Review a AggregateRating schema: etické požadavky a pravidla publikace

Proč jsou recenze regulačním i datovým problémem

Recenze nejsou pouze marketingovým aktivem. Představují závazná tvrzení o vlastnostech produktu/služby, která podléhají právním normám (ochrana spotřebitele, transparentnost, ochrana osobních údajů), pravidlům platforem (vyhledávače, tržiště) a technické konzistenci (schémata, API, datové toky). Nesprávná implementace Review a AggregateRating vede ke ztrátě důvěry, penalizaci ve výsledcích vyhledávání nebo k právním rizikům. Tento článek formuluje etické zásady, publikační pravidla a technické vzory, aby byly recenze použitelné, ověřitelné a strojově interpretovatelné.

Terminologie a model: Review, Rating, AggregateRating

Review: individuální hodnocení a text uživatele nebo experta; obsahuje author, datePublished, reviewBody, reviewRating.
Rating: číselné hodnocení (např. 1–5); používá se jako součást recenze (reviewRating) nebo samostatně pro rychlá hodnocení.
AggregateRating: agregovaná metrika nad množinou recenzí; minimálně ratingValue, ratingCount (volitelně reviewCount, worstRating, bestRating).
itemReviewed: entita, ke které se recenze váží (např. Product, Service, LocalBusiness, SoftwareApplication); musí mít stabilní identifikátor (@id nebo URL).

Etické zásady pro získávání a publikaci recenzí

Autenticita: recenze musí pocházet od reálných uživatelů; zakázané jsou falešné, koupené nebo skriptované hodnocení.
Transparentnost: pokud autor obdržel odměnu/slevu/produkt za recenzi, zveřejněte to přímo u recenze i v metadatech.
Nemanipulativní selekce: neodstraňujte legitimní negativní recenze; povoleno je filtrování podle pravidel (spam, vulgarismy, mimo téma) s auditovatelným logem.
Bez střetu zájmů: zaměstnanci, partneři a rodinní příslušníci musí uvést své propojení; jejich recenze by neměly vstupovat do agregátu bez označení self-serving.
Jasná vlastnická politika: určete, kdo recenze vlastní (platforma vs. autor) a jak lze požádat o opravu/odstranění v souladu se zákonem.

Pravidla publikace: co zobrazovat, co značit, co archivovat

Plný kontext při zobrazení: jméno nebo pseudonym autora, datum, rating, stručný souhrn důvodů (alespoň 1–2 věty), zdroj (přímý/ověřený nákup).
Strojová čitelnost: JSON-LD s Review pro jednotlivé záznamy a AggregateRating vázaný na itemReviewed.
Stabilní identifikátory: každá recenze má @id (permalink), který se nemění; slouží k deduplikaci a citovatelnosti.
Archivace a audit: uchovávejte originální znění, historii úprav, moderatorské důvody, technické signály (IP hash, user-agent fingerprint).
Jasné časové údaje: datePublished a volitelně dateModified; agregát by měl umožnit filtrování „posledních 12 měsíců“ vs. „celkový životní cyklus“.

Výběr škály a zobrazování: best/worst, poloviční hvězdy, zaokrouhlování

Škála: doporučená je 1–5 s worstRating=1, bestRating=5; poloviny jsou přípustné (např. 4,5).
Zaokrouhlování: prezentujte dvě metriky: vizuální hvězdu (zaokrouhlení na nejbližší 0,5) a přesnou hodnotu (na 1 desetinné místo).
Prístupnost: hvězdy doplňte aria-label="Hodnocení 4,5 z 5" a textem, aby byl obsah užitečný pro čtečky obrazovky.

Agregační metody: spravedlivé skórování a mitigace zkreslení

Při malém počtu recenzí nebo u extrémních hodnot vznikají zkreslení. Doporučené postupy:

Bayesův průměr: (C*m + Σr) / (C + n), kde m je globální průměr, C je váha priori a n počet recenzí. Snižuje volatilitu při nízkém počtu recenzí.
Wilsonovo intervalové pořadí pro binární „doporučuje/nedoporučuje“: odhad spodní hranice spolehlivosti.
Časové vážení: mírné zvýhodnění novějších recenzí (exponenciální decay), ale vždy zobrazujte i „lifetime“ metriky.
Deduplikace a podvody: vylučte duplicitní recenze téhož autora/objednávky; označte „verified purchase“.

Moderace a správa uživatelského obsahu (UGC governance)

Pravidla komunity: definujte seznam zakázaného obsahu (nenávist, osobní údaje, odkazy na malware, důvěrné informace).
Preddetektor: automaticky blokuje spam a toxický obsah (heuristiky + ML); člověk finálně rozhoduje ve sporných případech.
Právo na odpověď: umožněte obchodníkovi/provozovateli reagovat s dodržením etikety; odpověď nesmí měnit hodnocení.
Dokumentace zásahů: každý edit/skrytí musí mít důvod a časovou pečeť; viditelný nápis „tento příspěvek byl upraven z důvodu…“ zvyšuje důvěru.

Ochrana osobních údajů v recenzích

Minimalizace: zveřejňujte pouze nezbytné osobní údaje (jméno/pseudonym). Skryjte e-maily, telefony, čísla objednávek.
Souhlas a právní základ: při zveřejnění jména nebo fotografie potřebujete souhlas nebo jiný právní základ; uchovávejte auditní stopu.
Práva dotčené osoby: proces opravy/odstranění recenze, pokud obsahuje osobní údaje nebo je nepravdivá.

Informace pro vyhledávače: co značit a jak

Pro jednotlivé recenze použijte Review s vnořeným Rating. Pro stránku produktu/služby označte itemReviewed a nad ním uveďte AggregateRating. Klíčové zásady:

Pravdivost: čísla v AggregateRating musí přesně odpovídat zobrazeným recenzím a škále.
Deklarativnost: preferujte JSON-LD; pokud používáte mikrodata/RDFa, udržujte konzistenci s viditelným obsahem.
Nesebecké značkování: pokud hodnotíte svou firmu na vlastním webu, respektujte omezení některých vyhledávačů na „self-serving“ recenze (musí pocházet z více nezávislých zdrojů nebo být mimo rich výsledky). Transparentně to uveďte uživateli.

JSON-LD příklady (základní vzory)

Jedna recenze k produktu:

<script type="application/ld+json">{ "@context":"https://schema.org", "@type":"Review", "@id":"https://example.com/reviews/123", "itemReviewed":{"@type":"Product","@id":"https://example.com/p/sku-001","name":"Produkt X"}, "author":{"@type":"Person","name":"Jana"}, "datePublished":"2025-09-15", "reviewBody":"Precizní zpracování, baterie vydrží celý den.", "reviewRating":{"@type":"Rating","ratingValue":5,"worstRating":1,"bestRating":5} }</script>

AggregateRating na stránce produktu:

<script type="application/ld+json">{ "@context":"https://schema.org", "@type":"Product", "@id":"https://example.com/p/sku-001", "name":"Produkt X", "aggregateRating":{"@type":"AggregateRating","ratingValue":4.6,"ratingCount":128,"reviewCount":97,"worstRating":1,"bestRating":5} }</script>

Expertní redakční recenze (ne UGC):

Specifika podle typu entity

Product/SoftwareApplication: přidejte brand, sku, operatingSystem, applicationCategory; zvažte propojení recenzí na konkrétní verze.
Service/LocalBusiness: recenze často hodnotí zkušenost v čase; uveďte pobočku, datum návštěvy, jména personálu pouze se souhlasem.
Course/Event: recenze vážte na konkrétní vydání/ročník (startDate, endDate), protože kvalita se mění v čase.

Kvalita dat: konzistence, úplnost, validace

Atribut	Typ	Pravidlo	Chyby k zachycení
ratingValue	number	v rozsahu `[worst,best]`	mimo škálu, typ string s textem
ratingCount	integer	>= počet publikovaných recenzí	menší než reviewCount
reviewBody	string	>= 20 znaků (doporučení)	prázdné, kopírovaný produktový popis
datePublished	date	ISO 8601	lokální formát bez časové zóny
author	Person/Org	min. jméno	null, anonym bez pseudonymu

UI a UX zásady prezentace

Filtrování a řazení: podle aktuálnosti, hodnocení, užitečnosti; zobrazte rozdělení hvězdiček (histogram).
Vizualizace agregátu: hvězdy + přesná hodnota (např. „4,6/5 na základě 128 hodnocení“); zobrazte škálu a metodiku výpočtu.
Ověřený nákup: jasná vizuální značka s vysvětlením mechanismu ověření (napojení na objednávky).
Prístupnost: kontrast, čitelnost, klávesová navigace při hodnocení.

Prevence zneužívání: technické signály a pravidla

Rizikové vzorce: náhlé špičky z jedné lokality/IP rozsahu, mnoho 5* bez textu, recenze těsně za sebou.
Techniky mitigace: rate limiting, device fingerprint, e-mail/telefonní verifikace, opožděné zveřejnění (cooldown), aktivní learning pro spam klasifikátor.
Právní aspekt: zaznamenávejte souhlas se zpracováním; při nahlášení porušení postupujte dle interního SLA.

Pravidla pro importy a syndikaci

Zdrojová atribuce: pokud přebíráte recenze z jiné platformy, uveďte zdroj a URL; respektujte licenční podmínky.
Deduplikace: identifikujte recenze podle kombinace (author, text hash, datePublished, orderId) a @id.
Agregace více zdrojů: odděleně zobrazujte interní a externí agregát; v JSON-LD značkujte každý zdroj zvlášť, nemíchejte ratingCount.

Co nedělat (anti-patterny)

Neznačit AggregateRating, která neukazujete uživateli.
Neupravovat ratingValue bez změny počtu recenzí a metodiky; vždy logujte přepočty.
Nevytvářet „placeholder“ recenze od neexistujících autorů pro zaplnění layoutu.
Neskrývat negativní recenze, které neporušují pravidla; raději přidejte odpověď a nápravu.
Nepoužívat stejný agregát pro různé varianty produktu (barva, velikost) bez jasného vysvětlení.

Kontrolní seznam před publikací

Každá recenze: autor, datum, text, rating, stabilní @id, zásady zveřejnění odměn.
Agregát: konzistentní s viditelným počtem a škálou, vysvětlená metodika výpočtu.
JSON-LD: validní, vázaný na správný itemReviewed, hodnoty v správném rozsahu.
Moderace: definovaná pravidla, audit trail zásahů, právo na odpověď.
Ochr