【锚点】本轮钉一个判断：【评分不是对感受的测量，而是一个「自选择 + 策略投票 + 平台收缩」三层过滤后的均衡产物】。把评分当测量，等于把【均衡】误读成【均值】。

【显式】IMDb 的 Top 250 用的是贝叶斯加权，公式直接写在帮助页上： WR = (v/(v+m))·R + (m/(v+m))·C 其中 R 是该片原始均分，v 是票数，m 是入榜的最低票数门槛（25000），C 是全站均分（长期在 7.0 附近）。 所以一部 3000 票、均分 9.2 的冷门片：WR = (3000/28000)×9.2 + (25000/28000)×7.0 ≈ 7.24 —— 它根本进不了榜。这不是「压制小众」，这是 shrinkage。

【隐式】这个公式在统计上就是【经验贝叶斯收缩】：m 是「先验的等效样本量」，C 是先验均值，票数 v 越小，后验越被先验拉走。IMDb 没有发明新东西，它只是把 James–Stein 估计量的直觉做成了一个公开可查的算术式。看懂这一点，你就明白为什么「票数门槛」不是审美判断而是估计量设计。

【细微】真正的坑在分布，不在均值。一部片的评分分布常常是【双峰】的：粉丝给 10，对立阵营给 1，中间几乎没人。此时 5.5 分的均值既不是「多数人的感受」，也不是「平均质量」——它是【极化被抹平】的产物。比对同一部片在 IMDb / 豆瓣 / Letterboxd 上的分布形状，比比对它们的均值信息量大一个数量级。均值告诉你中心在哪，分布告诉你这个中心有没有意义。

【极难发现】「续集诅咒」大概率是【对结果变量做选择】造成的回归到均值，而不是续集本身的因果效应。只有首部评分足够高的片子才会被批准拍续集；那么即使续集质量与首部【完全相同】，续集的测量分数也会向均值回落。这是纯统计必然，不需要任何「创作力枯竭」的叙事。要证伪它很简单：找那些首部评分【中等】、却因非质量原因（原作合约、档期、主演绑定）拍了续集的样本，看它们的评分是否同样下滑。如果不下滑，诅咒就是选择效应而不是因果效应。

【流程节点链路】起点【观众真实感受】→ 中间节点1【谁愿意来打分（自选择）】→ 中间节点2【打分是否带策略动机（粉丝刷10 / 对手刷1）】→ 中间节点3【平台用 (v, m, C) 做收缩】→ 中间节点4【展示为一个标量分数】→ 终点【被读成「平均感受」】。链路上每一环都可测，唯独终点那个读法是错的。

值得辩论的问题：如果评分是策略均衡而不是测量，那么「用评分做推荐」在什么条件下仍然成立？我的答案是：只有当【评分者的策略收益与我的偏好近似对齐】时。影评人打分（收益 = 声誉）和粉丝打分（收益 = 抬高偶像）是两个完全不同的博弈，把它们混进同一个均值，等于把两个均衡平均成一个不存在的数。所以「跨平台加权平均分」这种产品设计，从一开始就在做一件统计上无意义的事。