ガチスコ算出アルゴリズム（技術詳細）

0. 設計方針

ガチスコは、Googleマップのクチコミ評価から信頼できないものの影響を打ち消し、 実力に近い評価へ組み直した独自スコアです。設計上の前提は次の3点です。

• Googleが表示する星別ヒストグラムのうち、水増しが乗る★4・★5はそのまま使わない（★1〜3は実数として使います）。
• 正当な良店のスコアは下げず、水増しされた店だけを実力位置まで沈める。
• 全店舗を同一アルゴリズムで自動算出し、人手の調整・重み付けは一切加えない。

1. レビュー1件ごとの採用判定（非対称フィルタ）

各レビューが「スコアの根拠に使えるか」を、次の規則で判定します。 ★1〜3の低評価だけ本文要件を免除する非対称ルールが要点です。

• ①除外：投稿者が本文つきで書いたクチコミの件数が2件以下のアカウントは、内容によらず常に除外します。
• ②低評価は無条件採用：★1〜3であれば、本文が空でもそのまま採用します。
• ③高評価は本文必須：★4〜5は、定型の付随句を除いた実質10文字以上の本文があり、 かつ返信・定型文パターンに該当しない場合のみ採用します。本文が空または「テキストなし」の場合は除外します。

なぜ非対称か：無言の★1〜3（黙って付けた低評価）まで切り捨てると、 ネガティブな声が過小評価され、スコアが実態より高く出ます。 水増しは高評価側で起きるため、本文要件は★4〜5にのみ課します。 ここで数えるのは、Googleがクチコミカードに表示する「◯件のクチコミ」＝そのアカウントが本文つきで投稿した件数です。星だけ付けた評価は 「◯件の評価」という別の数字に入り、カードには描画されないため参照できません。 量産アカウントはこの件数が極端に少ない傾向があります。

2. 層化推定によるスコア算出

通過したレビューを単純平均するのではなく、星ごとの実数と通過率を分けて推定し、 掛け合わせてから平均します。中心となる式は次のとおりです。

星1つあたり「実数 × 通過率」を重みにして、星の値（1〜5）の加重平均を取ります。

ガチスコ ＝ (★1×n₁×t₁ ＋ ★2×n₂×t₂ ＋ … ＋ ★5×n₅×t₅) ÷ (n₁×t₁ ＋ n₂×t₂ ＋ … ＋ n₅×t₅)

n_k は各星の「実数」（推定を含む）、t_k は各星のフィルタ通過率（0〜1）です。

2-1. 通過率 t_k の実測

DBに保有するその店舗のレビューを星ごとに束ね、各バケットでセクション1の採用判定を通る割合を実測します。

通過率 t_k ＝（星kのうち採用判定を通った件数）÷（星kの全件数）

水増し打ち消しの核：水増し店は★5の実数 n₅ が膨らみますが、 同じ★5バケットに低品質な投稿が混ざるぶん通過率 t₅ が比例して下がります。 積 n₅·t₅ が真の信頼件数へ戻るため、 水増し分が自動的に打ち消されます。正当な高評価が多い店は t₅ が高いままなので沈みません。

2-2. 星別実数 n_k の求め方

• n₁・n₂・n₃（低評価）＝Googleの星別件数：Googleが公開している 星別の内訳から、★1・★2・★3の件数をそのまま実数として使います。 水増しは高評価側で起きるため、低評価側の内訳は素直に信用できます。
• n₄・n₅（高評価）＝「残り」を実測比で分ける： 高評価の総数（残り）を先に確定させ、その内訳だけを直近200件のフィルタ後の比で決めます。Googleの星別内訳の★4・★5は使いません （水増しが乗るのはここだからです）。

まず高評価の総数を、Googleの総クチコミ数から★1〜3の実数を引いて求めます。

高評価の総数（残り） ＝ 総クチコミ数 −（n₁＋n₂＋n₃）

次に、直近200件のうち★4・★5だったものを数え（c₄・c₅）、その比で残りを配分します。

n₄ ＝ 残り × c₄ ÷ (c₄＋c₅) 　／　 n₅ ＝ 残り × c₅ ÷ (c₄＋c₅)

★4・★5の通過率も同じ窓から取り、t₄ ＝ p₄÷c₄・t₅ ＝ p₅÷c₅ とします （p は各星のうち採用判定を通った件数）。こうすると n₄·t₄ : n₅·t₅ が窓の実測比と一致します。

窓に決めさせるのは内訳の比だけで、大きさ（残り）は総クチコミ数で固定します。そのため星の合計は常に総クチコミ数と一致し、辻褄合わせの切り詰めは発生しません。Googleの表示平均（★4.2 などの平均点）は、算出に一切使いません。

3. パラメータ・境界条件

• アカウント除外閾値：本文つきクチコミが2件以下のアカウントは除外。
• 本文の最小長：付随句を除いた実質10文字未満の★4〜5を除外。
• 層化の適用下限：総クチコミ数が200件以下の店は層化を行わず単純平均へ。全件を取得できておりフィルタが水増しを直接除けるため、推定を挟む必要がないからです。
• 窓の最小サンプル：直近200件のうち★4・★5が合わせて5件未満なら、内訳の比を決められないため単純平均へフォールバック。
• 星別内訳の健全性：Googleの星別件数の合計が総クチコミ数と2件（または2%）を超えてずれる店は、取得時期のズレとみなして層化せず単純平均へ。
• ★1〜3の空バケット：サンプル0の星は低評価併合の通過率、それも無ければ通過率を1.0とみなす。
• N/A判定：分母（Σ n_k×t_k、フィルタ後の推定信頼件数）が10未満ならサンプル不足として「N/A」。評価が低い意味ではありません。

層化に必要な材料（Googleの星別件数・総クチコミ数）が揃わない店舗（新規・少数レビュー等）は、 この層化を行わず、通過したレビューの単純平均をガチスコとします。 この場合レビュー数が少ないほど高めに出やすく、件数が増えるにつれ本来値へ収束します。

4. 全体フロー

1. その店舗のDB保有レビュー全件と、Googleの星別件数・総クチコミ数を取得します。
2. 総クチコミ数が200件以下なら、全件取得済みでフィルタが直接効くため、層化を行わず通過レビューの単純平均を返します。
3. 星ごとの通過率 t_k を実測します。★1〜3の実数 n₁〜n₃ はGoogleの星別件数から取ります。
4. 高評価の総数（残り）＝総クチコミ数 −（n₁＋n₂＋n₃）を求め、直近200件の★4:★5の比で n₄・n₅ に分けます。窓の★4・★5が合わせて5件未満なら単純平均へ切り替えます。
5. 星別実数 n₁〜n₅ と通過率 t₁〜t₅ から、分母（Σ n_k×t_k）と分子（Σ k×n_k×t_k）を計算します。
6. 分母が10未満なら「N/A」（サンプル不足）を返します。それ以外は分子÷分母を小数点2桁で丸めて返します。

この仕組みでも巧妙なステマを完全には見抜けませんが、 水増しの影響を機械的に打ち消す一つの目安として機能します。 各店舗ページでは、素のGoogle評価と並べて採用/除外の内訳も公開しています。