哪篇文档有问题？一套加权算法帮你自动揪出来

你有几千篇文档。我问你：你知道其中哪些是“有问题”的吗？大概率，你答不上来。

而几种最容易想到的笨办法，其实都不靠谱：

你需要的，是一套自动化的“问题文档识别”机制，让算法先从几千篇里，把最可疑的那几十篇挑出来。

一、核心思路：把“用户觉得有问题”的信号加权综合

别被“算法”两个字吓到，核心逻辑特别朴素，一句话：

一个可用的公式长这样：问题文档得分 = 评论向量 × 0.6 + 解决率向量 × 0.4。

“评论向量”是从评论里提取的“问题信号强度”——差评有多少、有多狠；“解决率向量”是用户点“没用”的比例——点“没用”的人越多，说明它越没解决问题。

那为什么是 0.6 和 0.4，不是五五开？因为信息量不一样。评论是“开放式”的，它告诉你具体哪里不对（“第三步那个按钮根本找不到”）；而“有用/没用”只是个二元按钮，只告诉你“行/不行”，不告诉你“为什么”。信息量大的，自然该给更高权重。这个权重不是金科玉律，可按你的数据去调，但“评论权重高于点踩权重”这个大方向通常成立。

二、算法的执行步骤

其中“评论向量”可以综合考虑这么几件事：

• 差评的数量（评论越多且越偏负面，向量值越高）；

• 评论的情感强度（“完全看不懂”显然比“有点复杂”更严重）；

• 评论的时间衰减（最近的差评，比一年前的更值得重视）。

而“解决率向量”则简单些：解决率 = 点“有用” ÷（点“有用” + 点“没用”），解决率越低，向量值越高。

三、拿到清单之后，先别急着改

很多人拿到“问题文档 Top 50”，第一反应是把清单甩给作者：去，改！打住——这是最容易好心办坏事的一步。正确做法是先分类，再分配，因为“有问题”背后藏着完全不同的病因：

一篇“产品缺陷类”文档，你让作者怎么改都没用，因为根子不在文档上。所以第一步永远是分类，第二步才是分配。

四、一个容易被忽略的细节：“踩”也是信号

有些用户是“沉默的差评者”——他懒得打字写评论，但会顺手点一个“踩”。如果算法只盯着评论文本，就会把这一大批沉默信号全漏掉。所以一套完整的得分，应该同时吃进两种信号：文本信号（评论说了什么）+ 行为信号（用户做了什么）。 说的和做的，合起来才是真相。

这是系列的第 2 篇。前两篇我们都在和“文档本身”较劲。从下一篇起，视角要变了：我们开始盯着人——那个正在读文档的用户，他到底是谁？有趣的是，你不用发任何问卷，光靠他的阅读行为，就能把他猜个八九不离十。欢迎关注「文档不头疼」。

更多用数据打磨文档的方法

文档不头疼