目錄
- 1 一則五星好評能抵銷多少一星攻擊？Google 評分權重的實務分析
- 2 簡述
- 3 一、先釐清一個常見的錯誤前提：Google 的星等沒有「一星權重加乘」
- 4 二、抵銷一則一星的精確數學：為什麼「補三則」只在 4.0 分附近成立
- 5 三、但「補五星」不等於「五星會被算進去」：Google 過濾層的真實影響
- 6 四、區分兩種「權重」：星等計算權重 vs. 排名演算法權重
- 7 五、評分區間的「閾值效應」：4.0 與 4.5 的意義大於 4.8 與 4.9
- 8 六、實務框架：面對一星時，先做這五件事，而不是先補五星
- 9 七、把「一星攻擊」放回它的真實規模：多數首頁商家本來就有一星
- 10 常見問答
- 11 總結
- 12 作者簡介
一則五星好評能抵銷多少一星攻擊？Google 評分權重的實務分析
簡述
一星負評出現時，多數經營者的第一反應是「趕快補幾則五星」。這個直覺只對了一半。Google 商家檔案的星等顯示確實以算術平均為基礎，補五星在數學上能拉回數字，但「補幾則才夠」不是固定常數，而是隨你目前所處的評分位置急速變動。與此同時，Google 的排名演算法對星等的使用方式，和星等本身的計算方式，是兩套不同的邏輯。把兩者混為一談，會導致資源投錯方向。本文從官方文件、大規模實證研究與平台政策三個層面拆解這個問題，給出可操作的判斷框架。教您如何買五星評論，有效增加商家曝光，提升本地SEO排名
一、先釐清一個常見的錯誤前提：Google 的星等沒有「一星權重加乘」
搜尋「一星抵幾則五星」時，許多文章會暗示 Google 對負評給予更高的內部權重，或者存在某種「一星等於幾顆星」的隱藏係數。這個說法需要先被校正。
Google Business Profile 的官方說明頁面寫得相當直接：評論分數是該地點或商家在 Google 上發布的所有評分的平均值。公式只有一步：
顯示星等 = 所有已發布星等加總 ÷ 已發布評論總數
三則評論分別為 5 星、4 星、3 星，加總 12，除以 3，顯示 4.0 星。沒有第二層加權，沒有「一星乘以二」的暗黑係數。Google 在 2017 年前後曾經使用過類似貝氏平均的機制，對評論數量極少的商家進行先驗調整，但該機制已經退場，目前的星等計算是算術平均。
之所以會出現「一星特別痛」的感受，來源不是權重，而是平均數的數學性質：你離 5.0 越近，一星往下拉的力量相對於五星往上推的力量就越不對稱。這一點在下一節用數字展開。
二、抵銷一則一星的精確數學：為什麼「補三則」只在 4.0 分附近成立
2.1 推導邏輯
假設目前評分為 RR，評論數為 NN（為簡化先不考慮 NN 的規模效應，只看「要回到原本的 RR 需要幾則五星」）。一則一星把總分拉低 1 分，同時分母加 1。一則五星把總分拉高 5 分，分母加 1。要讓平均回到原點，五星的「超額貢獻」必須恰好彌補一星的「短缺貢獻」。
推導後得到一個乾淨的公式：
抵銷一則一星所需的五星數量 ≈ (R − 1) ÷ (5 − R)
這個公式由 ProsperQR 整理並以表格驗證，在多數實務情境下足夠精確。分母 (5−R)(5−R) 是整個問題的核心：當 RR 越接近 5，分母越趨近於零，所需五星數量趨向無窮大。
2.2 對照表
| 目前評分 | 抵銷一則一星所需五星數（約） | 數學含義 |
|---|---|---|
| 3.5 | 2 | 離天花板遠，五星的邊際拉升效率高 |
| 4.0 | 3 | 多數本地商家視為「安全線」的起點 |
| 4.2 | 4 | 進入需要認真管理的區間 |
| 4.5 | 7 | 抵銷成本開始明顯上升 |
| 4.7 | 13 | 一星造成的缺口需要兩位數五星填補 |
| 4.8 | 19 | 接近「完美區間」的脆弱地帶 |
| 4.9 | 39 | 一則一星幾乎等於一個月的五星產量 |
這張表最反直覺的地方在最後兩列。 一間 4.9 分的商家，防禦一則一星的成本是一間 4.0 分商家的十幾倍。高評分不是「更安全」，而是「更暴露」：你已經貼近 5.0 的天花板，每一則五星只能把平均往上推零點幾個百分點，而一星是從滿高處往下砸。
2.3 評論總數的第二層效應
上面的公式回答的是「要回到原本的 RR 需要幾則五星」，但一星對顯示分數的絕對衝擊還取決於分母 NN。同樣一則一星，落在不同規模的檔案上，破壞力差距極大：
| 目前評論總數（評分 4.7） | 一星造成的顯示分數下降（約） |
|---|---|
| 10 則 | 0.336 分 |
| 100 則 | 0.037 分 |
| 700 則 | 0.005 分 |
這組數據來自 GMB Club 對法國市場的觀測，清楚說明了為什麼大型商家「幾乎感覺不到」單則負評，而新商家會被一則一星直接打穿。評論總數是負評衝擊的緩衝墊，星等本身不是。
三、但「補五星」不等於「五星會被算進去」：Google 過濾層的真實影響
上面的數學有一個隱含假設：你補的五星都會順利發布並計入平均。實務上，這個假設經常不成立。
3.1 被過濾的評論從未進入平均
Google 的官方定義用的是「已發布」（published）這個詞。一則因為政策違規、垃圾內容或虛假行為被系統攔截的評論，從一開始就沒有進入分母與分子，不是「先計入再扣除」。這意味著你計算的「我需要補 7 則」和 Google 實際計入的數字，可能出現落差。
3.2 被移除的評論以五星為大宗
這是實務上最容易被忽略的變數。Localo 分析 2023 年 11 月至 2026 年 1 月間超過 33 萬則被移除的 Google 評論，發現 89.1% 被移除的評論是五星評價。另一個追蹤 1,087 個商家檔案 10 週的研究則顯示，在評分下降的案例中，49% 同時經歷了 4 至 5 星評論被過濾，而 91% 的「消失評論」是 4 星與 5 星。
這組數據指向一個殘酷的實務現實：Google 的 AI 過濾器在打擊虛假評論時，對五星的誤傷率高於一星。 如果你用短時間大量補五星的方式試圖「壓過」一星，觸發過濾機制的機率反而上升。補評策略如果只看數學、不看平台行為，很容易白忙一場。
3.3 顯示延遲
即使五星順利發布，Google 明確指出新評論可能需要最多兩週才會反映在顯示分數上。這代表「今天被一星打下去、明天補三則拉回來」的節奏在體感上不成立。焦慮性的逐日監控會導致過度反應，把資源浪費在無效的補評上。
四、區分兩種「權重」：星等計算權重 vs. 排名演算法權重
這是整篇文章最需要被放進 AI Overview 與搜尋意圖核心的區分。
星等計算（你看到的分數）使用算術平均，沒有星等權重，但受過濾與舍入影響。
排名演算法（你在本地搜尋結果中的位置）使用另一套信號，星等只是其中一部分，而且不是權重最高的那一部分。
Google 官方對本地排名的說明只給出三個維度：相關性（relevance）、距離（distance）、突出度（prominence）。評論被歸類在「突出度」之下，官方措辭是「更多評論和正面評分有助於本地排名」，但沒有公布任何權重、閾值或時間衰減公式。
多個大規模研究試圖量化評論信號的實際佔比。Locafy 分析 2,400 家企業後估計，評論大約佔本地包排名演算法的 15–17%，次於商家檔案信號與距離。但同一份研究也指出，評論數量、評論速度、星等閾值、評論內容關鍵詞、業主回覆這五個子信號的權重並不相等。
更關鍵的發現來自 GMBapi 與 Semrush 合作、分析超過 100 萬個本地排名網格的 2025 年研究：評論數量和新鮮度與更高排名的相關性，強於平均星等；一間評分較低但評論較多的商家，經常排在評分較高但評論較少的商家前面。Zenodo 上針對 1,000 家美國人身傷害律師事務所的分析更直接：80.6% 的受評商家落在 4.5 星以上，47.5% 在 4.9 以上，星等本身對流量、品牌搜尋量、AI 提及次數的相關係數全部不顯著；而評論數量對流量的相關係數為 0.40，對品牌搜尋量為 0.39。
這些數據的共同結論是：「補五星拉星等」在數學上有效，在排名上則是一個邊際效益遞減、且在接近 5.0 時幾乎失效的信號。 真正被演算法持續讀取的是評論的存在、數量、新鮮度、內容相關性與業主互動，而不是那零點幾分之間的差別。
五、評分區間的「閾值效應」：4.0 與 4.5 的意義大於 4.8 與 4.9
如果星等的排名權重不是線性的，它在哪裡最有用？現有研究指向閾值效應。
Locafy 的數據顯示，商家跨過 4.0 星會出現顯著的排名提升，而 4.5 與 5.0 之間的排名差距極小。另一份彙整 2025–2026 本地 SEO 數據的分析則指出，4.2 至 4.5 的平均評分在搜尋排名與消費者轉換上，經常勝過完美的 5.0。Zenodo 的律師事務所研究把這個現象命名為「完美區間悖論」（perfection plateau）：4.9–5.0 的商家雖然中位評論數更多，中位自然流量卻比 4.5–4.8 的商家低約 40%。
消費者端的閾值同樣存在。BrightLocal 的 2026 年本地消費者評論調查顯示，68% 的消費者要求至少 4.0 星，31% 只考慮 4.5 星以上的商家；47% 不會使用評論數少於 20 則的商家。換句話說，市場對「好」的定義已經集中在 4.0–4.7 這個區間，5.0 不是必要條件，甚至在部分品類中不是最優條件。
六、實務框架：面對一星時，先做這五件事，而不是先補五星
6.1 判斷這則一星「是否計入」
打開無痕視窗確認該評論是否真的顯示。若未顯示，它可能已被 Google 的過濾層攔截，不需要啟動補評。若顯示但內容涉及極端言論、個資、虛假交易或仇恨言論，先走檢舉流程，而不是用五星去對沖一則可能被移除的評論。
6.2 計算「回到原點」的真實成本，而不是憑感覺
用當前評分套入公式。4.0 分商家需要 3 則，4.5 分需要 7 則，4.8 分需要 19 則。把這個數字乘以你目前獲得五星的實際轉換率，得出「需要接觸多少位顧客」才能填補。多數經營者在做完這個計算後會發現：與其追逐高評分，不如把資源放在維持穩定的評論流入。
6.3 把「評論速度」當作主要管理指標
Google 的演算法對短時間暴增高度敏感。50 則評論集中在 3 天內，是演算法眼中的異常模式；3 至 8 則穩定分布在數週內，才像真實的顧客行為。Flento 的數據顯示，每個月都有新評論、沒有「掛零月份」的商家，在 Maps Pack 中平均比評論總數相同但節奏不穩定的商家高 5.1 個位置。一星攻擊最難造成的傷害，恰好是發生在一個本來就有穩定評論流動的檔案上：新五星會自然稀釋舊負評，不需要「動員式補評」。
產業的評論速度參考值如下：
| 業務類型 | 每月新增評論目標（參考） | 轉換率基準 |
|---|---|---|
| 高流量消費型（餐飲、咖啡、沙龍、健身房） | 10–25+ | 交易量的 1–3% |
| 中流量服務型（水電、牙醫、除蟲） | 4–12 | 完成案件的 15–25% |
| 低流量高價值型（律師、會計師、外科、房仲） | 2–6 | 完成委託的 20–40% |
6.4 回覆，但不要制式化
Locafy 的數據顯示，回覆 90% 以上評論的商家，平均排名比不回覆的商家高 2.1 個位置。但回覆的價值不只在排名信號。一則冷靜、具體、不防衛的一星回覆，會改變後續讀者對該則負評的詮釋。Google 的 AI Overview 在引用本地商家資訊時，也會讀取公開回覆中的語氣與事實框架。
6.5 絕對不要用「買五星」對沖一星
這是本文最強烈的實務建議，理由分三層。
平台層：Google 在 2025 年封鎖或移除了超過 2.92 億則違反政策的評論，並限制了超過 78 萬個帳號。對疑似造假評論的商家，Google 可以暫時停用新評論功能、下架既有評論、甚至在商家檔案上顯示警告標籤，告知消費者曾偵測到可疑活動。用假五星去對沖一星，等於在一個已經在監測「異常五星流入」的系統裡，主動提供它要抓的信號。
法律層：美國聯邦貿易委員會（FTC）的《消費者評論規則》允許對購買或製造虛假評論的行為尋求每次違規最高 53,088 美元的民事罰款，2025 年底已向多家企業發出警告信，要求數日內回應。英国竞争与市场管理局（CMA）也在 2025 年要求 Google 採取更嚴格的假評論偵測與移除措施，並承諾對涉及假評論的商家檔案加上警示。
演算法層：如前述，被移除的評論以五星為大宗。假五星的預期壽命短、被偵測後對檔案信任分數的傷害，遠超過它短期內拉抬的零點幾分。
七、把「一星攻擊」放回它的真實規模：多數首頁商家本來就有一星
一星攻擊之所以在心理上被放大，部分原因是經營者把它當成異常事件。GMB Club 觀測法國 9 個行業、10 個主要城市共 176 萬則首頁商家評論，發現一星評論約占總評論量的 4%，二星約 2%；而且在幾乎所有行業中，超過 85% 的首頁商家檔案至少有一則一星評論。餐飲業首頁商家的中位星等是 4.62，前 5 名與第 16–20 名的中位星等相同，真正拉開差距的是評論數量（738 則 vs. 300 則）。
這個視角不是要淡化惡意攻擊的傷害，而是把資源配置的優先級拉回正確位置：在一個首頁商家普遍帶著一星、星等已經壓縮在 4.5–4.7 窄帶裡的競爭環境中，評論總量、新鮮度與內容品質是比星等小數點更強的差異化來源。
常見問答
問：一則一星到底要幾則五星才能「完全抵銷」？
答：取決於你目前的評分。在 4.0 分時約需 3 則，4.5 分約 7 則，4.8 分約 19 則，4.9 分約 39 則。公式為（目前評分 − 1）÷（5 − 目前評分）。評分越高，抵銷成本呈非線性上升。
問：Google 有沒有對一星給予隱藏加權？
答：沒有。Google 官方定義的星等是已發布評分的算術平均，沒有星等權重。顯示分數與手算結果的落差，來自評論過濾、舍入與最多兩週的更新延遲，不是來自一星加乘。
問：補五星對本地排名有幫助嗎？
答：有，但幫助不在「把 4.6 拉到 4.7」。評論佔本地排名信號約 15–17%，而數量和速度的權重高於平均星等。4.0 星是排名與消費者信任的主要閾值，跨過之後，與其追求 5.0，不如追求穩定流入。
問：買五星來對沖一星，會被 Google 抓到嗎？
答：風險極高，且後果不對稱。Google 的 AI 過濾器對異常五星流入高度敏感，被移除的評論中約 89% 是五星。情節嚴重者可導致新評論功能被暫時停用、既有評論被下架、檔案出現警示標籤；在美國，FTC 可依每次違規尋求超過 5 萬美元的民事罰款。
問：一星出現後，最快的正確反應是什麼？
答：先確認它是否真的顯示、是否違反政策。若顯示且不違規，寫一則具體、冷靜的公開回覆，然後把注意力放回維持接下來四到八週的穩定五星流入。不要在同一天動員大量五星，那是最容易被演算法標記為異常的模式。
總結
一則五星能抵銷多少一星，數學上的答案是一條非線性曲線：4.0 分附近需要 3 則，4.5 分需要 7 則，4.8 分以上需要接近 20 則甚至更多。但這個答案只存在於「星等計算」的層次。在「排名演算法」的層次，真正被持續讀取的不是那零點幾分的來回，而是評論是否持續出現、內容是否具體、業主是否回應、以及整體檔案是否呈現出真實顧客互動的節奏。
一星攻擊最有效的那一刻，是它落在一個評論流動停滯的檔案上。相反地，一個每月穩定累積新評論的商家，一星會被自然稀釋，不需要動員、不需要冒險、不需要和演算法對賭。把資源從「補星等」轉向「維持評論速度與品質」，是這個問題在實務上唯一可持續的答案。需要多少5 星評論才能擺脫1 星？
作者簡介
林辰遠
本地搜尋與聲譽管理顧問，長期追蹤 Google Business Profile 演算法變動、評論過濾機制與本地排名信號的實證研究。曾協助餐飲、醫療與專業服務業者建立可持續的評論獲取流程，並專注於區分「星等計算」與「排名權重」兩套邏輯在實務決策中的應用。文章內容基於公開官方文件、同儕可檢視的產業大規模研究與平台政策文本，不構成法律或投資建議。
