Lentis/在线消费者评论

在线消费者评论是关于产品或服务的评论，通常由之前购买过该产品或服务的客户撰写。客户在企业网站上发布此评论，以提供有关产品的反馈，并在其他客户购买相同产品之前告知他们。这些评论会影响其他客户的决策，约 82% 的美国人表示他们有时会在购买前查看在线评论，约 40% 的人表示他们几乎总是会在购买前查看评论 [1]。

不过，这些评论并不总是可靠的，因为虚假评论是一个日益严重的问题。一些在线企业会为其自身产品的正面评论或竞争产品的负面评论付费，以影响客户的决策 [2]。

介绍

历史

在 1990 年代中期，亚马逊、Deja.com 和 Cnet 等主要电子商务网站开始包含在线客户产品评论 [3]。成立于 1999 年的 Epinions.com 是第一个主要的消费者评论网站 [4]。它在几个重要方面改变了在线评论的格局。它是第一个第三方消费者评论网站，这使其免受了电子商务网站在其销售的商品产品上发布的产品评论所面临的偏见指控 [4]。此外，它还向消费者付费以审查各种各样的产品。在此之前，产品评论主要由专业人士撰写（例如，消费者报告杂志，该杂志自 1936 年以来一直在测试和审查产品 [5]）。

最初，Epinions.com 面临着人们对消费者评论有用性和可信度的怀疑 [4]。然而，它为 Yelp（成立于 2004 年）和 TripAdvisor（成立于 2000 年）等流行评论网站铺平了道路。这些网站依靠社交认可而非现金激励。Yelp 为本地企业提供消费者评论，现在其网站上已有超过 1.71 亿条评论 [6]。TripAdvisor 提供旅行目的地的消费者评论，现在已有超过 6.61 亿条评论 [7]。如今，三分之二的在线购物者认为客户评论值得信赖，并且总是或有时会根据这些评论做出决定 [8]。84% 的消费者信任在线评论，与个人推荐一样 [1]。

问题的范围

芝加哥大学的本·赵研究了虚假在线消费者评论的现象。他指出虚假评论者使用的两种方法：众包营销活动和人工智能。

众包营销是“众包”和“草根营销”的组合。众包营销发生在“不法分子付钱给用户组，让他们在线执行可疑或非法行为” [9]。在在线评论方面，会招募人员来撰写虚假消费者评论，以支持或反对某些产品。这些评论通常不会被自动程序检测到，因为它们是由真人撰写的。这些活动的范围受到作者所需报酬的限制。这使大型公司在竞争中优于小型公司。

人工智能 (AI) 也被用来创建虚假在线消费者评论。过去，基本计算模型被编程为发布虚假在线消费者评论，但是，它们在模仿真人撰写的评论方面的能力仍然不足。随着这项技术的改进，神经网络变得越来越流行。神经网络是计算模型，它们使用连接的神经元网络来解决机器学习任务 [9]。这些“神经元”是包含有关在线消费者评论信息的数据库：常见词语/短语、句子结构等。神经网络学习如何撰写类似于真人撰写的评论，从而也避免被自动程序检测到。

案例研究

亚马逊

在得出结论，客户不信任付费评论后，亚马逊禁止了付费评论，现在声称会对其网站上的这些评论进行监管。然而，禁止虚假评论并没有消除它们，而是迫使公司更加隐蔽地运作，因此很难识别这些虚假评论。虚假评论不仅给亚马逊带来了问题，也给那些不使用虚假评论的公司带来了问题。ReviewMeta 的运营商汤米·努南表示：“如今，如果你公平竞争，很难在亚马逊上销售任何商品。如果你想让你的产品具有竞争力，你就必须以某种方式制造评论，” [10]。

Facebook 已经成为卖家组建群组并寻找购物者为他们撰写虚假评论以换取金钱或其他形式的报酬的媒介。这些群组使用一些技巧来避免被亚马逊检测到，例如将目标对准有撰写亚马逊评论历史的购物者。购物者通常会同意撰写虚假评论，仅仅是为了赚点钱 [10]。在一个例子中，一位购物者从亚马逊购买了一件商品，因为它有很好的评价，结果收到商品后发现廉价的塑料根本无法达到预期目的。尽管成为虚假评论结果的受害者，这位客户现在仍然在亚马逊上为公司撰写虚假评论。当被问及原因时，他回答说：“我认为人们不能撰写虚假评论……但我需要钱，” [11]。

许多在亚马逊上使用虚假评论的公司来自中国，它们希望进入美国市场。这些公司利用亚马逊销售其产品，可以使用亚马逊的声誉从客户那里获得业务。这最终可能会损害亚马逊，因为客户开始意识到其购买商品的质量低下。尽管亚马逊努力消除虚假评论，但有太多团伙秘密出售评论，因此永远无法完全消除它们。随着亚马逊算法的改进，评论者改变了他们的程序以减少嫌疑。只要虚假评论有激励，它们就会继续成为一个问题 [11]。

达利奇的棚屋

2017 年 4 月，Vice 的记者 Oobah Butler 创建了一家假餐厅，并通过伪造客户评论，在 TripAdvisor 上获得了伦敦排名第一的成绩。他之前曾在 TripAdvisor 上为餐厅撰写过虚假评论，通过自由职业发布找到他的客户。这启发他通过将自己位于伦敦达利奇的棚屋变成一家假餐厅来测试虚假评论的有效性。他称它为“达利奇的棚屋” [12]。

Butler 购买了一部预付费手机，拍摄了假食物的照片，并招募朋友在 TripAdvisor 上为他餐厅撰写五星评论。这家餐厅最初排名第 18,149 位——伦敦 TripAdvisor 上排名最低的餐厅 [13]。然而，随着它收到更多评论，它继续攀升排名，直到 6 个月后的 2017 年 11 月 1 日，它成为伦敦排名第一的餐厅 [13]。其中一条评论写道：“在伦敦度过一个周末，听说这地方是必游之地。经过几次令人沮丧的电话后，我进来了。” [14] 为了增加可信度，一位评论者加入了负面反馈，声称他们被提供了一条带有污渍的毯子，但仍然给达利奇的棚屋评了五星 [14]。

这家餐厅如此成功，甚至收到了一条一星评论，很可能是来自竞争对手餐厅。具有讽刺意味的是，TripAdvisor 将这条评论识别为虚假评论并将其删除 [12]。Butler 最终接到了数百个预订电话，打到他的预付费手机上 [13]。通过让预订变得困难，Butler 让这家“餐厅”变得独家，这进一步增加了需求。

TripAdvisor 的软件会扫描评论，以发现强烈的正面或负面偏差，从而捕捉到虚假评论。它还会跟踪评论者的 IP 地址，以查找可疑活动 [15]。然而，Butler 利用朋友从各种电脑上撰写逼真的评论的方法，使得虚假评论几乎无法检测到。

这个案例展示了在线消费者评论的强大之处和脆弱性。在线消费者评论有能力成就或毁掉一家企业，而该系统却极易受到虚假信息的攻击，即使在最值得信赖的评论网站之一上也是如此。达利奇的棚屋最终被认定为假冒餐厅，并被从 TripAdvisor 的网站上删除。然而，Butler 仍然怀疑 TripAdvisor 是否更接近解决虚假评论问题的方案。他说：“这么说吧：我仍然没有被 TripAdvisor 禁止” [12]。

检测虚假评论

虚假在线消费者评论的增加促使人们创建了一个虚假评论识别网站：fakespot.com。该网站使用人工智能来确定亚马逊、TripAdvisor、Yelp 和沃尔玛等网站上评论的可信度 [16]。消费者可以在浏览评论时使用它，但它可能并不总是可靠。消费者应该学会如何自己判断虚假评论。

保持怀疑

消费者应该相信自己能够发现虚假在线评论。在相信任何在线评论之前，都应该仔细检查它。

检查日期

众包营销活动会让他们的作者在同一时间发布他们的虚假评论，以便对最近的评论产生更大的影响。如果在同一时间范围内有大量评论涌现，而且它们都表达了类似的观点，那么它们可能是虚假的。

考虑语言

如果评论难以理解或完全无法理解，那么它们很可能是虚假评论。

检查个人资料

账户用于创建在线消费者评论。为了确定评论是否虚假，消费者可以检查评论者的个人资料。如果个人资料看起来是假的，那么评论也可能是假的。消费者还可以搜索评论者的个人资料，以确定是否可以信任该评论者。

验证购买

销售产品的公司通常会验证评论者是否实际购买过该产品。如果是这样，那么这些评论的可信度更高。

结论

人们信任同龄人的意见，并且经常根据这些意见做出决策。公司可以通过伪造评论来利用这一系统。因此，客户在做出购买决定之前，应该批判性地评估在线评论。进一步的研究可以检验虚假评论对在线供应商可信度的影响，以及网站用来检测虚假评论的方法的有效性。

来源

1. http://www.pewinternet.org/2016/12/19/online-reviews/
2. http://www.digitalethics.org/essays/trend-toward-falsifying-online-reviews
3. https://www.nytimes.com/1999/07/11/magazine/instant-company.html
4. https://www.forbes.com/sites/ericgoldman/2014/03/12/epinions-the-path-breaking-website-is-dead-some-lessons-it-taught-us/
5. https://www.chicagotribune.com/news/ct-xpm-2000-05-01-0005010029-story.html
6. https://www.yelp.com/about
7. http://ir.tripadvisor.com/static-files/a8b88a72-0d45-47a6-be65-e47de05141b5
8. https://www.nielsen.com/content/dam/nielsenglobal/apac/docs/reports/2015/nielsen-global-trust-in-advertising-report-september-2015.pdf
9. https://arxiv.org/pdf/1708.08151.pdf
10. https://www.washingtonpost.com/business/economy/how-merchants-secretly-use-facebook-to-flood-amazon-with-fake-reviews/2018/04/23/5dad1e30-4392-11e8-8569-26fda6b404c7_story.html
11. https://www.npr.org/2018/07/30/629800775/some-amazon-reviews-are-too-good-to-be-believed-theyre-paid-for
12. https://www.newyorker.com/tech/annals-of-technology/the-never-ending-war-on-fake-reviews
13. https://www.vice.com/en_us/article/434gqw/i-made-my-shed-the-top-rated-restaurant-on-tripadvisor
14. https://www.washingtonpost.com/news/food/wp/2017/12/08/it-was-londons-top-rated-restaurant-just-one-problem-it-didnt-exist/
15. https://www.tripadvisor.com/TripAdvisorInsights/w3688
16. fakespot.com
17. https://www.realsimple.com/work-life/life-strategies/fake-online-reviews