Возможностей продвигать свой продукт или топить конкурентов с помощью фальшивых отзывов на ведущих мировых торговых платформ таких Amazon.com, Booking.com и т.д. у недобросовестных пользователей становиться всё меньше.
В авангарде борьбы с купленными отзывами идёт корпорация Amazon, который не так давно инициировала судебный процесс в отношении более тысячи анонимных авторов фальшивых отзывов на англоязычной версии сайта. Тенденция задана, и, очевидно, что вскоре за ней подтянутся и остальные уважающие себя игроки рынка.
Разработчиками из Сан Паулу создан и проходит стадию тестирования алгоритм, который способен отличить негативные или позитивные заказные отзывы пользователей. Заявленная результативность робота составляет 95%. Вероятно уже очень скоро он будет принят на вооружение ведущими игроками рынка электронной коммерции.
Сведений касательно основных принципов работы алгоритма пока крайне мало, но по обнародованной информации можно сделать вывод, что алгоритм Online-Recommendation Fraud ExcLuder (ORFEL) определяет момент всплеска активности комментаторов, с которым обычно связано начало активного продвижения продукта с помощью заказных отзывов и комментариев, либо чёрной пиар кампании. То есть алгоритм будет предупреждать о появлении любых заказных отзывах.
Что тут особенного? Для ресурса с несколькими десятками или сотнями отзывов отследить странную активность руками – не проблема. Но что если отзывов тысячи и сотни тысяч? Вот тут и понадобиться помощь такого сервиса, который бы указывал модераторам на профили пользователей или компаний со странно возросшей активностью комментаторов.
Активность платных комментаторов также отличается не только моментом резкого старта, но и имеет определённый эмоциональный и смысловой окрас, вектор. Сведений относительно анализа и вычленения алгоритмом из текста отзывов, и дальнейшее использования в качестве маркера определённых повторяющихся словоформ и лексем нет, но вполне возможно, что робота умеет и это. Судя по всему там будет применяться комплексный анализ активности профилей и текста, иначе даже в тестовом режиме добиться результативности в феноменальных 95% вряд ли представилось бы возможным.
Алгоритм пока не открыт, разработчики воздерживаются от подробностей, так как давать карты в руки тем, кто намерен научиться его обходить, явно не следует.
Но и без того, скорее всего, обойти его будет крайне сложно. Ведь задача платных комментаторов заключается в том, чтобы проводить посев отзывов с высокой интенсивностью независимо от того хотят они навредить репутации компании или, наоборот, способствовать продвижению товаров и услуг. Смысл их присутствия на ветке отзывов в том, чтобы сместить реальные отзывы вглубь ленты или на другие страницы и предоставить потенциальным клиентам недостоверную информацию. Если интенсивность постинга комментариев будет недостаточной, если делать это не постоянно или не регулярно (чтобы обмануть алгоритм), то и эффект от этой деятельности будет размытым.
Проблема борьбы с фальшивыми отзывами назрела уже достаточно давно. Прежде наиболее эффективным её решением был запрет на анонимность авторства. Разрешалось оставлять отзыв только реальным покупателям и клиентам, которые указывали свой номер заказа или накладной, своё реальное имя, и/или другие данные, подтверждающие достоверность отзыва. На таких сайтах отзывов комментариев всегда меньше, но они качественнее и имеют большую ценность для других пользователей. Кроме того удалить негативные отзывы с таких ресурсов практически невозможно. Интернет-магазины начинают использовать алгоритмы, которые позволяют пользователям оставлять отзывы только о товарах из истории покупок.
К примеру, так действует тот же Booking.com. О том, как какие лазейки для оставления отзывов там ещё остались, читайте в статье «Репутация отеля: формирование и защита».
