。

同时，Steam还为玩家们提供了是否剔除跑题评价的能力，又在这基础上提供了评价数据趋势分析功能，帮助玩家在有个性化需求的时候追踪评价的动态变化过程。