排查步骤
- 记下总评分背后的来源、国家/地区、测量日期和评分数量。弄清“近期”这个视图里是文字评论、纯评分，还是一个有上限的样本。
- 数据允许的话，把近期评论按版本和反复出现的问题归类。先比较同等长度的时间段，并注明采集空缺，再判断一个变化算不算趋势。
- 查看所反馈问题的严重程度和能否复现。一个严重且能复现的缺陷，即使样本小到算不出可靠的比例，也值得排查。
案例解读
举例：评分总数很大，累计评分几乎没动，近期评论却反复提到某个版本特有的登录问题。总评分稳定，并不能否定这些反馈；但凭这个样本，也无法确定受影响的用户占多大比例。
决策与下一步检查
把累计评分概况和近期证据分开汇报，反复出现的问题要有负责人。修复之后继续跟进受影响的版本。不要把一个有上限的评论样本换算成全应用的评分分布，或者拿它去推算流失。
相关的 Storelift 功能
这项工作能用到哪些产品数据、范围有多大，请看应用评论监控。在报告里，把应用、店面、时间段和测量状态与所用的测量结果写在一起。
拿你自己的应用试试
粘贴应用的商店链接，添加关键词。排名、排在你前面的应用和搜索需求，每天都会测量。
免费套餐：1 个应用，2 个店面各 25 个关键词，30 天历史数据，无需绑卡，不限期限。Pro 每月 $20。
免费开始 →