1.明确分析目的2.寻找竞品，选择竞品3.定义分析维度4.竞品数据收集5.分析总结

【解析】豆瓣评分是十分制，但是没有评级分别对准0分和10分，豆瓣的最低评级是对准2分，就导致0分~2分之间出现了空白。讨论这个问题需要考虑三方面的因素。一、数据层面，即精确与否。有人提到了层次分析法，认为10级体系更好，应该有评级分别对准0分和10分。但是豆瓣延续了这一习惯。这的确是把主观看法转化为客观标准的一种通用的做法。但这个做法更适合做中、小范围的，以决策为目的的研究，不太适合作为网站的一项功能提供给普通用户。层次分析法的精髓是比较，受试者要给出针对客体的两两比较的结果，然后利用层次模型对数据进行处理。这在以研究为目的的项目中是很常见的，但是在实际面对大范围的普通用户时会遇到很多问题。此外，也有很多学者针对分值进行研究，发现利用主成分分析法（PCA）/SVD分解，5分值体系可以有效还原9分值体系的内容，在绝大部分情况下可以还原原始数据的90%以上的信息，3分值体系可以还原70%左右。二、人的心理因素。从人的心理层面来讨论，是个有趣的话题。关于评分这件事，很多研究表明，用户的选择往往并不一致，面对越复杂的分值系统越是如此。一方面，用户针对同一条目的前后评分不一致，分值体系越复杂，不一致的情况越严重；另一方面，在进行两两比较时，还会经常出现A>B,B>C,C>A的情况。人不是纯粹理性的个体，因此，虽然理论上越复杂的评分体系越能精确的还原用户的意图，但实际上复杂评分体系带来的副作用往往会更大。三、产品交互。在产品交互层面，要考虑希望这个功能面对怎样的用户。如果是发烧级用户，可能单一的评分维度还不够，比如电影可能要给导演、演员、编剧、摄影、音乐、舞美、道具分别打分才好做评价；图书也经常可以看到原著很好，翻译很烂的评语。要是以此为原则设计评分体系，交互上会比较复杂，相信90%的用户会望而却步。

回答这类问题可以只给出少数几个改进意见，但力求阐述清楚每个建议的优缺点，以及试图从「豆瓣」PM的角度分析当前版本没有这么做的原因：1内容生产1.1增加物质激励功能——赠送观影券  ·当前现状及原因：「豆瓣」的内容激励体系不含会员体系和积分体系；原因猜测可能是因为「豆瓣」的文艺清新调性，使用复杂的会员、积分等物质激励体系会导致部分用户流失  ·改进：“看过”电影超过n部，赠送一张视频门户网站的付费电影vip观影券（爱奇艺、腾讯视频、优酷已有观影券产品，开发成本不大），可免费观看付费类电影，看电影本身也是社区用户的诉求，没有浓重的物质激励色彩1.2对豆列做结构化分类  ·当前现状及原因：当前我的收藏“豆列”中内容全部平行排列展示，进入用户主页后，如果豆列名字没有内容类别的识别度，用户对内容类别无感知，点开的意愿就不强；原因猜测可能是豆瓣社区的内容类别繁多，豆列结构化分类后会导致豆列页面异常复杂，增加了用户的使用成本  ·改进：对豆列内容做结构化分类，便于其他用户在点开豆列前对豆列中内容的组成有认知  ·风险点：可能涉及在线数据库的数据迁移工作，导致系统存在极大可能新增脏数据风险2内容消费2.1分发策略中增加社交分发的权重  ·当前现状及原因：据我观察，各个推荐中，社交分发的权重不高，导致虽然推荐内容信噪比较高，但难以沉淀社交关系；原因猜测是社区品牌调性导致用户对质量差的内容容忍度低，所以分发效率更重要  ·改进：算法分发时增加社交分发的权重，同时在推荐流中对已关注的人的内容做特殊的UI处理，引导强化社交关系  ·风险点：影响沉淀社交关系（使用社交分发）和提高分发效率（使用算法分发）之间的平衡2.2首页推荐中引入书影音的优秀评价内容  ·当前现状及原因：首页的动态推荐中只有用户日记和话题，没有高质量的书影音评价内容；原因猜测是平台同时都需要记录心情、故事和展现品味、逼格的内容来引发用户共鸣和深化社交关系，推荐融合后，由于结构化的书影音内容可以展示更多的信息，势必导致用户日记的出现几率会越来越低，不利于深交关系的沉淀  ·改进：首页推荐中引入书影音的优秀评价内容  ·风险点：影响社交关系的沉淀