差评里到底在骂什么：用户反馈的归因与样本偏差

一 一页差评看下来

采购经理把候选清单排开，先不看参数表，先翻评论。评论页往下划，五条差评摆在面前。

一条写"太吵，晚上没法睡"。一条写"用了三个月，湿度没降下来"。一条写"客服问十句回一句"。一条写"开机三天就报错"。一条写"说明书看了三遍还是不会设"。

五条差评，五种抱怨，没有一条能对上另一条。骂噪声的、骂能力的、骂服务的、骂故障的、骂不会用的，像是五台不同的机器。

如果只是随手一翻，这五条差评就是五条牢骚。但细看下来，这五条里藏着五类完全不同的信息：骂噪声的，指向机器本身的声音；骂能力的，指向机器和空间的匹配；骂服务的，指向机器之外的交货环节；骂故障的，指向机器的可靠性；骂不会用的，指向人和机器之间的交接。五条牢骚，指向五个不同的环节——而选型要防的，是五个环节里不同的坑。

这就是问题所在。差评不是一张表，是一堆原料。一堆原料摆在那里，如果不分门别类，它就只是一堆情绪；分开了，它才变成能用来做判断的东西。

选型的人常常在这里犯第一个错：把骂得凶的那一类，当成这个型号主要的问题。而"骂得凶"和"出得多"是两件事——骂得凶，可能是样本偏差撑出来的。

骂得凶和出得多是两件事。骂得凶，说的是差评里某一类抱怨的条数多、措辞重；出得多，说的是真实用户里真正遇到某一类问题的比例高。两件事之间隔着一层筛选：谁写差评、谁不写、什么时候写，都不是随机的。不把这层筛选看清，就会把"差评里骂得凶"直接读成"真实世界里出得多"，这一步跳过去，后面的判断都跟着错。

把这两件事分开，就是把一堆差评折成可用的归因分布，再把这个分布的偏差算出来。看的是抱怨集中在哪一环，不是好评率多少。

看好评率，得到的是一个数；看归因，得到的是一个分布。数只能拿来排序，分布才能拿来改选型。采购要的不是"这家评分 4.8"，是"这家 4.8 分里扣掉的那 0.2 分，是扣在能力、噪声、还是安装上"。同一个分数，扣点不同，决策就不同——所以不看好评率，只看归因。

二 差评与反馈的边界

差评和反馈不是一回事。

差评，指零售平台上一星到三星的评价。它是负面反馈里最容易拿到的一类，也是最容易失真的一类——因为写差评这件事本身，就是被筛过一道的。

反馈是更宽的口径。差评、追评、工单、退货、客服记录，都是反馈。差评只是反馈的一个子集，而且是最偏的一个子集。

偏在哪里，先记住一句话：差评能告诉你"最不满的那批人在骂什么"，不能告诉你"全体用户里有多少人在骂"。前者有用，后者没有，而大多数人拿差评当后者用。

这一条是全篇的地基：把"骂了什么"这个有用的东西提出来，把"多少人骂"这个没有的东西放掉。

提出来，先要归因。归因五类，按"抱怨指向哪一环"分：

- 能力不足：除湿量不够、湿度降不下来、大空间带不动。指向机器本体能力与选型匹配。 - 噪声：响、吵、夜里没法睡。指向机器本体的声学特征与安装位置。 - 故障：不制冷、不启动、频繁报错、漏水。指向可靠性。 - 服务：发货慢、客服不回、售后推诿、配件难买。指向交付与售后环节。 - 安装使用：不会设、设错、排水没接好、说明书看不懂。指向交接与培训。

五类摆开，一个分界先出来：前三类骂的是机器，后两类骂的是人。

五类要能归得准，每类的边界要先分清，否则标注时会把两条差评塞进同一个筐。

能力不足的边界，在"机器本事够不够"和"选得够不够"之间。用户写"湿度降不下来"，可能机器本事够、只是选小了，也可能本事就不够。归因时统一归到"能力不足"这个筐，不细分——因为差评原文给不出足够的信息去区分这两者。这正是归因和真因的差别：归因只负责把抱怨放进筐，不负责拆出筐里的真因。

噪声的边界，在"机器响"和"环境静"之间。同一台机器，装在车间和装在卧室，被骂的概率完全不同。归因只认"用户说吵"，不管吵是机器的锅还是环境的锅。

故障的边界，在"真坏"和"假坏"之间。用户写"开机没反应"，可能是主板真坏了，也可能是插头没插、跳闸了。归因只认"用户说坏了"，不验证是不是真坏。

服务的边界，在"机器"和"机器之外"之间。发货慢、客服不回、配件难买，这些跟机器本身没有半点关系，但它们是用户最直观的体验，骂起来一样凶。归因把这一筐单独列出来，就是为了不让它污染"机器本身怎么样"的判断。

安装使用的边界，在"不会用"和"机器难用"之间。说明书写得乱、参数藏得深，是机器难用；用户没看说明书、接错了管，是不会用。归因把两者都放进"安装使用"，因为它们都指向交接和培训这一环。

这个分界比它看起来更关键。骂机器和机器坏是两回事——骂能力不足的，可能是选型选小了；骂故障的，可能是电源没接对。归因归因，归的是用户以为的原因，不一定是真正的原因。

"用户以为的原因"会和"真正的原因"分叉，根子在现象驱动。一个用户按下开机键，机器不动，他第一反应是"机器坏了"，写进差评就是"质量差，开机没反应"。而真正的原因可能是插头没插紧、配电箱跳了闸、或者漏电保护动作了。用户在归因时，手上只有"开机没反应"这一个现象，没有诊断工具，也没有拆机的知识，他只能归到"机器坏"这一个最顺手的筐里。所以差评里的归因，是现象驱动的、被用户的知识边界限定的，它离真因的距离，随现象的复杂程度而变。

这一层分界，和前面归因篇隔着一条线。前面那篇归的是真因——拆机、测电路、查记录，找出机器为什么停；这里归的是"用户怎么说"——不验证对错，只记录用户把抱怨放在了哪个筐里。一个求真，一个求"怎么说"，两个口径不能混。

表 1　五类归因、指向与工业侧扭曲方向

归因类	骂的原文（脱敏示例）	指向哪一环	可复现性	工业侧是否被扭曲
能力不足	"除湿慢""湿度降不下"	能力与选型	高，可实测	被低估（工业走工单）
噪声	"太吵""夜里没法睡"	声学与安装	高，可测	被高估（家用更敏感）
故障	"不制冷""老是报错"	可靠性	高，可查	相对准确
服务	"客服不回""发货慢"	交付与售后	低，主观	被低估（对公服务不同）
安装使用	"不会用""设不对"	交接与培训	低，主观	被严重低估（折叠进前三类）

表 1 显示：五类里，前三类骂机器、后两类骂人；而工业侧被扭曲的，恰恰是后两类。能力不足、噪声、故障这三类在差评里还算有一说一；服务、安装使用这两类，要么被折叠进"机器不好"三个字，要么根本不上平台——工业用户对服务的抱怨走对公渠道，对安装使用的抱怨走报修。

噪声在工业侧是被高估的一类。家用场景对噪声敏感，差评里噪声的占比偏高；工业场景本身有声源，噪声的真实权重低。这个"高估"和安装使用的"低估"正好相反，方向不能搞混——搞混了，就会拿"噪声差评多"去改工业选型，而工业现场本就不敏感那点噪声。

五类归因还有一个隐含的分层：能力不足、噪声、故障这三类，有实物可查、可复现，可信度高；服务、安装使用这两类，主观性强、随人而异，可信度低。五类不按占比排，按可信度分两档。

归因的空白也在这里。防爆、防腐、低温这些特种配置，平台上几乎没有评价——买这些机器的是工业项目，反馈进的是项目验收和工单，不上平台。特种工况的归因，只能从项目复盘里取，从评价里取不到。这条空白，注定了差评归因对特种机型是失效的。

归因落到操作上，是一张表、一支笔、一套规矩。把每条差评抄下来，脱敏，逐条标上五类里的哪一类，标不出的单列。标注的规矩只有一条：只认原文里写了什么，不猜原文没写的。原文写"太吵"，标噪声，不猜它是不是因为没装减震；原文写"没效果"，先问有没有场景和工况，没有就标"待定"，不硬塞进能力不足。这一条规矩是归因质量的生命线：标注的人一猜，分子就脏了，后面的占比全跟着脏。

三 场景×归因交叉

归因分布不是平的，它随场景变。同一个型号，在机房、仓库、宿舍、车库、地下层，骂的东西不一样。

表 2　场景×归因交叉

场景	最常被骂的归因	次常	对工业选型的参考价值
家用卧室	噪声	能力不足	低（家用口径）
家用客厅/地下室	能力不足	噪声	中（接近小型仓库）
仓库	能力不足	故障	高
机房	故障	服务	高
车库/仓储	能力不足	安装使用	高
宿舍/出租屋	噪声	能力不足	低（非目标场景）

表 2 的用处是拆伪结论，不是对号入座。同一个"噪声占比高"，在卧室场景是预警，在机房场景是噪声。反过来，"能力不足占比高"在仓库、机房场景才是真预警，在卧室场景只是买小了。

只报占比、不报场景，是一种很具体的错法。报一个"噪声占比 45%"，不说是哪个场景骂出来的，这个数就是悬空的。45% 是从宿舍场景骂出来的，它对机房采购没有参考价值——机房本身有声源，没人拿噪声当首要问题。反过来，"能力不足占比 50%"如果是仓库场景骂出来的，那它对机房采购就有很强的预警意义。

所以单说"某类占比高"不够，要问"在哪个场景占比高"。场景×归因交叉表，就是把占比钉到场景上。不钉，后面 40% 那条线就是悬空的。

交叉表还有一个读法上的纪律：先看场景，再看占比。脱离场景的占比，不能直接进选型表。这一条是规矩，它防的是选型里常见的一种偷懒：拿一个全网平均的占比，去套自己那个具体的现场。

全网平均的占比为什么不可靠，用机房和宿舍两个场景一摆就清楚。机房里有服务器、有空调、有风机，本身就是一个持续有声源的地方，装进去的除湿机再吵，也淹没在背景里；宿舍深夜静，一点嗡声都显得刺耳。同一个机器，同样的噪声水平，在机房没人写差评，在宿舍会被写成"吵得睡不着"。如果把两个场景的差评合起来算一个"噪声占比"，这个数既不是机房的口径，也不是宿舍的口径，是两堆不相干的人混出来的一个虚数。拿它去给机房选型，等于拿宿舍的标准去挑机房的机器。

场景交叉还有一层用处，是判断"这是不是你的场景"。一个做食品仓库的采购，看到差评里"能力不足"占比高，先要问：这些差评是仓库场景骂出来的，还是卧室、客厅骂出来的。是仓库骂出来的，值得警惕；是家用场景骂出来的，那多半是"买小了"，跟仓库采购关系不大。这一层判断，靠的就是交叉表里"对工业选型的参考价值"那一列。

工业采购真正要盯的，是表里"参考价值"标"高"的那几行——仓库、机房、车库仓储。这几行骂出来的"能力不足""故障""安装使用"，才是跟工业现场同构的反馈。而"家用卧室""宿舍出租屋"这几行，参考价值标"低"，它们骂的噪声、能力，是家用口径下的，跟工业选型隔着一层。采购方如果分不清这两类场景，就可能拿家用卧室的"太吵"去给机房挑机器——这是最常见的一种错配。

交叉表里"机房"这一行要单独看。机房场景最常被骂的是故障，其次是服务。这个结构跟其他场景都不一样——卧室骂噪声，仓库骂能力，机房骂故障。原因在于，机房是一个高负荷、长时间、连续运行的场景，机器一天二十四小时转，可靠性是第一位的，服务响应（坏了能不能马上修）是第二位的。机房采购看差评，重点就该落在故障和服务这两类上，而不是被全网的"噪声""能力"带跑。

场景标注本身是个坑。同一条"太吵"的差评，不标场景就是一句模糊抱怨，标了场景才知道它是宿舍骂的还是机房骂的。而场景标注只能从原文里抠——原文没写场景的，这条差评对工业选型就没有归因价值，只能降级处理。标注的质量，直接决定了交叉表能不能用。

场景的标注，也不是全凭原文。原文写"放在家里地下室"的，场景明确，直接标"家用地下室"；原文只写"太吵"两个字的，场景未知，只能标"待定"。标注的人能做的，是从原文里的蛛丝马迹去抠场景——提到"厂房""仓库""机房"的，标工业；提到"卧室""客厅""出租屋"的，标家用；什么都没提的，降级。抠不出来，宁可降级，不要硬标。硬标一个错场景，比不标更糟——它会把一条差评错放进某个场景的占比里，污染那个场景的结论。

场景交叉表的"参考价值"一列，本身就是给采购方的一把筛子。高，说明这个场景的差评值得认真看；低，说明这个场景的差评跟自己关系不大，可以略过。一把筛子用起来，采购方就不用把六行场景的差评一视同仁地全看一遍，而是先看参考价值高的那几行。

四 三类样本偏差

差评不能代表真实用户，这个"不能"，来自三个偏差。

表 3　三类样本偏差与修正动作

偏差	机制	方向	修正动作
渠道偏差	平台以家用为主，工业用户走工单	差评里工业样本偏少	补工单与报修数据
选择偏差	写差评的人本来就遇到问题	差评向问题集中	用"差评数÷总销量"算发生率，不拿差评数当发生率
时间偏差	差评集中在到货后一两个月	早期问题被放大，后期沉默	分月统计，看趋势不看单点

三个偏差，机制不同，方向一致——都让差评占比系统地偏离真实占比，往问题多的方向偏。

第一个是渠道偏差。零售平台以家用为主，工业机在平台上的样本又少又偏。工业用户买了机器，问题走的是工单、报修、对公客服，不上平台写差评；平台上骂得最多的，是把它当家用机买回去的人。渠道决定了谁在说话——而平台上说话的，恰恰不是工业用户。

渠道偏差的根子，在采购的路径不同。工业用户买一台除湿机，走的是询价、比价、签合同、对公付款，出了问题打的是售后热线、报的是工单号，有专职的厂务或设备员对接。这一套路径里，没有一个环节会引导他去平台写一条差评。家用用户买一台除湿机，是个人在平台下单，收货、安装、使用，出了问题第一反应就是回到订单页写评价、给一星。两条路径的分叉，决定了平台上差评的画像天然偏家用——这不是谁藏了工业用户的评价，是工业用户的反馈压根不走这条路。

第二个是选择偏差。写差评的人，本身就遇到了问题。满意的人不写，遇到问题的人才写，这是幸存者偏差的反面。所以差评的归因分布，天然向问题集中，不能反推问题率。把"骂能力不足的有 50 条"当成"能力不足的人有 50 个"，是错的；50 条只是差评里的 50 条，而差评只是全体用户里的少数。

选择偏差要配一个换算动作才看得清。假设一个型号卖出去一千台，只有五十个人写了评价，其中三十条是差评，差评里二十条在骂能力不足。表面看，能力不足占差评的三分之二，很高。但把它放回一千台的总量里，二十条差评对应的，是二十个不满的人，占全体用户的百分之二。这两组数的落差，就是选择偏差造成的——二十个骂的人被放大成了差评里的多数，而另外九百多个满意或沉默的人，根本没进这个分母。不换算，就会被"差评里三分之二在骂能力"这个数吓住，误以为"这机器能力普遍不行"。

第三个是时间偏差。评价的时间分布不均。新品期、大促期、换季期，评论的密度和内容都不同；差评往往集中在到货后一两个月，之后追评少、沉默多。时间决定了哪一段经历被记录了——而记录下来的，多半是最早、最情绪化的那一段。

时间偏差具体长什么样，看一条时间轴就清楚。机器到货第一周，用户开箱、装机，这时候的差评多是"外观""说明书""安装"这类第一印象；到货后一到三个月，机器跑起来，这时候的差评多是"太吵""湿度降不下来""报错"这类使用体验；三个月以后，机器进入稳态，满意的人不再说话，出问题的人如果没解决，要么沉默，要么转去走售后，平台上追评的越来越少。所以差评在时间上不是均匀撒开的，是头三个月集中爆发、之后快速衰减。拿这头三个月的差评去推断"这台机器全生命周期的问题结构"，等于拿一个婴儿头两个月的表现，去推断他长大后的样子。

三个偏差，配三个修正动作，都是很土的动作，不是加权平均那么漂亮：

- 渠道偏差：找到工业侧的工单数据，哪怕只有几十条，也比平台几百条差评更接近真实。没有工单，就明确这份归因只代表家用口径。 - 选择偏差：把"骂能力不足的有 50 条"换算成"骂能力不足的占差评的 50%，而差评只占总评价的 5%"，两个数分开看。差评占比高，不等于发生率高。 - 时间偏差：把差评按月铺开，看是集中在首发期还是持续出现。集中在前三个月的，多是安装使用和选型问题；持续出现的，才可能是可靠性问题。

三类修正做完，归因分布会变——被低估的浮上来，被高估的沉下去。变完之后，才能谈 40% 那条线。修正是先于判定的，顺序不能倒过来。

修正前后的分布，差别有多大，可以想一个例子。一个型号在平台上差评里"噪声"占比 45%，看起来是主要问题。修正之后看：这批差评里，一半来自卧室场景（家用，对噪声敏感），渠道上几乎没有工业用户的声音；时间上集中在到货第一个月（早期，还没磨合）；选择上写差评的本就是少数不满者。三层修完，"噪声"这个 45% 就撑不住了——它可能只是"家用卧室用户头一个月"的抱怨，跟工业场景的长期使用没什么关系。不修正，45% 是预警；修正完，它降回参考。这就是修正在判定之前的原因：不修正的占比，是会骗人的。

这里也藏着家用与工业的根子区别。家用评价体系关心的是噪声、外观、耗电、客服态度；工业现场关心的是能力、可靠性、停机、维保。两套评价体系的维度就不一样，问题结构完全不同，不能拿家用的尺子量工业的现场。这是三个偏差之所以成立的总根源。

这个根子区别，再往下追一层，是"谁在用"和"用来干什么"的区别。家用除湿机，是个人买来放在家里，改善居住环境，用户关心的是舒不舒服、吵不吵、费不费电；工业除湿机，是企业买来做生产保障，用户关心的是稳不稳、停不停机、坏了修得快不快。一个是改善型消费，一个是保障型投入，两者对"好"的定义完全不同。评价体系的分叉，就是这两种"好"的分叉——所以拿家用的评价去判断工业的机器，从一开始就量错了对象。

理解了这一层，三个偏差就不只是三个要修正的技术问题，而是同一件事的三个侧面：渠道偏，是因为工业用户不在那个平台说话；选择偏，是因为说话的多是家用口径下的不满者；时间偏，是因为记录的多是家用场景里最早的体验。三偏归一，都是"家用评价体系"对"工业现场"的错位。修正三个偏差，本质是把这份错位的评价，往回拉一格，尽量贴近工业现场的真实分布。

五 被低估的一类：安装使用

五类归因里，有一类在工业场景被系统性低估，是安装使用。

低估不是偶然，是三层原因叠出来的。

第一层，它不上平台。工业用户的安装使用问题，走的是报修、工单、对公客服，不写差评。平台上骂"用不明白"的，多半是把它当家用机买回去的散户；真正工业现场的安装使用问题，一句"排水没接好"躺在工单里，不进差评。所以差评里安装使用的占比，天然偏低。

第二层，它被折叠。写差评的人很少会说"我不会用"，更常见的说法是"这机器不好使"。一句"不好使"，归因时可能被标成能力不足、故障，也可能标成安装使用——取决于标注的人怎么理解。而"不好使"的背后，往往是排水没接好、滤网没清、目标湿度设错。安装使用被折叠进前三类，进一步稀释了它本来的占比。

第三层，它最难说清。能力不足可以说"湿度降不下来"，故障可以说"不制冷"，安装使用的问题往往是一串小动作的累积，很难用一句差评说清。于是它要么被省略，要么被简化成"垃圾"两个字。难说清的结果，是它很少以本来面目出现在差评里。

三层叠起来，安装使用就成了五类里被系统性低估的一类。而它恰恰是工业现场占比最高的一类。这一点，前面有一篇算过——工业除湿机的停机里，三分之二来自人，而不是机器。差评里几乎看不见它，真实现场里它占大头，这个反差，就是样本偏差最实的一道证据。

这个反差对选型的意义很直接：如果只看差评，会以为安装使用是个小问题，于是把精力放在能力和噪声上；而真实现场里，最该防的是安装和移交这一环。归因的方向错了，选型的力气就用错了地方。

安装使用被低估，还有一个连锁后果。因为它不上平台、被折叠、难说清，采购方在比价时拿不到"这台机器好不好装、好不好用、移交做没做到位"的信息。而这一环，恰恰是工业除湿机落地后出问题最多的环节。于是出现一个错位：选型时被忽略的，恰恰是运行时最要命的。这个错位，只有拿到工单或做过项目复盘的人才看得见，纯看电商评价的人是看不见的。

要判断"安装使用到底重不重要"，不用看数据，看一件事就够了：机器出厂时是完好的，出厂之后、停机之前，动手的只有安装的人和用的人。安装的人接管子、接电、调坡度，用的人设参数、清滤网、开关门。这两拨人的动作，决定了机器在真实场景里的表现。动作对了，机器的问题就少；动作错了，再好的机器也出问题。而这两拨人的动作，差评里几乎不反映。

工业现场里，安装使用这一环具体出在哪些地方，拉一张清单就能看清。排水管没接好坡度、没设存水弯、出口被堵，是安装；电源线径不够、接地没做、漏保没配，是安装；目标湿度设错、模式选错、定时开错，是使用；滤网长期不清、冷凝器积灰、门常开不关，是使用。这张清单上每一条，都能让一台好好的机器停摆，也都几乎不会出现在差评里——因为工业用户出了这些问题，走的是报修，不是写评价。

安装使用这一环，还牵着一个工业场景特有的问题：移交。工业除湿机往往不是买的人用、用的人管，中间隔着一道交接。采购的、安装的、运维的、实际操作的，是几拨不同的人。机器装好之后，参数怎么设、滤网多久清、报错怎么看，这些知识要从安装的人手里交到用的人手里。交接断了，用的人就只会"开机、关机"，其余的一概不会，出了问题自然往"机器坏"上归。这道移交的断点，是安装使用类问题的深层来源，也是差评完全照不到的死角。

六 样本量判据

归因结论要能站住，得先过两个数。

第一个数是样本量，n 不小于 50。占比的稳定性取决于样本量：n 等于 20 时，多一条少一条，占比跳 5 个百分点，40% 和 45% 之间就差一条差评；n 等于 50 时，单条影响降到 2 个百分点以内，占比才开始稳。50 是单条波动可控的经验门槛，不是统计学的严格下限——严格的置信区间要另算，这里给的是够用的经验线。

第二个数是占比，单类归因超过 40%。归因五类，随机分布下每类约占 20%；某一类超过 40%，意味着它占了五类里的近一半，已经不是随机波动，而是结构性的集中。40% 是两倍于随机基线的一条线——它不是多数，是显著集中。这条线用相对位置，不用绝对标准，所以只要还是五类，40% 就是这条线。

两个数之外，还有一个"且"字：超过 40%，且跨平台一致。单平台 45% 不算，可能是平台画像偏；两个以上独立平台同一类都过 40%，才排除了平台偏差。这个"且"字，防的是"一个平台撑出来的伪预警"。

三样合起来是一句话：先够量（n≥50），再够高（>40%），再够稳（跨平台一致），三样齐了才算预警。缺一样，这条归因就只能当线索，不能进选型表。

判据的边界要写死。n≥50、>40%、跨平台一致，三样齐了，结论也只是"这条归因值得作为选型预警"，不是"这条归因就是真的"。归因是用户以为的原因，真因要回到现场方法去核。把预警当结论用，是这一套判据最容易被误用的一种方式。

n 不够 50 的时候怎么办，也要有说法。n 小于 50，归因只能当线索——线索的意思是，它提示你"往这个方向查一查"，不能直接写进选型结论。小样本的占比，波动大到一个新差评就能改方向，拿它下结论，等于拿一枚硬币的两面当证据。

40% 这条线，还要再拆一层。它防的不是"误报"那么单一，防的是两件事。第一件，防止把一个随机波动当成趋势——五类各 20% 的随机分布里，某一类偶尔跳到 35%、38%，是正常的，不值得紧张；只有稳定站在 40% 以上，才说明有结构性的东西在起作用。第二件，防止把"多但分散"读成"集中在一点"——如果五类都接近 20%，说明抱怨是散的，没有哪一类突出，这时最该做的是去查整体，而不是揪着某一类。40% 的作用，就是把"集中"和"分散"分开，让判断有个清楚的落点。

两个数定下来，还要给一套落地顺序，否则判据只是纸上的数。落地四步：第一步，数样本，n 过没过 50，没过直接停在这，归因只作线索；第二步，算占比，五类各自占差评的百分比，找出有没有哪一类过了 40%；第三步，验跨平台，到第二个独立平台再采一遍，看同一类是不是也过 40%；第四步，出结论，三样齐了，才把这一类写成"选型预警"，并在结论里注明 n 是多少、分母是什么、采了哪几个平台。四步走完，一个归因结论才算立得住。

七 「没效果」的四种原因

有一条差评要单独拆。"用了三个月没效果"这句话，可能对应四种完全不同的真实原因。

"三个月"这个时间点，本身就有信息。如果机器真的能力不足、选小了，往往从第一天起就"没效果"，不会等到三个月；如果是滤网堵了、冷凝器积灰，那确实是用了三个月、积了三个月的灰之后才"没效果"；如果是冷媒慢慢漏，也是用了几个月才显现。所以"三个月"不是随便写的一个时间，它已经在提示：这个"没效果"，很可能是渐变的、累积的，而不是一开始就不行。读差评的人，要把这个时间也读进去。

第一种，选型匹配错。能力不足，机器没错，是选小了——这个空间本就需要更大能力的机器，或更多台。三个月没效果，是能力从头就不够。

第二种，工况超出设计。低温高湿、层高过大，标称能力折减。机器标称 360 升每日，是在 30 度 80% 下测的数，现场 15 度 70% 实际只有一半。三个月没效果，是工况把能力吃掉了。

第三种，安装使用问题。排水没接好、滤网三个月没清、门常开、目标湿度设错。机器能力在，但没被正确使用。三个月没效果，是使用把能力浪费了。

第四种，机器确实故障。冷媒泄漏、风机坏、压缩机不工作。机器本身有问题。三个月没效果，是机器真坏了。

四种原因，只有第四种是机器坏，前三种都是选错了或用错了。

这一条的用处在于：差评里一句"没效果"，不能直接归成能力不足或故障，得先问装在什么空间、什么工况、怎么用的。不问，归因就错；归因错，选型就跟着错。

这也解释了"能力不足"这一类在差评里占比高，却未必是机器能力真不行——它可能是选型错、工况差、使用乱的统称。归因不等于真因，这句话在"没效果"这条差评上体现得最清楚。

反过来看，一个采购方如果看到"能力不足"占比高就认定"这机器能力不行"，他就把选型错、工况差、使用乱三类原因都算到了机器头上。而这三类原因，恰恰是采购方自己在现场能控制、能避免的。归因错，把本可以避开的坑，当成了换机器的理由。

四种原因，还对应四种不同的处置。选型错，处置是换大机器或多台并联；工况超设计，处置是调整选型工况假设，按现场实际的温湿度重新折算；使用乱，处置是补移交培训、建使用记录；机器真坏，处置是走售后、换件、甚至换机。四种处置，前三种是采购方和用户的事，只有第四种是设备方的事。如果一看到"没效果"就把责任归到机器、把处置锁定在"换机器"上，前三种本可以低成本解决的，就都被绕过去了。

所以"没效果"这条差评的价值，不在于它骂了什么，在于它逼着人去问后面的三个问题——装在哪、什么工况、怎么用的。问得出来，这条差评就从一句情绪，变成了一条能定位问题的线索；问不出来，它就只是一句情绪。

"没效果"只是典型的一例，同样的拆法能用在很多条差评上。"太吵"这条，背后可能是机器本身噪声大、装的位置不对、减震没做、或者紧邻了安静的场所；"老是报错"这条，背后可能是主板真有问题、传感器被污堵、电源不稳、或者用户设错了模式；"客服不回"这条，背后可能是真的响应慢、也可能是用户找错了渠道、或者问题本身超出售后范围。每一条差评背后，都压着一串可能的真因，差评只露出了最表层的那一个筐。

采购方读差评的正确姿势，就是带着"这一句背后有几层"的意识去读。看到"没效果"，想到四种原因；看到"老是坏"，想到是不是使用环境超了设计；看到"客服差"，想到自己买的是对公服务还是零售服务。带着这个意识，差评才从"别人骂的话"变成"我能用的线索"。

八 六个问题，一次电话问出真痛点

评价是单方面的，不可追问。要问出真实用户的痛点，得打电话。一次电话，六个问题，顺序不能换。

第一个问题：这台机器现在装在哪，多大空间、层高多少。锁场景。

第二个问题：你最初为什么选它，哪个参数打动你。锁预期。

第三个问题：现在最不满意的是哪一点。抓痛点。

第四个问题：这个问题是什么时候开始的，有没有规律。找时段。

第五个问题：你自己试过什么解决办法。看自救。

第六个问题：如果再买一台，你会优先看什么。反推需求。

六问是递进的，从场景走到需求。前两问锁场景与预期，第三问抓痛点，第四问找规律——判断是早期问题还是持续问题，第五问看用户有没有自救——判断是使用问题还是机器问题，第六问反推真实需求——用户要的到底是什么。

六问和归因五类能对上。第三问的答案落在五类里哪一类，第四问的答案决定它属早期还是持续，第五问的答案决定它是使用问题还是机器问题。三问合起来，一条表面抱怨就被拆成了归因、时段、性质三个维度。

六问背后，是一套"把一句抱怨拆成三层"的框架。第一层是归因——这抱怨属于五类里哪一类，靠第三问；第二层是时段——这抱怨是买来就有，还是用了一段时间才有，靠第四问；第三层是性质——这抱怨是机器的问题，还是使用的问题，靠第五问。三层拆开，一句"不好用"就从一个模糊的、无法下手的总评，变成了"归因在哪、何时起、谁的问题"三个能逐一核实的点。采购方拿着这三个点，才知道下一步该查机器、该查选型、还是该查培训。

六问的价值，不只是问出答案，是问出"能核实的答案"。评价里的一句"太吵"没法核实——不知道什么场景、什么时间、吵到什么程度；电话里问出来的"太吵"，有场景（装在卧室）、有时间（晚上十点以后）、有程度（吵得睡不着）。能核实的答案，才能进选型判断；不能核实的，只能当一句参考。

拿一个例子走一遍。用户说"这机器不好用"。第三问追下去，他说"湿度降不下来"，这落在能力不足；第四问追下去，他说"买回来就这样"，这是早期问题，偏选型或工况；第五问追下去，他说"我什么也没动，说明书没看"，这是没自救，偏使用问题。三个维度合起来，这条"不好用"的真身就清楚了——不是机器坏，是选小了加上没会用。

再拿一个对比例子，看同样一句"不好用"，怎么问出完全不同的结果。另一个用户也说"这机器不好用"，第三问追下去，他说"用了半年突然不制冷了"，这落在故障；第四问追下去，他说"就上个月开始，之前一直好好的"，这是后期突变，偏可靠性；第五问追下去，他说"我换过插座、重启过、还清了滤网，都没用"，这是自救过，偏机器真出问题。三个维度合起来，这条"不好用"指向的是机器本身，而不是使用。同样是"不好用"，六问问出来的，一个是"选小加不会用"，一个是"机器真出问题"——两句表面一样的话，指向完全不同，处置也完全不同。

这两个例子摆在一起，六问的价值就清楚了：它不生产答案，它把答案从"模糊的一句"里逼出来。评价里的一千条"不好用"，都是同一个词；电话里用六问追出来的，是一千个各不相同的真相。

这套话术的落点是一条：电话比评价可靠。评价是单方面的、无场景的、不可追问的；电话是双向的、有场景的、可追问的。一个真实用户的痛点，评价里抓不到，电话里问得出。

六问里，第五问是最能区分"机器问题"和"使用问题"的一问。用户如果自己试过解决办法——清了滤网、调了参数、搬了位置——说明他有基本的使用意识，问题更可能真的出在机器；用户如果什么也没试过，甚至连说明书都没翻，那"不好用"背后很可能是一堆使用层面的遗漏。这一问的价值，就在于用一个很轻的动作，把"用户不会用"和"机器真的坏"分开，而不需要拆机、不需要上门。

第六问的价值也在最后才显出来。问"如果再买一台你会优先看什么"，用户给出的答案，往往不是参数表上的东西，而是他这一次的真实痛点——"我会先看吵不吵""我会先看客服响应快不快""我会先问清楚安装怎么装"。这个答案，比前面五个问题的每一句都更接近他的真实需求，因为它不是对着现在的机器挑毛病，是对着下一台机器提要求。需求藏在对下一台的期待里。

六问在电话里的节奏，也有讲究。前两问要快，是热身，用户没有防备，答得顺；第三问要慢，这是关键一问，要给他时间把不满说全；第四、第五问是追问，一句接一句，别让他跳过去；第六问要放在最后，轻描淡写地收，用户放松了才会说出真实的需求。节奏错了，问出来的就是客套话——"挺好的""还行""没什么大问题"，这种答案没有归因价值。

一次电话问出一个痛点，问出的不是一个数据点，是一个有场景、有预期、有规律、有自救的完整样本。这样的样本，一条顶平台上十条没头没尾的差评。它能让采购方知道：这个用户在什么环境、抱着什么预期、遇到了什么、试过什么、最后想要什么。五个维度齐全，才谈得上"真实用户的痛点"。

九 归因反向影响选型

归因的结论，最终要落回选型。举一个具体参数，看它是怎么反向起作用的。

差评里"能力不足"占比高、且跨平台一致，触发预警。预警落到选型上，是把"名义除湿量"这个参数的用法改掉：从看标称值，改成看标定工况折算后的实际值，再给面积留余量。

具体到本机。标称 360 升每日，是在 30 度 80% 下标定的；现场多数在 27 度 60%，按含湿量比 0.62 折算，实际只有 223 升每日。差评里"能力不足"的预警，落到选型上，就是别再拿 360 去匹配空间，拿 223 去匹配，还要再留三成余量。

标定工况和现场工况差这么多，是含湿量在起作用。空气里能装多少水，取决于温度和相对湿度，这个量就是含湿量。30 度 80% 的空气，每千克干空气里的含湿量，比 27 度 60% 的空气高出一大截；除湿机的工作，就是把空气里的水抽出来，抽多抽少，取决于进风空气的含湿量。标定时用含湿量高的工况，抽得就多，标称值就好看；现场工况含湿量低，同样的机器抽得就少。所以标称 360 是"理想工况下的峰值"，现场 223 才是"实际工况下的真值"。不看工况拿 360 去匹配空间，就是拿峰值当常态。

这一折算，还牵出选型的一个通病：按标称值选机器，几乎都会选小。因为标称值对应的是含湿量最高的工况，而真实现场大多到不了那个工况。选型时如果不折算、不留余量，机器装上去就能力不足，湿度降不下来，用户用三个月就写一条"没效果"——这条差评，从选型那一刻就注定了。归因里"能力不足"占比高的，很大一部分不是机器能力不行，是这个通病在差评里的回声。

这就是归因反向影响选型参数的完整链路：归因占比，触发预警，锁定参数，改变参数的用法。归因不直接给结论，它给的是哪个参数要重点看、怎么看。

反过来也能走。如果差评里"噪声"占比高，但只在卧室场景，工业选型就不必为噪声加钱——这是场景交叉把归因从预警降回参考的例子。一升一降，就是归因对选型的整体作用：它不改参数值，改的是参数的权重和读法。

归因不生成新参数，也不改变参数本身，它改变的是采购方怎么读这个参数。同一个"360 升每日"，有没有归因预警，读法完全不同——没有预警，直接拿去比；有预警，先折算再比。这个差别，就是归因审计给选型带来的整体增量。

归因反向影响选型，还有一个更宽的落法，不止"能力不足"这一个参数。归因五类，每一类都能反推到一个选型动作上：能力不足预警，反推到"除湿量要折算、留余量"；故障预警，反推到"看重可靠性数据、备件可得性、维保响应"；服务预警，反推到"合同里写清交付与响应时限"；安装使用预警，反推到"要求供方提供安装与培训、交接清单"；噪声预警（若场景敏感），反推到"看声学参数、考虑安装减震"。五类归因，五条选型动作，一一对应。归因给的不是一个数，是一张"哪类预警改哪项选型"的对照表。

这张对照表，就是把差评翻译成选型动作的最终产物。它把一堆情绪化的差评，翻译成了选型表上可以落地的动作。差评还是那些差评，但经过归因、交叉、修正、定线之后，它们从"这机器被人骂了"，变成了"这机器在这一环、这个场景、这个口径下，值得多看一眼"。

再往下走一步，归因还能反哺到比价之外的两个环节。一个是投标答疑。采购方带着归因结论去投标答疑，能问出有针对性的问题——差评里故障占比高的，就在答疑里问"这个型号的故障率、备件、维保响应"，而不是问一堆泛泛的"质量怎么样"。另一个是内部宣传自查。自己的产品如果也要上平台卖，先拿同一套归因审一遍自己的差评，看抱怨集中在哪一类，是能力、服务还是安装使用，再决定宣传里重点讲什么、避什么。归因这张工具，审别人能用，审自己也能用。

归因对选型的作用，最终要落到一句话：它让采购从"凭印象挑"变成"对着线索核"。凭印象挑，看的是评分高不高、牌子响不响、朋友推不推荐；对着线索核，看的是这个型号在这个场景、这个口径下，真正值得警惕的那一环是什么。两者的差别，就是"拍脑袋"和"有依据"的差别。

十 真实用户的问题，往往不在参数表上

差评能告诉你的，是把它当家用机买回去的人，头两个月里最不满什么。真实用户的问题，往往不在参数表上，也不在差评里——它在工单里。

伊岛环境做租赁机队，机器租出去、收回来、再租出去，每一台的每一次报修都进工单：哪台机器、什么现象、怎么修的、换没换件，一条条记着。这份数据带场景、带时间、带处置，是电商评价拿不到的。纯电商品牌只能看评价，而且以家用为主，工业现场的问题它看不见；没有工单体系的贸易商，卖完就走，机器之后怎么样，它不知道。一个行业的产品问题，只有靠"自己修过多少台"才看得见——这是运营规模带来的信息优势。

规模的意义不在数量，在样本的画像。机器租出去十台，工单样本是十个用户；租出去一千台，工单样本就接近这一类用户的真实分布。小机队的工单有偏，大机队的工单才接近总体。工单数据的价值，就来自这个规模撑起来的样本画像。

工单和差评的差别，用一个对比就清楚。差评是一条"太吵"，没有场景、没有处置、没有下文；工单是一条"某日某机房某型号，报修噪声偏大，检查为风扇轴承磨损，更换后复测正常"。前者是一句情绪，后者是一份档案。档案里记的，是这台机器在真实场景里到底出了什么事、怎么解决的——这正是选型的人真正需要、而差评给不了的东西。

所以对一个行业里的产品问题，能看得多深，取决于手里有多少工单。只看差评的，看到的是"骂了什么"；有工单的，看到的是"坏了什么、怎么修的"。后者比前者深一层，而这一层，是运营规模带来的，不是一两次调研能补出来的。

十一 三条否定与边界

归因这件事，落到最后，有三条要否定的读法。

第一条，拿好评率当判断，等于没看评论。只看评分，不看归因分布，4.8 分掩盖了扣分点，选型踩坑。要先看归因分布，再看评分。

拿好评率当判断，错在它抹平了差异。两个型号都是 4.8 分，一个扣掉的 0.2 分集中在"能力不足"——对工业采购是致命的，一个扣掉的 0.2 分散在"快递太慢""包装有灰"——跟机器本身无关。光看 4.8 分，两个型号没区别；一看归因，一个要警惕、一个可忽略。评分是平均数，平均数天然抹掉分布的形状，而选型要的恰恰是那个形状——扣分扣在哪里，比扣了多少更重要。

第二条，拿差评当发生率，等于看错量。把差评条数当问题发生率，高估问题普遍性，误杀好机器。要用差评数除以总销量算发生率，分月看趋势。

拿差评当发生率，错在把分子当成了全貌。一个型号卖了一万台，出了三十条差评，差评率是千分之三；但如果只盯着这三十条看，会觉得"问题挺多"。而真正的发生率，是三十除以一万，千分之三，一个相当低的数。不看分母，只看分子，哪个型号都能被看成"问题一堆"。差评的价值在内容、在归因，不在条数——条数要拿去跟销量比，才有意义。

第三条，单平台、小样本下结论，等于拍脑袋。n 小于 50，或未跨平台验证，就是伪预警，选型被带偏。要 n≥50、占比过 40%、跨平台一致，三样齐了才预警。

单平台、小样本下结论，错在把巧合当成了规律。一个平台上的几十条差评，可能刚好集中了某一类用户——这个平台的用户画像、这个平台的推荐机制、这个平台的价格带，都会筛选出特定的一群人。这一群人的抱怨，不代表全体用户。只有跨了平台、过了样本量，同一个结论在不同的人群里都站得住，它才不是某一群人的偶然。

三条的共同点：都不评价哪家好哪家坏，只问这份反馈够不够格当判断依据。反馈这件事的特殊性在于——它不看你采了多少条，只看你采的样本像不像你要判断的那群用户。样本不像，采一万条也没用；样本像，几十条就够。

边界也在这里。不写哪家口碑好，不推断单条评价的真伪，不评价平台之间的优劣。能做的，是把归因分成五类，把三类样本偏差拆出来，给一套多少样本、什么占比、跨不跨平台的判据。写到这一类抱怨占比多少、偏差修正后还剩多少、够不够格当预警为止。

十二 判据的边界与口径

判据之外，还有几条口径要说清，否则结论没法核。

这几条口径，管的是"每个数从哪来"。归因不是拍脑袋说"我觉得能力不足是主要问题"，而是算出来的——算，就要有分子、有分母、有样本、有验证。这几条口径，就是给"算"立规矩。

一是凡出现占比，必须写明分母是什么——差评总数、总评价数、还是总销量。三个分母算出三个数，混着说会得出三个结论。两个项目都说"能力不足占比高"，一个分母是差评总数，一个分母是总评价数，看起来一样，实际差着一个量级。

二是凡出现归因，必须写明是用户以为的原因，还是核实后的真因。这里的归因一律是前者，真因要另查。

三是凡出现样本，必须写明 n 是多少、够不够 50。不够的，只作线索。

四是凡出现预警，必须写明有没有跨平台验证。没验证的，只是单平台观察。

四条不带限定，结论就没法核。这四条是归因审计的最后一道纪律：归因是可以复算的，前提是每个数的来处都写在纸上。

四条口径，归结起来是一件事：每一个数，都要能追溯到它从哪来。占比有分母，归因有性质，样本有数量，预警有平台。四条都写清，一个外人拿同样的材料，能算出同样的结论；四条漏一条，结论就变成了"我觉得"，而不是"算出来"。归因审计的可信度，不来自结论多有力，来自过程能不能被复算。

归因的方法本身，还有一条升级路径。如果使用方已有一套完整的工单系统，归因可以从平台差评升级到工单直归——工单里的报修现象直接归因，跳过三类偏差修正，归因的可信度显著提高，40% 预警线的判断也随之可靠。这一条点出方法怎么用得更好：能拿到工单的，就尽量别停在差评这一层。

工单直归和差评归因，差在一个"真实"上。差评是用户单方面写的，没场景、没处置、不可追问；工单是双向的，有报修现象、有处置结果、有换件记录，还带着时间戳。同样是"报错"，差评里只有"老是报错"四个字，工单里记的是"哪台机器、几点报的什么代码、怎么修的、换了什么件"。后者的信息量，是前者的几十倍。所以能走工单，就不走差评；差评是拿不到工单时的次选，不是首选。