茶语网2016千款茶评榜的权威公正性从何而来?这10个问题告诉你
明天九点,茶语网的年度重戏2016千款茶评就要和大家见面了。
我知道,不管是资深茶客,还是茶界小白,在这个时刻都化身为"十万个为什么小朋友",心里都充满了各种狐疑,各种问题,各种期待:
今年的榜单有增加吗?
新增榜单有什么特点吗?
这些上榜茶叶是不是名副其实啊?
其实,这些问题当你看完这10个Q&A之后,你就会说:
哦,茶语网的榜单还是非常"公平、公开、公正"的。
耳听为虚,眼见为实!
悄悄问一句,看到这个规则,2017年,你的茶单准备好了吗?
Q1:2016年的榜单增加了哪些品类?
A1:2016年增加了柑普榜、珍品发烧榜两个分类榜;
Q2:增加的品类各有什么特点?
A2:
1、柑普类为第一个新增茶类,该榜因为涉及红柑和小青柑,为了统一品鉴标准,全部按投茶量7g(1g柑皮+6g茶叶),进行冲泡。其二,因为制作周期的时间问题,我们采购了2015及2016年的产品进行评测。
2、珍品发烧榜为第二个新增品类。这是唯一一个没有排名先后的榜单,排名以拼音首字母为逻辑线。因为这些茶我们已无法简单用评分来衡量,但它们有一个共同的特点--珍品,且还有一个共同的特征--价格不菲,均为2016年茶界发烧友级珍品茶叶。此次珍品发烧榜涉及绿茶、茉莉花茶、生普、熟普、乌龙茶等五个茶类。
Q3:每款茶的评分都是谁打的分?
A3:评分的人员主要由4种构成--
茶评组:茶语网专业评茶组;
专家:国内知名院校、茶叶学会推荐专家团、研究机构茶学专家数十人;
达人:各大茶学专业团体,茶叶行业从业者,资深茶人,各大茶类爱好者;
网友:茶爱好者,对茶有一定兴趣的网友。
Q4:每款茶的分数是怎么计算出来的?
A4:茶语茶评组评分(35%)+专家评分(30%)+达人评分(15%)+网友评分(20%)=综合评分
Q5:千款茶评评分的原则是什么?
A5:总原则是以茶论茶,评分主要依据茶品当下的口感评论。(注:后期口感潜力预判以文字描述在总述中呈现,不列入评分项目)
侧重茶品的整体平衡性及对风土特点的诠释,同时也重视其个性、余味和整体和谐度。
当然,按照品饮的特点,我们给不同的茶类也设置了不同的权重。(根据茶叶感官审评方法GB/T 23776-2009)
Q6:这1000款茶评就能真的囊括2016年市场上所有的茶了吗?
A6:说实话,不能。
每年市场上新品无数,茶语网尽力让千款茶评所涉及的茶囊括各大茶类,包括袋泡、再加工;把购买渠道的触角,从实体店,延伸到品牌的电商渠道;我们的价位选择覆盖高、中、低端;品牌选择,从知名到小而美……
正是通过这些努力,我们认为所评的茶还是能在当年的市场中,具备一定的代表性。
Q7:茶语网参评的茶需要满足什么条件?
A7:参评茶基本上是要在市面上进行销售的、有完整的产品包装的商品茶,这些茶必须具备在市场流通的资质(比如QS认证,生产许可证,食品流通许可证)。
Q8:如果同一个榜单上有些茶的总评一样,如何确定排名的先后顺序?
A8:当同一榜单上的茶出现总评一样却又有先后排序的时候,请点击茶名可查看详细茶评,总评一致,请参看茶语评分;茶语评分一致的情况下,请参看专家评分。
Q9:茶语网每款茶除了评分以外,还有评星体系,评星有什么含义?
A9:茶语网评星是除评分以外的另一种参考指数。
评星标准
五星(9.6~10.0)
推荐指数:顶级。经典值得收藏品鉴。
茶叶非常优秀,几乎没有瑕疵,品质远远高于该茶类基本水平,尽显品种、风土、工艺的风格特点,并能带来十分美妙的品饮体验。用料,工艺,汤色,香气,滋味上的表现都非常优秀。
四星(9.0~9.5)
推荐指数:优秀。值得购买。
茶叶比较优秀,有很少瑕疵,符合该茶类的基本水平,有轻微问题或没有问题,能带来愉悦品饮体验,带有鲜明的个性风格特点。
三星(8.0~8.9)
推荐指数:优良。有优点,值得一试。
总体品质超过该茶类基本水平,没有明显缺陷,对品饮也没有明显影响。有一到两个优秀点。
两星(7.0~7.9)
推荐指数:平庸。但可放心饮用。
符合该茶类基本水平,有明显工艺或者原料、存放上的问题,还可进行品饮。
一星(6.0~6.9)
次品。尚能饮用,但不推荐。
品饮时感受到因严重的工艺、原料、存放等出现的问题,如有"烟糊味、明显青气、闷焦味"等,不推荐品饮。
无星(5.0~5.9)
劣品。不能饮用。
品饮时感受到原料工艺存放有严重问题,如"酸•馊•霉•异"等。
Q10:整个评茶过程中是如何保证评分公正、客观?
A10:
1.茶样的筛选阶段,结合茶评组、专家、达人的意见,制定茶样采购计划,使茶样的产地范围、花色种类、级别区间等涵盖更广,更科学。
2.茶样的购买结合电商平台、门店等购买途径,大多数由茶语网自行购买现行市场销售的茶样。
3.对茶样的评审过程,参照国标《茶叶感官审评方法》和常规冲泡审评法,以品质为考量点,不掺杂其他影响因素。
4.榜单以大数据统计为依据,不掺杂人为因素。
撰文/十月via
2022-05-03 23:56:22