酒店圈里有个说法：点评分 4.5 是一条线，4.7 是一条线，4.8 以上又是一条线。
这个说法不精确，但方向是对的。评分不是线性影响订单的，它在几个阈值上有明显的台阶。
评分影响订单的三条路径
路径一：平台排序
多数平台的默认排序会把评分作为权重之一。分高的排在前面，曝光多，订单自然多。
路径二：列表页的筛选项
客人经常用"4.5 分以上"这类筛选项。低于这条线的酒店，直接不出现在结果里。
路径三：详情页的说服力
同价位、同位置的几家店，客人会看评分做最后选择。
三条路径里，第二条是硬门槛。低于筛选线，等于在相当一部分客人面前不存在。
一个粗略的经验值：从 4.3 提到 4.6，订单量提升的幅度通常在 10%–20%；从 4.6 提到 4.8，提升幅度会小一些（5%–10%），因为已经过了主要筛选线。而从 4.5 以下提到 4.5 以上，提升可能超过 30%。
这些数字因城市、品类差异很大，但"跨过阈值收益最大"这个规律是通用的。
评分是怎么算出来的
多数平台的评分是近期加权平均，不是历史全量平均。
这意味着两件事：
- 老差评会随时间稀释。半年前的 1 条差评，影响远小于上周的 1 条。
- 近期的好评权重更高。所以"提分"最有效的方式是持续拿到好评，而不是去追历史差评。
这也解释了为什么有些酒店突然分数上升——不是做了什么大改造，只是最近三个月服务稳定。
提分的两个方向
方向一：减少差评的发生
把已有的差评按原因分类，找出重复出现的那两三个问题，集中解决。
方向二：增加好评的数量
在客人满意度最高的时点（退房时、离店后）主动邀请评价。
第一个方向的效率通常更高。一条差评的负面影响，需要五到十条好评才能抵消。
差评的四个高频原因
按行业经验，差评集中在四类：
| 原因 | 占比 | 能不能改 |
|---|---|---|
| 卫生（毛发、异味、床品） | 约 30% | 能，靠流程与检查 |
| 噪音（隔音、走廊、设备） | 约 20% | 部分能，靠改造与房型分区 |
| 服务态度与响应速度 | 约 25% | 能，靠培训与授权 |
| 与实际不符（图片、设施坏了） | 约 15% | 能，靠信息准确与维保 |
第四项最冤：照片拍的是三年前的样子，客人到店发现旧了。这类差评完全可以避免——定期更新渠道图片，把真实状态放上去。
第一项占比最大，也最好改。卫生差评的根子通常在"检查环节缺失"，而不是"员工不认真"。
邀请评价的正确时机
| 时点 | 效果 | 说明 |
|---|---|---|
| 入住时 | 差 | 客人还没体验，只能写"环境不错"这种空话 |
| 退房时 | 较好 | 体验完整，情绪还在 |
| 离店后 2 小时内 | 最好 | 记忆清晰，且有回应窗口 |
| 离店后 3 天以上 | 差 | 已经投入下一件事，懒得写 |
第三个时点最好，但也最难执行——需要系统自动触发。选住的退房后消息推送可以做这件事，比人工打电话效率高得多。
一个反直觉的发现
只求好评
员工为了拿好评，对客人过度热情、反复提醒。客人会觉得被绑架，反而不写或者写"服务太刻意"。
解决具体问题
退房时问一句"这次住得怎么样，有没有哪里不方便"，客人说了就去改。下次他再来，会发现改了。
真正带来好评的不是"要"，是"改"。客人写好评的理由通常是"这家店在意我说的话"。
回复差评的三条原则
1. 24 小时内回，超过一天客人已经不看了，但其他潜在客人会看到 2. 不辩解，先承认问题，再说明怎么改的 3. 不模板，每条差评的回复都要提到具体的事
第三条是最容易偷懒的。一段通用的"感谢您的反馈，我们会持续改进"，看起来礼貌，实际上让所有看回复的人知道：这家店不会改。
一个具体的回复示例："您提到的 8306 房间淋浴下水慢，我们上周已经疏通并更换了地漏，这周同类报修为零。欢迎您下次来验证。"
这段话的作用不是安抚这一个客人，是让所有看到的人相信"这家店会改"。
最后一点
评分不是目的，是结果。
一家店如果为了提分做各种动作（送礼物换好评、删差评、刷单），短期可能有效，但撑不过一年。平台的算法在迭代，客人的识别能力也在提高。
真正稳的提分方式只有一个：让客人有值得写下来的体验。