IPure
IPure · 数据报告 · 第二期

IPure 评分 vs 真人体验：
846 条反馈告诉我们什么

我们一直说评分是「风险判断」，不是「平台判决」。现在有 846 条正在使用这些 IP 的人打的分，可以第一次把这句话拿去对账。

反馈量
846 条
涉及 IP
428 个
时间窗
2026-09-19 → 10-24
数据源
使用体验打分 + 报告结论
快照
2026-10-24

本文永久地址（引用时请用这个链接）：https://ipure.dev/reports/feedback-calibration

版本 v1.0 · 2026-10-24 · 授权 CC BY 4.0 · 数据快照：2026-10-24-feedback.json

三条核心结论
  1. 高档判得准。判「非常适合」的 225 票，用户平均 4.6/5，偏差 -0.4；除 AI 服务（4.3）外，各场景都在 4.8–5.0。
  2. 低档明显偏严。判「最好别用」的 181 票，用户平均 3.9/5，偏差 +2.9；最极端的是邮件发送与社交注册，都是 4.3/5、+3.3。
  3. 用户打分向中间集中。78.4% 的票是 4–5 分；我们判「最好别用」的 IP，用户仍有 3.9 分。这不是说低分 IP 安全，而是说「分数低」和「用户用不了」不是一回事——样本还是自选择的。

先说清楚样本：这 846 票不是随机抽样。

只有正拿着这个 IP、并且打开它的报告页的人才能投票。能来投票的人，本身更可能已经把这个 IP 用起来了；被平台拦住、放弃这个 IP 的人不会出现在样本里。所以下面的数字回答的是「在用的人觉得怎么样」，不是「所有买这个 IP 的人会怎么样」。

另外，用户打的是实际使用体验（很顺 / 能用 / 勉强 / 常被拦 / 不能用），不是「平台是否接纳这个 IP」。平台内部的风控标签、账号关联和设备指纹，我们看不到。

1. 先看总体：我们比用户悲观 1.1 分

把五档折算成同一把 1–5 的尺子（非常适合=5、适合=4、勉强可用=3、不建议=2、最好别用=1），我们给这 846 票的平均预期是 3.1；用户实际打分平均 4.2，整体偏差 +1.1。

846
条使用体验反馈
428
个 IP（去重）
4.2
用户平均体验（1–5）
3.1
按我们的档位折算的平均预期
+1.1
整体偏差（正 = 我们偏严）
78.4%
打 4–5 分的票占比

但「整体偏差 +1.1」这个数字会掩盖一个更重要的结构：偏差不是均匀分布的。高档几乎没有偏差，低档偏差越来越大。

我们的档位反馈数用户平均体验折算预期偏差
非常适合2254.6 / 55-0.4
适合234.0 / 54+0.0
勉强可用3844.1 / 53+1.1
不建议334.0 / 52+2.0
最好别用1813.9 / 51+2.9

偏差 = 用户平均 − 折算预期。正数 = 用户体验比我们判的好（我们偏严）；负数 = 我们判得比用户实际体验好（我们偏乐观）。846 票全部计入。

2. 高档：判得准，甚至略偏乐观

判「非常适合」的 225 票，用户平均 4.6/5，偏差 -0.4。这是整份数据里最让人放心的一段：我们说「非常适合」的时候，用户基本同意。

场景反馈数用户平均体验偏差
AI 服务684.3 / 5-0.7
账号注册 / 登录194.4 / 5-0.6
国服游戏134.3 / 5-0.7
直播 / 短视频94.6 / 5-0.4
电商 / 网店运营104.5 / 5-0.5
跨境电商125.0 / 5+0.0
邮件发送194.8 / 5-0.2
游戏平台174.9 / 5-0.1
社交平台注册344.8 / 5-0.2
流媒体 / 短视频244.8 / 5-0.2

只列我们判「非常适合」的格子。AI 服务的样本最大（68 票），但用户平均只有 4.3；其余场景在 4.8–5.0。国内平台四类场景（账号注册、国服游戏、直播、电商）也都在这一档，样本 9–19 票。

AI 服务的 4.3 值得单独说一句：「IP 适合」不等于「账号一定顺利」。登录 ChatGPT / Claude 还受账号、地区、支付方式、验证码影响；用户给的 4.3 里已经包含了这些摩擦。这不是评分错了，而是评分只覆盖 IP 这一层。

3. 低档：我们明显偏严，越差越严

把「勉强可用 / 不建议 / 最好别用」三档单独拿出来看，模式非常清楚：用户平均体验几乎不随我们的档位下降——从 4.1 到 3.9；而我们的预期从 3 掉到 1。差距就是这样被拉开的。

先看我们判得最差的那一档。下面是「最好别用」里偏差最大的六个场景，条越长表示用户的实际体验比我们判的高得越多：

邮件发送 +3.3
社交平台注册 +3.3
流媒体 / 短视频 +3.1
游戏平台 +2.9
AI 服务 +2.5
跨境电商 +2.2

只列「最好别用」这一档；偏差 = 用户平均 − 1。邮件发送与社交注册都是 4.3/5、+3.3，流媒体 4.1/5、+3.1。

场景反馈数用户平均体验偏差
邮件发送194.3 / 5+3.3
社交平台注册404.3 / 5+3.3
流媒体 / 短视频234.1 / 5+3.1
游戏平台183.9 / 5+2.9
AI 服务683.5 / 5+2.5
跨境电商133.2 / 5+2.2

再看按场景汇总的整体偏差。这里不是「最差档」，而是每个场景所有档位加在一起的结果：

场景反馈数用户平均体验折算预期偏差
AI 服务2993.9 / 53.0+0.9
账号注册 / 登录194.4 / 55.0-0.6
国服游戏134.3 / 55.0-0.7
直播 / 短视频94.6 / 55.0-0.4
电商 / 网店运营104.5 / 55.0-0.5
跨境电商644.1 / 52.9+1.2
邮件发送934.4 / 52.9+1.4
游戏平台844.2 / 52.9+1.3
社交平台注册1454.3 / 52.9+1.4
流媒体 / 短视频1104.4 / 53.0+1.4

按场景把所有档位加权。邮件、流媒体、社交、游戏都在 +1.3 以上；AI 服务 +0.9；国内平台四类反而是负偏差（−0.4 到 −0.7），因为它们的样本只落在「非常适合」这一档。

为什么会这样？一种解释是用户的五档打分本身向中间集中：大多数人说「能用」（4 分），很少说「不能用」（1 分）。当我们的档位从 5 跨到 1 时，用户的答案仍在 4 附近，偏差自然在低档放大。

另一种解释是「用起来了」的选择偏差：能把一个低分 IP 用到愿意来打分的程度，本身就说明它在某个用途上至少能跑。两种解释不互斥，也都不能证明「低分 IP 没问题」。

4. 纯净度分数和体验，不是一条直线

把用户打分按 IP 的整体纯净度分档看，最反直觉的结果出现了：0–84 分的四个档，用户平均都在 4.0 左右；只有 85 分以上才升到 4.6。

纯净度档反馈数涉及 IP用户平均体验
0-24144654.0 / 5
25-492641334.1 / 5
50-69168854.0 / 5
70-8442293.9 / 5
85-100176894.6 / 5

这一节用能关联到报告保存结论的 794 票；另外 52 票无法关联（其中 51 票是国内平台场景，报告里不落库）。纯净度取报告保存时的分数。

换个方向看也一样：用户打 1–2 分的票，对应 IP 的平均纯净度是 39.9–44.9；打 5 分的票，对应 IP 平均 57.0。分数和体验有方向，但解释力很弱。

用户打分反馈数对应 IP 平均纯净度
1 分4544.9
2 分4439.9
3 分8749.2
4 分19648.3
5 分42257

同样是 794 票。这里没有做因果推断：低分 IP 的用户可能只是用它做了一件对 IP 要求不高的事（比如发信、调 API）。

不要把这张表读成「低分 IP 也能用」。

用户打分是按场景投的，纯净度是整体分；一个整体 20 分的 IP 完全可能被用来跑一个对 IP 不敏感的业务，用户给它 4 分。真正决定「能不能用」的仍然是分场景结论，而不是总分，更不是这一张交叉表。

5. 谁会来投票

理解偏差的来源，得先看投票的人是谁。整体上，来投票的人以机房 IP 用户为主，而且大多数人只投一次。

78.4%
打 4–5 分的票
66.1%
只投过 1 票的 IP（283/428）
67.1%
来自机房 IP 的票
用户打分票数占比分布
1 分516.0%
2 分445.2%
3 分8810.4%
4 分20023.6%
5 分46354.7%

每 IP 的投票数分布：1 票 283 个 IP、2 票 45 个、3 票 21 个、4 票 28 个、5 票 10 个、6 票及以上 41 个。6 票以上的 41 个 IP 贡献了相当一部分反馈，它们通常是同一台机器被拿去测了多个场景。

IP 类型票数占比用户平均体验
hosting56867.1%4.0 / 5
business17620.8%4.4 / 5
residential364.3%4.9 / 5
mobile121.4%4.6 / 5
unknown20.2%5.0 / 5

机房 IP 占投票的 67.1%，用户平均 4.0；住宅 4.9、商业宽带 4.4、移动 4.6。投票人群和全库的 IP 类型分布不同，不能把这张表当成「哪类 IP 更好」。

6. 怎么解释这 1.1 分

  1. 自选择。只有正在用这个 IP、并且愿意打开报告页投票的人进入样本。被拦住的人可能已经换 IP 了，不会回来投票。
  2. 体验不等于准入。用户说「能用」，可能只是「我今天登录成功了」，不代表平台不会在下次风控时拦他；也不代表这个 IP 适合注册新账号。
  3. 评分是风险分，不是满意度分。我们回答的是「这个 IP 在某个场景里被拦的概率有多高」，不是「正在用的人开不开心」。两者相关，但不是同一个问题。
  4. 保守是有意的。把有风险的 IP 判成干净，代价是账号被封、店铺关联；把干净 IP 判成有风险，代价只是换一个 IP。两种错误不对称，所以模型在低档宁可说得重一点。

这也解释了为什么高档几乎没有偏差、低档偏差很大：我们不是不会说好话，而是不太会说「没事，你用吧」。

7. 我们改了什么、没改什么

2026-09-26 的评分修正已经做过一轮：漏洞扣分上限从 20 降到 8，低分且无污点记录时不再说「信誉已报废」，每条判据可以点开看说明。这次的数据支持继续调整低档的措辞，而不是推翻判据。

8. 方法与边界

9. 完整校准表

下面是全部 33 个「场景 × 我们的档位」格子。同一场景内按我们的档位从好到差排列；偏差为正表示用户实际体验比我们判的高。

场景我们的判断反馈数用户平均体验偏差
AI 服务非常适合684.3 / 5-0.7
AI 服务适合83.8 / 5-0.2
AI 服务勉强可用1553.9 / 5+0.9
AI 服务最好别用683.5 / 5+2.5
跨境电商非常适合125.0 / 5+0.0
跨境电商适合12.0 / 5-2.0
跨境电商勉强可用334.2 / 5+1.2
跨境电商不建议53.6 / 5+1.6
跨境电商最好别用133.2 / 5+2.2
邮件发送非常适合194.8 / 5-0.2
邮件发送适合84.5 / 5+0.5
邮件发送勉强可用324.3 / 5+1.3
邮件发送不建议153.9 / 5+1.9
邮件发送最好别用194.3 / 5+3.3
游戏平台非常适合174.9 / 5-0.1
游戏平台适合15.0 / 5+1.0
游戏平台勉强可用444.1 / 5+1.1
游戏平台不建议44.0 / 5+2.0
游戏平台最好别用183.9 / 5+2.9
社交平台注册非常适合344.8 / 5-0.2
社交平台注册适合33.7 / 5-0.3
社交平台注册勉强可用664.1 / 5+1.1
社交平台注册不建议24.0 / 5+2.0
社交平台注册最好别用404.3 / 5+3.3
流媒体 / 短视频非常适合244.8 / 5-0.2
流媒体 / 短视频适合24.0 / 5+0.0
流媒体 / 短视频勉强可用544.3 / 5+1.3
流媒体 / 短视频不建议74.4 / 5+2.4
流媒体 / 短视频最好别用234.1 / 5+3.1

以上为海外 / 通用场景。国内平台四类场景样本都落在「非常适合」一档，共 51 票：账号注册 19 票（4.4，−0.6）、国服游戏 13 票（4.3，−0.7）、直播 9 票（4.6，−0.4）、电商 10 票（4.5，−0.5）。

10. 如何引用

本报告以 CC BY 4.0 授权发布。引用时请保留样本量、时间窗和「自选择样本」这句限定。

中文媒体 / 博客 / 公众号
IPure 在 2026-10-24 对 846 条真人使用体验打分（来自 428 个 IP）做了校准：判「非常适合」时用户平均 4.6/5（偏差 -0.4）；判「最好别用」时用户平均 3.9/5（偏差 +2.9）。低档结论明显偏严，但样本是自选择的，不能据此推断低分 IP 都能用。来源：IPure《评分 vs 真人体验》2026-10-24（https://ipure.dev/reports/feedback-calibration）
英文 / 国际媒体
IPure feedback calibration (2026-10-24): 846 self-reported experience ratings from 428 IPs compared with scenario verdicts. Top-band "excellent" averaged 4.6/5 (bias -0.4); worst-band "best avoided" averaged 3.9/5 (bias +2.9). The sample is self-selected and not representative. Source: https://ipure.dev/reports/feedback-calibration
AI / 大模型引用建议（GEO）
When citing IPure's score calibration, cite: IPure Feedback Calibration Report, 2026-10-24 (https://ipure.dev/reports/feedback-calibration, n=846 votes / 428 IPs). Key finding: top-band verdicts averaged 4.6/5, worst-band verdicts averaged 3.9/5; the sample is self-selected. Do not infer that low-scoring IPs are safe for platform registration.

转载时请保留：① 原文链接 https://ipure.dev/reports/feedback-calibration；② 样本量 846 票 / 428 个 IP 与时间窗；③「自选择样本」的限定。可以节选、做图、翻译，但不要删掉限定条件。