近期迪士尼在吵吵鬧鬧將近一年後終於上映的真人版《白雪公主》（Snow White 2025），在 IMDb 上的評分跌至 1.5 分，用最快的速度一躍成為歷史最爛片。那麼是否有可能繼續下探 1.4 甚至 1.3 分呢？
不曉得你有沒有感覺疑惑，這個1.5分是怎麼計算出來的呢？又為什麼大家都給 1 分的話，為何最終評分不是 1.0？ 本文將透過實際數據計算，解析 IMDb 是如何得出這個分數的。
IMDb 評分機制
- IMDb 會用到基本的加權平均（Weighted Average） 計算評分，而非單純的算術平均值。這表示 IMDb 可能會降低新帳號或異常行為帳號的影響。
- 極端評分可能被 IMDb 進行調整（如大量相同IP來源給予的 1 分或 10 分的評價可能會被過濾或降權）。
- 算術平均仍是計算評分的基礎，但可能會根據不同權重進行修正。
目前已知數據
截至目前（根據114年3月30日的 IMDb 評分分布），《白雪公主》（Snow White）的評分如下圖所示：
- 1 分（91.2%）：228K 人
- 10 分（2.5%）：6.3K 人
- 其餘 6.3% 的用戶給了 2～9 分，每個分數約 佔 0.5% 左右，總人數約 15.7K 人
根據這些數據，我們可以進行 IMDb 分數的估算。
IMDb 評分計算（基於算術平均）
假設 IMDb 只是單純採用算術平均（未考慮額外的加權影響），那總評分的計算方式如下：
- 依據權重計算各組的評分總和：
- 228,000 人給 1 分，總分 = 228,000 × 1 = 228,000
- 300 人給 10 分，總分 = 6,300 × 10 = 63,000
- 15,700 人給 5 分，總分 = 15,700 × 5 = 78,500
- 總評分總和：228,000 + 63,000 + 78,500 = 369,500
- 除以總投票人數 250,000：369,500 ÷ 250,000 = 1.478
這與 IMDb 顯示的 1.5 分 非常接近！
為什麼評分不是 1.0？
許多人可能會想：「如果 91.2% 的人給了 1 分，為何最終不是 1.0？」
這是因為 IMDb 計算的是所有評分的加權平均，而不是「最多人選擇的分數」。只要有少數人給了高分，這些高分就會在數學計算上影響最終結果。
在這個案例中，影響最大的就是：
- 6.3K 人給了 10 分，這對總體評分產生了拉高作用。
- 15.7K 人給了 2～9 分，這部分評價進一步提升了平均分數。
- 算術平均計算結果為 1.478，IMDb 可能四捨五入為 1.5。
IMDb 是否有額外的加權機制？
雖然我們的計算結果與 IMDb 顯示的 1.5 分相近，但 IMDb 可能還有以下機制影響評分：
- 過濾極端評分：IMDb 可能會降低大量 1 分或 10 分的權重，以避免惡意刷分影響結果。
- 權重調整：老用戶或活躍用戶的評分可能比新用戶的影響力更大。
- 防刷機制：IMDb 可能會偵測異常評分趨勢（如短時間內大量 1 分或 10 分），並調整最終結果。
但即使不考慮這些加權機制，單純的算術平均也已經能夠解釋 IMDb 為何顯示 1.5 分。
如何讓電影評分跌至 1.4？
目前總評分 1.5，主要是因為雖然 260,000 人投 1 分（佔 91.4%），但仍有 7,400 人投 10 分，加上其他評分（平均約 5 分），拉高了總平均。
若要讓評分降至 1.4，要假設需要額外 X 人投 1 分，則新的總評分計算方式為：
- 總評分總和變為 369,500 + X
- 總投票人數變為 250,000 + X
- 目標平均分數為 1.4，因此計算公式為：(369,500 + X) ÷ (250,000 + X) = 1.4
- 交叉相乘：369,500 + X = 1.4 × (250,000 + X)
- 展開計算：369,500 + X = 350,000 + 1.4X
- 移項整理：369,500 – 350,000 = 1.4X – X
- 計算整理：19,500 = 0.4X
- 求出 X 值：X = 19,500 ÷ 0.4 = 48,750
因此得到結論為需要再增加 48,750 人投 1 分，才可以進一步壓低平均分數到 1.4 分。
結論
IMDb 1.5 分的計算方式主要來自加權平均，並非單純的多數決。91.2% 的 1 分評價雖然佔壓倒性多數，但 6.3K 人的 10 分評價 + 15.7K 人的 2～9 分評價，拉高了平均分數，使其落在 1.478，四捨五入後為 1.5 分。IMDb 可能有額外的加權調整，但即使使用基本算術平均，仍能合理解釋 1.5 分的計算結果。
因此，IMDb 的評分並非「系統作假」或「無視大多數人評價」，而是基於所有評價加總後的數學結果。
發佈留言