aiCompetitorGoogle 上的 4.4 算好嗎?如何將你的評分與本地競爭對手比較
团队: aiCompetitor在 AI 协助下撰写15 分鐘閱讀重點摘要
- Google 的評分 無法單獨解讀:4.4 可能是你這條街上最好的成績,也可能是你所屬類別中最差的,唯一的判斷方式,就是把它與同一半徑內和你競爭的商家放在一起比較。
- 評論數量與評分一樣重要。 只有 12 則評論時,一則 1 顆星的評價就會讓你下降 0.3;有 800 則時,連 0.01 都動不了。
- 把評分提高 0.1,所需的評論數是降低 0.1 的 五到六倍:在 500 則評論、評分 4.4 的情況下,需要 46 則 5 顆星評價才能顯示 4.5,而只要 8 則 1 顆星評價就會顯示為 4.3。
- Google 不會替任何人保存歷史資料。 你的不會,競爭對手的也不會。如果你想知道你這條街是怎麼演變的,就得從今天開始記錄:沒人記下的過去,是無法找回的。
- 最能預示被超越的指標不是評分,而是 評論節奏(每個商家每週新增多少則,並經過標準化,讓不同間隔也能比較)。
如果你經營本地商家,剛看了自己的 Google 商家檔案,你大概遇過這種情況:看到一個數字(4.2、4.4、4.7),卻不知道該怎麼處理。本文說明如何把這個孤立的評分,轉變成與你所在區域商家之間有用的比較,附上算好的數字,以及一個用試算表就能實行的方法。而如果你不想每週手動維護,文中也說明哪裡可以自動化:aiCompetitor,這是 AIsToHire 的本地口碑應用程式,它會將你的 Google 商家檔案與你社區最多十位對手比較,並建立 Google 不保存的歷史資料。
Google 上的 4.4 沒有好壞之分:決定它的是你的街區與你的類別
Google 的評分,只有與同一個類別、同一半徑內爭奪同一位顧客的商家相比,才有意義。同樣的 4.4,在一條修車廠林立的街上可能是第二好,在一條美髮店林立的街上卻是最差,因為不同行業的期望與顧客的嚴苛程度各不相同。不存在通用的「及格線」,只有你這個街區的及格線。
比較必須是 在地 且 依類別 的,有兩個非常具體的理由:
- 各行業的嚴苛程度不同。 餐廳的評論來自經歷了一小時完整體驗的人;會計事務所收到的評論少得多,而且往往很極端。把兩者相比,毫無意義。
- 比較必須在顧客做選擇的距離上進行。 如果你的顧客是在步行五分鐘內的三個選項中做決定,你的競爭對手就在那五分鐘之內。城市另一頭的優秀商家不會搶走你的顧客,不應該列入計算。
因此第一步不是改善任何事,而是 界定你要跟誰比。半徑要短(你的街道或街區),並採用相同的商家檔案類別。
12 則評論的 4.9,比 800 則評論的 4.7 更脆弱
評論數量不是評分旁的裝飾:它說明這個評分有多可信。以十二則意見算出的平均,會因為一則壞評論而整個動搖,而以八百則算出的平均幾乎紋風不動。看你所在區域的排名時,務必把兩個數字放在一起讀。
可以用計算機重算的數字:
| 商家檔案 | 目前評分 | 評論數 | 多一則 1★ 評論 | 多五則 1★ 評論 |
|---|---|---|---|---|
| 商家 A | 4.9 | 12 | 4.6(−0.3) | 3.8(−1.1) |
| 商家 B | 4.7 | 800 | 4.7(−0.0) | 4.7(−0.02) |

這有兩個實務上的解讀:
- 如果你的評論不多,你的評分只是暫時的消息。 不要因為只有 15 則意見的情況下出現 0.2 的變動,就做出經營決策。
- 如果對手以極高的評分和三十則評論贏過你,他並沒有完全贏過你。 他的平均更好,但基礎薄弱得多。
作為實務門檻,20 則評論 以下,應將評分視為參考性質。這是 aiCompetitor 用來在排名中標示「評論偏少」商家檔案的切點,正是為了避免有人從只靠少數意見撐起的平均中得出結論。
把評分提高 0.1,成本是降低 0.1 的五到六倍
要讓 Google 多顯示 0.1,就必須頂著先前所有評論的分量把平均往上拉,而這需要大量的滿分評價;要掉 0.1,只需要少數幾則最低分評價,因為一則 1 顆星離你的平均,比一則 5 顆星遠得多。Google 顯示的是四捨五入到小數點後一位的評分,所以重要的不是精確的平均,而是四捨五入發生改變的那個點。
以 4.4 為起點,依你擁有的評論數量,需要如下(直接依算術平均計算:要顯示 4.5,必須超過 4.45;要掉到 4.3,必須低於 4.35):
| 你擁有的評論數 | 顯示 4.5 所需的 5★ 評論數 | 掉到 4.3 所需的 1★ 評論數 |
|---|---|---|
| 30 | 3 | 1 |
| 50 | 5 | 1 |
| 100 | 10 | 2 |
| 200 | 19 | 3 |
| 500 | 46 | 8 |
| 800 | 73 | 12 |
兩欄之間的比例約為 6 比 1。由此得出三個比任何技巧都更有價值的結論:
- 避免一則 1 顆星評論的回報,是爭取一則 5 顆星的六倍。 解決週五的排隊問題,或是結帳時的誤會,是你手上投資報酬率最高的槓桿。
- 你的規模越大,評分變動越慢。 有 800 則評論時,好的一季幾乎不會反映在數字上;成果會先出現在節奏上,而不是平均上。
- 如果你的評分下降了 0.1,而你的評論量很大,那絕非偶然。 那是連續幾則壞評論造成的,值得弄清楚它們談的是什麼。
對這些計算誠實提醒兩點:Google 會四捨五入到小數點後一位,並過濾掉它認為不真實的評論,因此你商家檔案的實際平均,可能與純算術平均略有差異。而且沒有人(無論是這個應用程式或任何其他工具)能保證你得到特定的評分。
Google 只呈現今天的快照:歷史資料得由你自己建立
Google 地圖與你的商家檔案,都不會保存平均評分或評論數的歷史序列,競爭對手的更是沒有。你可以一則一則地看評論,但看不到「這條街在三月是什麼分數」。這意味著沒人記錄的過去已經遺失,要有曲線,唯一的辦法就是從今天開始量測。

在任何時刻,你能知道什麼:
| 你想知道的事 | 今天在 Google 上有嗎? | 事後可以重建嗎? |
|---|---|---|
| 你今天的評分與評論數 | 有 | — |
| 競爭對手今天的評分與評論數 | 有 | — |
| 你六個月前的評分 | 沒有 | 不行,若你當時沒記錄 |
| 對手上個月新增了多少則評論 | 沒有 | 不行,若你當時沒記錄 |
| 誰超越了你,何時超越 | 沒有 | 不行,若你當時沒記錄 |
因此第一次量測永遠畫不出圖表:只有一個點。有了兩個點才有節奏與初步的變動,幾週之後你就有了曲線。這也是為什麼 每天量測毫無意義:週一到週二之間幾乎沒有任何變化。每週一次,或每兩週一次,才是能取得訊號而不夾雜雜訊的頻率。
評論節奏能在被超越之前,就預告誰會超越你
評分變動緩慢而且有延遲;每週的新增評論數則是立即在變。如果一個評分與你相近的對手每週新增三則評論,而你每週新增一則,那麼即使今天你領先,被超越也已成定局:只是時間與算術的問題。
為了讓數據可以比較,必須將它 標準化,因為你幾乎不可能在完全相同的間隔下量測。公式很簡單:
每週評論數 = (今天的評論數 − 上次量測的評論數)/ 經過天數 × 7
| 商家檔案 | 新增評論 | 量測間隔天數 | 標準化節奏 |
|---|---|---|---|
| 你的商家 | 2 | 10 | 1.4 / 週 |
| 對手 A | 6 | 12 | 3.5 / 週 |
| 對手 B | 1 | 21 | 0.3 / 週 |
未經標準化時,對手 B 看起來和你不相上下,對手 A 看起來只領先你三倍。算過之後,情況就不一樣了:A 的累積速度是你的 2.5 倍,六個月內大約會新增 90 則評論,而你只增加 36 則。
使用這項指標時有兩項提醒,應該始終遵守:
- 間隔太短會說謊。 相差兩天再乘以七,會把一則零星的評論變成「每週 3.5 則」。間隔少於 3 天時,數據並不可靠。
- 間隔太長也一樣。 如果已經過了 45 天或更久,你是在把不同的季節平均在一起。aiCompetitor 以這個範圍(3 至 45 天)來判定節奏是否可靠,避免呈現毫無意義的數字。
如何一步一步把你的評分與本地競爭對手比較
這個方法可以分為五個步驟,用試算表就能手動完成:界定一個固定的競爭對手群組,每週記錄所有人的評分與評論數,將節奏標準化,把你的變動與群組平均比較,最後閱讀評論內容以了解原因。困難的不是方法,而是每週持續做下去,不漏掉任何一次。

步驟 1. 界定一個固定的競爭對手群組,不要每週更換
在你的顧客做決定的半徑內,挑選 8 到 10 家 同類別的商家:街道(500 公尺)、街區(1 公里)或區域(3 公里)。納入真正搶走你顧客的商家,即使自動名單沒有推薦;排除那些與你同棟大樓卻不搶客的商家。群組必須穩定:若你不斷更換,比較就失去可比性。
步驟 2. 永遠在每週的同一天量測
在標有日期的一列中,為每個商家檔案記下評分與評論總數。固定在每週的同一天,可以避免週末的旺季扭曲判讀。如果某一天你無法做,也沒關係:你不能做的是有些記錄、有些不記錄,因為那樣群組就彼此失去可比性。
步驟 3. 在比較之前先將節奏標準化
把上一節的公式套用到每個商家檔案,並由高到低排序。這個順序(而不是評分的順序)才能告訴你,目前在你的區域中誰正在獲得動能。
步驟 4. 對照群組平均來衡量你的變動,而不是憑空衡量
用你今天的評分減去 30 天前的評分,並對每個對手做同樣的事。如果你下降了 0.05,而整個社區下降了 0.07,你沒有問題:只是遇上了冬季。如果你下降而社區上升,那就是問題了。再用 90 天重複計算,以區分雜訊與趨勢。
步驟 5. 閱讀內容,因為數字不會告訴你原因
評分告訴你有事發生;只有評論的文字才能說明是什麼事。把你讀到的內容歸入穩定的類別:服務與態度、價格、品質、等待與速度、清潔與設施,並記下在哪一項他們贏過你,在哪一項你贏過他們。本週的計畫來自這裡,而不是來自數字。
為十個商家檔案手動做這件事,每週大約要十五分鐘,而且撐得不錯……直到第四、五週為止。大多數人就是在這裡放棄,而一個能一鍵拍下快照的工具,正是有沒有歷史資料的分水嶺。
你能看到競爭對手的什麼,看不到什麼
你可以看到任何公開商家檔案的評分、評論總數與排名,今天可以,想看多少次都可以。如果你使用 Google 官方 API,你 看不到 的是他們完整的評論文字:Places API 對每個商家檔案 最多只回傳五則評論(Google Places 文件,2026 年 10 月查閱)。任何承諾提供「你競爭對手的所有評論」的工具,都是在抓取網頁,而這違反 Google 的條款。
| 競爭對手的資料 | 官方 API 是否提供 | 詳細程度 |
|---|---|---|
| 平均評分 | 是 | 完整 |
| 評論總數 | 是 | 完整 |
| 評論文字 | 部分 | 每個商家檔案最多 5 則 |
| 照片與類別 | 是 | 完整 |
| 是否暫時或永久歇業 | 是 | 完整 |
| 評分與評論的歷史紀錄 | 否 | 必須自行建立 |
實務上的後果是:對你競爭對手評論 內容 的分析,是 參考性質而非統計性質。它用來發現大家談論他們時說些什麼,而不是用來斷言百分比。至於你自己的商家,透過 API 的快照是一樣的,但有一個重要差別:你可以從你自己的商家檔案取得完整的評論。
aiCompetitor 做什麼、花多少錢、不做什麼
aiCompetitor 把上述方法完全自動化:你確認自己的 Google 商家檔案,選擇半徑,組成最多十位對手的群組,只要按一個按鈕,就能儲存整個群組評分與評論的帶日期「快照」。更新資料 不消耗 Token;唯一要花費的是以 AI 分析評論內容,而且費用在你按下按鈕之前,就已寫在按鈕上。
| 功能 | 做什麼 | 費用 |
|---|---|---|
| 登錄你的商家檔案與半徑 | 在 Google 搜尋、在地圖上確認、半徑 500 公尺 / 1 公里 / 3 公里 | 免費 |
| 群組建議與管理 | 半徑內同類別的對手;可新增、移除、暫停或釘選(最多釘選 3 個) | 免費 |
| 群組快照 | 所有商家檔案的評分與評論數,附日期,次數不限 | 免費 |
| 排名、節奏與變動 | 依評分或數量排序、提醒評論少於 20 則的商家檔案、標準化節奏、相對群組平均的 30 天與 90 天變動 | 免費 |
| 演變圖表 | 評分、評論與名次;可依對手篩選,或「我 vs. 區域中位數」 | 免費 |
| 主題分析與報告 | AI 閱讀可取得的評論,為五個固定主題與它偵測到的其他主題評分,並回傳優勢、流失點(指出誰在這方面贏過你)、代表性的語句,以及包含檢核清單的 3 至 5 項行動計畫 | Token,事先確認 |
| 分享報告 | 已產生報告的文字摘要與 PDF | 免費 |
關於分析的費用,以下是實測而非估算的數據:以 7 個商家檔案的群組來說,應用程式在執行前公告的預算為 4,000 Token(刻意保守的上限),而在我們以相同規模的測試中,實際消耗為 424 Token(2026年9月28日),示範報告中則為 374 Token(2026年10月10日)。這會隨引擎與需要閱讀的評論數而變動。若分析失敗,則不收費。
至於它 不 做什麼,我們直接說清楚,免得有人感到意外:
- 不會向你的顧客徵求評論。 不寄電子郵件、不發簡訊、也沒有活動 QR 碼。沒有任何徵求功能。
- 不會回覆評論,也不會在你的商家檔案上發布任何內容。 它不會連接你的 Google 商家檔案:只透過官方 API 讀取公開資料。
- 不會衡量你在 Google 地圖搜尋結果中的排名。 當應用程式說「名次」時,指的是你在你所組成的群組中依評分排的名次,而不是有人搜尋時你出現在哪裡。它不是排名追蹤工具,也不是地理格點工具。
- 不做網頁抓取,因此繼承了對他人商家檔案最多五則評論的限制。
- 不會自動拍快照,也不會寄出電子郵件提醒。「你的快照已經過舊」的提醒在應用程式內;按鈕由你自己按。
- 只處理單一商家。 它不是多門市或連鎖店的工具。
- 不保證結果,也不會自行提高你的評分。它負責量測、比較,並告訴你該看哪裡;真正改變評分的,是你在櫃台所做的事。
毀掉競爭對手追蹤的五個錯誤
代價最高的失誤不是選錯工具,而是用一個不斷變動的群組、不規則的間隔,或與並非你競爭對手的商家來做比較。平庸但持續的追蹤,比只做了三次的完美追蹤更有價值。
- 經常更換對手群組。 如果你不依準則就新增、移除商家檔案,序列之間就無法彼此比較。當某位對手歇業或你不再感興趣時,暫停它可以保留已量測的資料;刪除它則會破壞歷史。
- 想到才量測。 混雜 2 天與 40 天的間隔,會算出毫無意義的節奏。永遠在每週的同一天。
- 只看評分。 評分是存在的指標中最慢的一個。評論節奏與 30 天的變動,會提前幾週發出警示。
- 與整座城市比較。 如果你納入了顧客不會去的商家,你的「社區」就不復存在,平均也就說明不了任何事。
- 試圖修補評分,而不是原因。 在不處理 1 顆星評論成因的情況下追逐 5 顆星評論,是又慢又貴的路;此外,Google 地圖的禁止內容政策(2026 年 10 月查閱)明文禁止虛假與有獎勵的評論,而依顧客看起來有多滿意來挑選要向誰徵求評論,同樣違反其規範。
常見問題
對本地商家來說,Google 評分多少算好?
沒有通用的數字。重要的是你的評分在你的類別與半徑中的位置:4.4 可能是你這條街上第二好的成績,也可能是最後一名。正確的回答方式,是將你的商家檔案與 8 至 10 家附近同類別的競爭對手排在一起,同時看評分與評論數。
我要怎麼看到競爭對手的評論?
任何商家檔案的評論都是公開的,可在 Google 地圖上閱讀。如果你想用遵守 Google 條款的工具來有系統地分析,官方 Places API 限制每個商家檔案只能取得五則評論。這個樣本可以看出大家談論什麼;但無法算出百分比。
能知道一家商家六個月前有多少則評論嗎?
不行,除非當時有人記下來。Google 不公布任何商家檔案的評分或數量的歷史資料。因此歷史資料是從你進行第一次量測的那天開始,也因此你越早開始,就越早有曲線。
要從 4.4 提高到 4.5,需要多少則 5 顆星評論?
取決於你現有多少則。有 100 則評論時大約需要 10 則;500 則需要約 46 則;800 則需要約 73 則。算法是要求平均值超過 4.45,這正是 Google 改變所顯示四捨五入結果的那個點。
我多久需要更新一次資料?
每週一次是訊號雜訊比最佳的頻率;每兩週一次也可以。每天做沒有任何價值,因為連續兩天之間,幾乎沒有任何商家檔案會有變化。
應該監看多少位競爭對手?
8 到 10 位。少於五位時,你所在區域的平均會被任何一個特例左右;超過十位時,比較會被稀釋,並混入並非真正與你競爭的商家。
如果我剛開幕、幾乎沒有評論,這還有用嗎?
用於比較與節奏是有用的,從第一天起就能運作。對你自己評論內容的分析,在你累積到合理的數量之前,材料會很少;在此期間,有用的是看你所在區域的商家累積的速度,以及你與他們的差距。
監看競爭對手的評論與評分合法嗎?
透過官方 API 查詢 Google 商家檔案的公開資料,是平台本身預期的使用方式。真正有限制的是你能儲存什麼:Google 的條款允許保留商家檔案的識別碼,但不能保留其內容,因此 aiCompetitor 儲存的是自己的指標與分析,而不是評論文字。這只是對應用程式運作方式的說明,不是法律建議。
aiCompetitor 會提升我在 Google 地圖上的排名嗎?
不會,也不該有任何人向你承諾這件事。aiCompetitor 不做排名優化,也不動你的商家檔案:它衡量、與你的區域比較,並指出在哪些主題上他們贏過你、哪些主題上你贏過他們。能改變評分,以及長期而言別人如何談論你的,是你在事業中所做的改變。
如果我換了店面或事業,會怎樣?
歷史資料綁定在你建立它時所用的 Google 商家檔案。如果你在應用程式內換了事業,已量測的資料不會被刪除,但新的序列會以新的商家檔案從零開始:它們對 Google 而言是兩個不同的商家檔案,無法串接。
不必自己做試算表,就能完成這件事
以上所有內容都可以手動進行,只要你有紀律去做,它就有效。如果沒有,aiCompetitor 這個 AIsToHire 的應用程式正是做這件事的:把你的 Google 商家檔案與你社區最多十位競爭對手並排,每次你按下按鈕(免費)就儲存一張帶日期的群組快照,計算排名、評論節奏、變動與名次異動,並在你要求時(價格已寫在按鈕上),閱讀可取得的評論,為你提供一份含有優勢、流失點與三到五項行動計畫的報告。網址是 aistohire.com/es/aicompetitor-benchmark-resenas-google-competencia-183。
今天就開始吧,哪怕只有一個算術上的理由:你這週沒有開始的圖表,就是你永遠無法找回的歷史。
五分鐘組成你的對手群組,今天就為你的街區拍下第一張快照:從此開始,你就有了 Google 不保存的歷史資料。在 aiCompetitor 更新資料是免費的,AI 分析的費用寫在按鈕上,花費任何東西之前都會先確認。
五分鐘組成你的對手群組,今天就為你的街區拍下第一張快照:從此開始,你就有了 Google 不保存的歷史資料。在 aiCompetitor 更新資料是免費的,AI 分析的費用寫在按鈕上,花費任何東西之前都會先確認。


