Lentis/線上消費者評論

線上消費者評論是關於產品或服務的評論，通常由之前購買過該產品或服務的客戶撰寫。客戶在企業網站上釋出此評論，以提供有關產品的反饋，並在其他客戶購買相同產品之前告知他們。這些評論會影響其他客戶的決策，約 82% 的美國人表示他們有時會在購買前檢視線上評論，約 40% 的人表示他們幾乎總是會在購買前檢視評論 [1]。

不過，這些評論並不總是可靠的，因為虛假評論是一個日益嚴重的問題。一些線上企業會為其自身產品的正面評論或競爭產品的負面評論付費，以影響客戶的決策 [2]。

介紹

歷史

在 1990 年代中期，亞馬遜、Deja.com 和 Cnet 等主要電子商務網站開始包含線上客戶產品評論 [3]。成立於 1999 年的 Epinions.com 是第一個主要的消費者評論網站 [4]。它在幾個重要方面改變了線上評論的格局。它是第一個第三方消費者評論網站，這使其免受了電子商務網站在其銷售的商品產品上釋出的產品評論所面臨的偏見指控 [4]。此外，它還向消費者付費以審查各種各樣的產品。在此之前，產品評論主要由專業人士撰寫（例如，消費者報告雜誌，該雜誌自 1936 年以來一直在測試和審查產品 [5]）。

最初，Epinions.com 面臨著人們對消費者評論有用性和可信度的懷疑 [4]。然而，它為 Yelp（成立於 2004 年）和 TripAdvisor（成立於 2000 年）等流行評論網站鋪平了道路。這些網站依靠社交認可而非現金激勵。Yelp 為本地企業提供消費者評論，現在其網站上已有超過 1.71 億條評論 [6]。TripAdvisor 提供旅行目的地的消費者評論，現在已有超過 6.61 億條評論 [7]。如今，三分之二的線上購物者認為客戶評論值得信賴，並且總是或有時會根據這些評論做出決定 [8]。84% 的消費者信任線上評論，與個人推薦一樣 [1]。

問題的範圍

芝加哥大學的本·趙研究了虛假線上消費者評論的現象。他指出虛假評論者使用的兩種方法：眾包營銷活動和人工智慧。

眾包營銷是“眾包”和“草根營銷”的組合。眾包營銷發生在“不法分子付錢給使用者組，讓他們線上執行可疑或非法行為” [9]。在線上評論方面，會招募人員來撰寫虛假消費者評論，以支援或反對某些產品。這些評論通常不會被自動程式檢測到，因為它們是由真人撰寫的。這些活動的範圍受到作者所需報酬的限制。這使大型公司在競爭中優於小型公司。

人工智慧 (AI) 也被用來建立虛假線上消費者評論。過去，基本計算模型被程式設計為釋出虛假線上消費者評論，但是，它們在模模擬人撰寫的評論方面的能力仍然不足。隨著這項技術的改進，神經網路變得越來越流行。神經網路是計算模型，它們使用連線的神經元網路來解決機器學習任務 [9]。這些“神經元”是包含有關線上消費者評論資訊的資料庫：常見詞語/短語、句子結構等。神經網路學習如何撰寫類似於真人撰寫的評論，從而也避免被自動程式檢測到。

案例研究

亞馬遜

在得出結論，客戶不信任付費評論後，亞馬遜禁止了付費評論，現在聲稱會對其網站上的這些評論進行監管。然而，禁止虛假評論並沒有消除它們，而是迫使公司更加隱蔽地運作，因此很難識別這些虛假評論。虛假評論不僅給亞馬遜帶來了問題，也給那些不使用虛假評論的公司帶來了問題。ReviewMeta 的運營商湯米·努南表示：“如今，如果你公平競爭，很難在亞馬遜上銷售任何商品。如果你想讓你的產品具有競爭力，你就必須以某種方式製造評論，” [10]。

Facebook 已經成為賣家組建群組並尋找購物者為他們撰寫虛假評論以換取金錢或其他形式的報酬的媒介。這些群組使用一些技巧來避免被亞馬遜檢測到，例如將目標對準有撰寫亞馬遜評論歷史的購物者。購物者通常會同意撰寫虛假評論，僅僅是為了賺點錢 [10]。在一個例子中，一位購物者從亞馬遜購買了一件商品，因為它有很好的評價，結果收到商品後發現廉價的塑膠根本無法達到預期目的。儘管成為虛假評論結果的受害者，這位客戶現在仍然在亞馬遜上為公司撰寫虛假評論。當被問及原因時，他回答說：“我認為人們不能撰寫虛假評論……但我需要錢，” [11]。

許多在亞馬遜上使用虛假評論的公司來自中國，它們希望進入美國市場。這些公司利用亞馬遜銷售其產品，可以使用亞馬遜的聲譽從客戶那裡獲得業務。這最終可能會損害亞馬遜，因為客戶開始意識到其購買商品的質量低下。儘管亞馬遜努力消除虛假評論，但有太多團伙秘密出售評論，因此永遠無法完全消除它們。隨著亞馬遜演算法的改進，評論者改變了他們的程式以減少嫌疑。只要虛假評論有激勵，它們就會繼續成為一個問題 [11]。

達利奇的棚屋

2017 年 4 月，Vice 的記者 Oobah Butler 建立了一家假餐廳，並透過偽造客戶評論，在 TripAdvisor 上獲得了倫敦排名第一的成績。他之前曾在 TripAdvisor 上為餐廳撰寫過虛假評論，透過自由職業釋出找到他的客戶。這啟發他透過將自己位於倫敦達利奇的棚屋變成一家假餐廳來測試虛假評論的有效性。他稱它為“達利奇的棚屋” [12]。

Butler 購買了一部預付費手機，拍攝了假食物的照片，並招募朋友在 TripAdvisor 上為他餐廳撰寫五星評論。這家餐廳最初排名第 18,149 位——倫敦 TripAdvisor 上排名最低的餐廳 [13]。然而，隨著它收到更多評論，它繼續攀升排名，直到 6 個月後的 2017 年 11 月 1 日，它成為倫敦排名第一的餐廳 [13]。其中一條評論寫道：“在倫敦度過一個週末，聽說這地方是必遊之地。經過幾次令人沮喪的電話後，我進來了。” [14] 為了增加可信度，一位評論者加入了負面反饋，聲稱他們被提供了一條帶有汙漬的毯子，但仍然給達利奇的棚屋評了五星 [14]。

這家餐廳如此成功，甚至收到了一條一星評論，很可能是來自競爭對手餐廳。具有諷刺意味的是，TripAdvisor 將這條評論識別為虛假評論並將其刪除 [12]。Butler 最終接到了數百個預訂電話，打到他的預付費手機上 [13]。透過讓預訂變得困難，Butler 讓這家“餐廳”變得獨家，這進一步增加了需求。

TripAdvisor 的軟體會掃描評論，以發現強烈的正面或負面偏差，從而捕捉到虛假評論。它還會跟蹤評論者的 IP 地址，以查詢可疑活動 [15]。然而，Butler 利用朋友從各種電腦上撰寫逼真的評論的方法，使得虛假評論幾乎無法檢測到。

這個案例展示了線上消費者評論的強大之處和脆弱性。線上消費者評論有能力成就或毀掉一家企業，而該系統卻極易受到虛假資訊的攻擊，即使在最值得信賴的評論網站之一上也是如此。達利奇的棚屋最終被認定為假冒餐廳，並被從 TripAdvisor 的網站上刪除。然而，Butler 仍然懷疑 TripAdvisor 是否更接近解決虛假評論問題的方案。他說：“這麼說吧：我仍然沒有被 TripAdvisor 禁止” [12]。

檢測虛假評論

虛假線上消費者評論的增加促使人們建立了一個虛假評論識別網站：fakespot.com。該網站使用人工智慧來確定亞馬遜、TripAdvisor、Yelp 和沃爾瑪等網站上評論的可信度 [16]。消費者可以在瀏覽評論時使用它，但它可能並不總是可靠。消費者應該學會如何自己判斷虛假評論。

保持懷疑

消費者應該相信自己能夠發現虛假線上評論。在相信任何線上評論之前，都應該仔細檢查它。

檢查日期

眾包營銷活動會讓他們的作者在同一時間釋出他們的虛假評論，以便對最近的評論產生更大的影響。如果在同一時間範圍內有大量評論湧現，而且它們都表達了類似的觀點，那麼它們可能是虛假的。

考慮語言

如果評論難以理解或完全無法理解，那麼它們很可能是虛假評論。

檢查個人資料

賬戶用於建立線上消費者評論。為了確定評論是否虛假，消費者可以檢查評論者的個人資料。如果個人資料看起來是假的，那麼評論也可能是假的。消費者還可以搜尋評論者的個人資料，以確定是否可以信任該評論者。

驗證購買

銷售產品的公司通常會驗證評論者是否實際購買過該產品。如果是這樣，那麼這些評論的可信度更高。

結論

人們信任同齡人的意見，並且經常根據這些意見做出決策。公司可以透過偽造評論來利用這一系統。因此，客戶在做出購買決定之前，應該批判性地評估線上評論。進一步的研究可以檢驗虛假評論對線上供應商可信度的影響，以及網站用來檢測虛假評論的方法的有效性。

來源

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