Những review(đánh giá) của người dùng trên website của bạn chính là một trong các thước đo phản ánh sự hài lòng của người dùng. Do đó, bạn cần có những chú ý nhất định tới việc đảm bảo review người dùng luôn hỗ trợ cho của bạn. Cùng tìm hiểu về review filter qua bài viết:
1. Định nghĩa review filter
Review filter chính là bộ lọc đánh giá của người dùng trên trang web.
Khái niệm này được bàn tới nhiều lần. Đầu tiên là từ một bài báo cáo của PBS Mediashift năm 2013: “Mối quan hệ mạnh mẽ của Yelp với các doanh nghiệp nhỏ”. Review filter các bình luận của người dùng trở thành một chủ đề luôn gây tranh cãi trong tất cả các tìm kiếm địa phương.
2. Vai trò của review filter
Tìm kiếm địa phương (local search) trong cộng đồng đang ngày càng gia tăng, các tiêu chí đánh giá này có vai trò:
- Đánh giá mức độ phổ biến ngoại tuyến của một doanh nghiệp trong thuật toán của họ.
- Cung cấp trải nghiệm và cái nhìn sâu hơn về doanh nghiệp
- Tăng độ gắn kết trang web bằng cách tăng ý thức cộng đồng.
Yelp là một ứng dụng review filter đã trở nên phổ biến hơn bằng cách giải quyết đáp ứng cả ba điểm cũng như loại các thư rác đánh giá. Review filter cục bộ rộng rãi đầu tiên này của Yelp được ra đời để đáp ứng những yêu cầu sau:
- Đảm bảo review từ con người chứ không phải robot
- Review sẽ chỉ từ khách hàng chứ ko phải được thuê từ bên thứ ba
- Doanh nghiệp sẽ không thể tự review tốt về mình
Giám đốc điều hành của Yelp, Jeremy Stoppelman, đã đề cập tới nó trên video sau:
3. Cách review filter hoạt động
Bạn sẽ không thể biết các chi tiết review filter của Yelp vì nó là độc quyền. Tuy nhiên bạn có thể hiểu đơn giản rằng, nó sẽ hoạt động nếu review có các đặc điểm sau:
- Các từ cực đoan và thô tục có trong review
- Sử dụng nhiều quá mức
- Sử dụng các liên kết trong review
Một tiêu chí đánh giá khác cũng có thể kích hoạt filter đó là các đánh giá hàng loạt mang tính đáng ngờ khác.
Một số bộ lọc cách đánh giá tinh vi hơn và xét tới từng đặc điểm của người dùng:
- Số lượng review mà người dùng đăng lên
- Xếp hạng review giữa từng người dùng
- Phân chia loại hình kinh doanh review của người dùng
- Tần suất review của người dùng là bao nhiêu
- Địa chỉ IP của người dùng review
Như vậy, review của người dùng tích cực, gắn bó dường như có giá trị cao hơn review của những người đánh giá lần đầu hoặc không thường xuyên. Do đó, các chuyên gia tìm kiếm địa phương cũng đánh giá thứ hạng của review người dùng tích cực cao hơn.
4. Các vấn đề của review filter
Sự thật là các thuật toán của review filter chưa bao giờ hoàn hảo. Những bộ lọc này thường xuyên xảy ra các vấn đề:
- Dẫn đến các quyết định ít hợp lý của người dùng về doanh nghiệp
- Xóa các review không vi phạm, nhất là từ các khách hàng ít hoạt động.
- Không khuyến khích người dùng mới review
Điều này tạo nên nhiều doanh nghiệp nhỏ ngày càng cảm thấy không hài lòng.
5. Hiện tượng né tránh review filter
Yelp là nơi thực thi mạnh mẽ nhất filter review, và nó cũng là một hướng dẫn gây khó chịu với các nhà tìm kiếm địa phương. Tính năng lọc của Yelp hiệu quả tới nỗi trung bình 1 trong 5 đánh giá trên này sẽ không bao giờ xuất hiện. Bởi vậy, có rất nhiều doanh nghiệp được khuyên không nên yêu cầu người dùng đánh giá họ trên Yelp.
Bên cạnh đó, sự nghiêm ngặt của filter review của Yelp hay Google+ cũng đang khiến các công cụ tìm kiếm địa phương ít quan tâm hơn tới việc thu hút khách hàng review cho trang web của họ.
6. Các xu thế review filter tương lai
Phương thức chính của review filter đang thay đổi. Đánh giá theo và hành vi trên trang web đã không còn phù hợp trong thời kỳ bùng nổ của điện thoại thông minh. Các tiêu chí có thể dễ dàng bị thao túng như sau:
- Những nền tảng local search của thiết bị cầm tay ( Google, Apple, Microsoft,…) đều có thể đăng kí ID và ràng buộc nó với như với con người thực sự.
- Các nền tảng tìm kiếm địa phương có thanh toán di động đều có thể vô hiệu hóa review của người dùng về một doanh nghiệp.
Mặc dù những lo lắng về quyền riêng tư hay thao túng review filter là có cơ sở. Nhưng vẫn có nhiều doanh nghiệp vẫn mong muốn bộ lọc hiệu quả hơn. Điều đó bao gồm thuật toán lọc hiệu quả, ít lỗi, thể hiện chính xác hơn về các trải nghiệm của người dùng.
Nguồn:
