我花了大半周时间看评测网站的评分方法，包括 G2、Capterra、Enjyn 和另外十几家。
问题很快就出现了：几乎没人公布完整计算过程。G2 算相对透明，会说明分数同时考虑“满意度”和“市场影响力”，旧评论的权重还会按指数衰减。可具体权重是多少、公式怎么写，仍然看不到。
没有公式，运营就无法判断高分究竟代表用户喜欢产品，还是厂商团队大、市场曝光多。分数也不能说明产品有多难上手，所以我们另外公开了一套难度等级体系。
所以下面把 EcomAgentTools 的计算方式完整摊开：权重、数据来源、缺失数据怎么处理，以及不允许我们给喜欢的产品开后门的那条规则。
简单说
站上的工具和技能都使用 0–100 分制，分数来自固定的加权评分表。每个维度都会标明来源，读者可以看出它来自社区评分、编辑评估，还是从上手时间、平台覆盖等字段推导出来的数据。
提示词不打分。几句话的 Prompt 不会因为旁边写着 82，就比写着 78 的更有用。现在只按编辑选择排序，不再显示原来那组装饰性的递减分数（94、92、90……）。
灵感来源
Enjyn 的方法给了我们一个有用的起点。他们把 G2 和 Capterra 的公开数据统一到 10 分制，再用固定的五个维度计算所有工具。如果团队确实在生产环境用过某款产品，就用一手数据替换对应维度，并标记为“operator”；没有实测就继续使用公开评价。
我们借鉴的是三件事：固定权重、公开来源、明确标记运营实测。
但 EcomAgentTools 的目录需要另一种缺失数据处理方式。这里有很多创业和成长阶段的电商工具，其中 68% 在 G2 上一条评论都没有。评分完全依赖 G2，相当于直接放弃三分之二的目录。
所以社区数据可以成为最重要的信号，但要等真实评分出现。在此之前，其余证据重新分配权重，缺失评分不会被当成 0 分。
工具评分表
五个轴。83 个工具全部同一套。
| 评分轴 | 权重 | 衡量什么 | 数据来源 | |--------|------|---------|---------| | 用户评分 | 30% | EcomAgentTools 社区评价 | 社区（你的真实打分） | | 功能能力 | 25% | 工具在核心任务上的表现 | 编辑评估 | | 上手效率 | 15% | 多快能产生有用结果 | 从上手引导数据推导 | | 性价比 | 15% | 花多少钱换多少东西 | 编辑评估 | | 市场活跃度 | 15% | 工具生态的活跃程度 | 从 G2 评论数、PH 投票、GitHub stars 推导 |
读这张表时，有三点要留意。
第一：用户评分权重最高，但它从零开始。 如果一个工具还没有人打分——目前大部分都是——社区评分轴直接排除，剩下四个轴按比例重新分配权重。一旦有人打分，社区轴就激活了。但它不是直接跳到 30%，而是逐步释放：1-2 条评分只给大约 6%，3-9 条给大约 18%，10 条以上才达到完整的 30%。
这样可以避免小型评测网站被一条愤怒评价拖垮整体分数。早期结果会以编辑评估为主，社区样本增加后，真实用户评分再逐步接管。来源标签应该把这个变化展示出来。
第二：市场活跃度只是代理指标。 目前使用 G2 评论数、Product Hunt 投票和 GitHub stars，是因为 Ahrefs 等流量数据还没有接入自动评分流程。有 1000+ 条 G2 评论和 500+ 个 PH 投票，至少说明公开市场证据更多，但这仍然不是实际使用量。以后接入 Ahrefs，会替换这个维度，而不是继续往上叠加。
第三：性价比由编辑评估，但有公开规则。 免费工具给 9 分，4 档以上定价给 7.5，2–3 档给 6，只有“联系销售”这一档的给 5。规则很粗，但所有工具都按同一方法处理，也方便读者直接质疑。
技能评分表
也是五个轴。社区权重比工具更高，因为技能好不好用，完全取决于别人能不能真的跑通。
| 评分轴 | 权重 | 衡量什么 | |--------|------|---------| | 用户评分 | 35% | EcomAgentTools 社区评价 | | 功能能力 | 25% | 效果 + 易用性 + 上手速度 | | 文档完整度 | 15% | 文档写得清不清楚 | | 可复现性 | 15% | 按文档操作能不能跑通？ | | 电商贴合度 | 10% | 多大程度上解决的是电商问题 |
同样的自适应逻辑：社区权重随评分数量从 0% 逐步增长到 35%。
可复现性很重要，因为 README 写得漂亮，不代表安装一定成功。目前这个维度仍用上手时间作为编辑代理值。更可靠的证据应该是真实复现记录：“按指南跑通了”，或者“第三步返回 500 错误”。
提示词为什么没有评分
提示词通常只有几句话。给一个 78、另一个 82，会制造证据并不支持的精确感。现在提示词只按编辑选择排序，不再显示分数。原来那组 94、92、90 的递减数字只是装饰，所以已经删掉。排序就应该看起来像排序。
那条真正重要的规则
在动手写任何代码之前，我写了条约束贴屏幕上：同一套评分表，用于所有条目，没有例外。
这条规则很重要，因为手工评 83 个工具时，到处都有破例的理由：某家公司你很喜欢，某个演示做得漂亮，某位创始人在 Twitter 上对你很友好。只要系统允许临时调整，人就会用自己的偏好调整。根本不需要谁故意作弊。
固定评分表让 Shopify Magic 和只有 12 个用户的库存规划器通过同一套计算。如果结果看起来不对，我们检查权重和证据，而不是悄悄改掉某一个产品的分数。
这也是为什么我们把权重公开。如果你不同意——你觉得市场活跃度应该更高，或者功能能力应该更低——你可以自己重新算一遍任何工具的分数。数据全在那儿。
目前还有哪些问题
这套模型还有明显缺口，不能藏起来。
社区评分目前是空的。 自适应权重系统已经建好、部署上了，但它在等真实的评分。在所有实际评分进来之前，全部分数都是编辑评估。如果你用过站上任何工具或技能，留一条评分就是你能做的最有影响力的事。
市场活跃度是错的代理指标。 G2 评论数和 PH 投票数确实跟市场活跃度相关，但它们是滞后指标。一个工具可能增长很快但在 G2 上完全没有存在感，因为它的用户群跟 G2 的用户画像不重叠。正确的指标是网站流量，我们需要把那个接进来。
技能需要真实的复现数据。 目前的可复现性评分是从其他评分推导出来的代理值。唯一的解决办法是真正去复现技能并记录结果。这很耗人力，我们还没建好这套流程。
100 分制太压缩了。 大多数工具的分数集中在 78 到 89 之间。因为好几个轴（上手效率、市场活跃度）在很多工具上产生相似的分数。更宽的分布对区分度更友好，但人为拉宽等于发明不存在的差异。我宁愿要诚实的聚类，也不要虚假的精度。
接下来要修的
路线图，按顺序：
- 让真实评分进来。 在有人真的打分之前，一切都是理论。
- 接入 Ahrefs 数据替代市场活跃度。 把代理指标换成真实的网站流量数据。
- 建技能复现管道。 追踪哪些技能被验证为可复现、由谁验证。
- 发布公开方法论页面。 这篇博文是方法论页面的初稿。等系统稳定下来，权重和逻辑会放在
/about/scoring，附带逐轴文档。
说句实在的
我建这个不是因为我觉得数字能解决一切问题。我建它是因为大多数评测网站用数字但不解释数字，这制造了一种并不存在的客观性幻觉。
83/100 看起来像经过测量。没有公式和来源，它也可能只是一种披着数字外衣的印象。
我们的公式公开了。权重公开了。每个评分轴的来源都标注了。如果你觉得我们算错了，你可以自己验算。
读者应该用这个标准继续检查我们。
---
*Maxwell Trent 是 EcomAgentTools 的产品研究员。他设计了用户难度分级体系和评分表。他之前做过一个没成功的电商项目，那段经历教会他的工具评估经验，比任何成功都多。你可以在 ecomagenttools.com 上查看全部 83 个工具及其分项评分。*