用户在应用市场的评分评论对于关键词排名、榜单排名等都有很大影响，并且是用户评判一个产品的主要参考依据，因此提升评分、增加好评是ASO过程中非常重要的环节。那我们该如何通过产品策划的力量，让用户主动为产品献出五星好评呢?
一、用户的范围——Who
首先，我们要对用户进行过滤。站在用户的角度，首先一定是要有所体验，才会对产品有自己的判断，在这个基础上我们才可以去进行引导。
因此，我们要定义好评引导的覆盖人群，比如我提供一个思路：
用户愿意留存下来多次使用，那大概率上他对我们的产品会比较认可，故我们设定：t天内登录过n次的用户才会触发好评引导，如此一来通过这个条件我们可以基本过滤掉不活跃的和新用户。
二、合适的场景——Where&When
在设定了用户范围之后，在什么场景出现引导很大程度上决定了最终的引导效果。
场景分为“场”和“景”——也就是我们在什么位置、什么情景下引导？
1. 引导位置
对于位置，业界广泛采用的都是屏幕中央的弹窗，也有案例是插入feed流内（如下图）。
经过评估发现：feed流内嵌入的方式虽然降低了打扰，但较难控制出现时机且需要用户主动触发，而弹窗虽然粗暴但若安排合适效果是最好的，故还是推荐采用弹窗的形式。
2. 引导情景
至于情景，首先我们的目的是让用户打好评，所以要在用户最爽的时刻进行引导。于是，我们可以挖掘出所有用户可能会感到爽的情景，比如：Tinder会在你配对成功的欣喜瞬间弹出引导（我当时正沉浸于第一一次配对成功的惊喜中，于是很自然地给了个好评）。
这里在不同的产品形态下会有不同的情况，我举几个较为通用的例子：
- 用户进行分享（分享是衡量内容质量和用户活跃的重要指标，用户愿意分享往往说明满意）；
- 用户得到奖励（例如等级提升、获得礼物等，同样是一个情绪上的爽点）；
- 用户主动多次发布内容（侧面说明用户对社区氛围和产品本身认可）。
在情景的基础上，具体的引导时机也需要注意。由于引导是强有力的阻断弹窗，所以我们不能使用户的正常操作受到影响，也就是不能阻断用户的操作链路，而是需要见缝插针。
比如分享的链路是：点击分享——选择分享渠道——跳转到相应页面——进行分享（有可能在这里就结束了，用户不再回到App内）——回到App。如果用户分享后回到了App，那就已经经历了一个完整的链路，这时候我们给他弹窗既不会阻断任何操作，又比较自然。
这里举一个bad case：
下厨房在点击进入App时，就会立即出现好评引导弹窗。用户点开菜谱App，通常是需要做菜却不知道怎么做。首先这个情景下用户的时间是很宝贵的，其次一进入App就弹出好评引导非常生硬，用户完全没有理由去给你好评。
我提供一个场景建议：用户根据菜谱学做了一道菜，酒足饭饱后躺在沙发上把美美的作品图片上传到菜谱的分享区，这个时候用户是满足的且有了分享的欲望，此时出现引导更容易获得用户认可。
三、引导的设计——What
虽然我们已经确定了引导的面向人群、出现场景，但在引导的设计上还有一些功夫可以做。
这里的设计包括两点：引导形式、文案和设计。
1. 引导形式
在引导形式上，是直接询问用户是否愿意给好评呢，还是同时提供吐槽的机会？
毕竟虽然精心设计了触发时机，但无法保证所有用户都是满意的。
这里还可以耍一点小心机，先内置一个打分系统，在用户打出低星时，表达歉意并给出反馈入口，在打高分时再请用户前往应用市场给好评，讲差评消灭在App内部。
比如：之前我们的产品评分已达到4.5分，所以我们需要更多的5星好评才能继续提升评分，所以我鸡贼地设定为当用户给出5星时，才会给跳转应用市场的提示及入口。
2. 文案和设计
文案和设计也会影响到用户感知和最终效果。
文案可以正经，也可以是卖萌或是祈求，如果是海外产品还要考虑不同的语言习惯（比如：东南亚用户会喜欢emoji表情），这里需要结合实际用户群体定制。在设计上，需要和设计师配合。
比如下图，是用emoji表情代替了评星，活泼生动的画面让人耳目一新。
四、频控策略
这里再次点名批评下厨房，我至少拒绝过五次评分邀请，但每次打开他还是孜孜不倦地弹出弹窗请我评分。作为一个用户，我对如此粗暴无理的做法非常厌恶，而对于产品而言如此操作非但没有达到目的还极大影响了用户体验。
所以，在完成所有设计之后，我们需要对好拼引导加上频控。对于已经给出好评或反馈意见的用户，我们已经达到了我们的目的，用户也配合了我们，自然不应该再次打扰。
而对于不愿意给出意见的用户，我们也要充分尊重用户的意愿，具体做法可以是加上一个“不再弹出”的选项。也可以是在用户拒绝或关闭后，在同一个版本内或一段时间内不再出现引导，待产品体验有很大提升后再找机会请求用户。
原本好拼引导就是我们请求用户完成的行为，需要用户的帮助和配合，千万不能因为这个引导反而伤害了用户感情。
五、其他注意点 1. 自然引导
有少数产品会给出一些奖励来吸引用户给好评。
首先，不建议用这种方式促进好评的，一个是因为我们无法获取到用户真实的评价情况用于判断；另外我认为好拼引导应该是一个自然的行为，只是我们在合适的时机去引导用户促成行为。
其次，如果是出海产品来说，Google Play有严格的明文规定，不允许强制、利诱用户给好评，所以这里存在违规风险。
2. 数据统计
在设计完整个好评引导策略后，我们最好将数据埋点做得更细致些，具体到每个触发条件下。
如此一来，我们可以很方便地看到：不同条件下的引导效果并进行后续调整，比如某条件下的引导效果非常好，我们可以尝试放宽限制以获取更多好评。若某条件下的引导转化效果很差，那我们需要衡量在这个条件下是对用户的打扰更多，是否需要保留。
最后附上本文的Mindmap作为结束：
本文由 @dearxy 原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于CC0协议
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
