亚马逊虚假评论 116 元/条，水军挣钱有多容易？

SegmentFault思否 · 公众号 · 程序员 · 2019-12-28 10:30

正文

场景描述：

在知名的电商平台亚马逊上，虚假评论一直在诱导着消费者购买伪劣产品。尽管亚马逊对此进行了一些管控，但依旧无法将其一网打尽。

近期，有媒体报道亚马逊的卖家正在从专业的造假公司手中，以不菲的价格大量购买虚假评论，甚至还形成了一个不小的灰色市场。如何识别和监管这些假冒评论？ AI 在其中又能扮演什么样的角色？

关键词： 电商购物虚假评论自然语言处理

一直以来，亚马逊就在对抗虚假评论的道路上忙得焦头烂额。

亚马逊实行了大量的监管手段，还是存在许多虚假评论

近日，外媒《每日邮报》发布了一项调查，在亚马逊平台上，活跃着一批专门兜售虚假评论的公司，他们背后操纵着网站上的虚假评论，每条假评论以 13 英镑（约为 116 元）的价格进行售卖。

在爆料中，一家位于德国的公司 AMZTigers ，就专门从事着这类不正当的交易，它在英国有 3,000 名测试人员，整个欧洲有近 6 万名人员，以提供快速的虚假评论服务。

亚马逊曾多次表示对平台实行了监管措施，在过去一年里，更是花费了 3 亿英镑（ 27.26 亿元），来保护客户免受滥用、欺诈和其他形式的不当行为。但这次的报道，侧映了它们的工作还有一些漏洞存在。

英国消费者协会曾怒将诸多亚马逊商品

打上「别买」的标签

虚假评论不仅仅只是亚马逊需要面临的问题，事实上，整个电商平台都存在着泛滥的假冒/欺诈性评论，这几乎就是网购环境下挥之不去的阴霾。

伴随着网购蔓延而来的虚假评论

虚假评论泛滥的背后，是巨大的市场利益驱动和恶性竞争在作怪。

在一项针对 2000 名成年人的调查统计中显示，超过 97% 的买家会依赖在线评论的内容，做出最后的购买决定。

虚假评论往往伴随刷单一起出现。在去年底，新京报的一项调查中提及，阿里单在 2018 年一年里，就监控到 2800 多个刷单团伙，其中包括刷单 QQ 群 2384 个，空包交易平台 290 个，刷单交易平台 237 个。

刷单刷评的门槛很低，网络上随处可见，也掌握着巨大的流量。比如大平台「握手网」客服号称有 60万「刷手」，而「宝宝刷单网」则称每天有近万名「刷手」在线。在遭曝光后，一些平台关闭，另一些则改头换面重新开始刷单业务。

国内的电商平台也存在明目张胆的刷单刷评行为

央视也曾曝光过，一家销售不合格产品的儿童用品公司，在一年内刷单数量达到 1231 单，涉及金额超过 77 万元，伪造了近 40 倍的虚假交易记录，支也为此支付了约 2 万元的刷单佣金。

电商、网络「刷手」、刷单渠道，交织在一起，构成了庞大的刷单黑色产业链，它们有着一整套复杂而详细的运作流程，以制造大量的虚假销量和虚假评论。

央视报道中提及，连差评都可能是假的

2019 年 1 月 1 日，《电子商务法》开始施行，其中将「刷单」定义为违法行为，规定「电子商务经营者不得以虚构交易、编造用户评价等方式进行虚假宣传，欺骗、误导消费者。」但因为违法成本低、隐蔽性强等特点，再加上平台的推荐机制等原因，催生了这一现象的野蛮生长。

除了电商平台需要借鉴更加完善的管理制度之外，也许另一种可行的方式，就是善用 AI 的力量。

AI 技术正成为打假的利器

从虚假评论受到人们和电商平台的重视以来，传统的数据分析方法，就一直被用来检测假冒/欺诈性评论。但早期的数据分析技术，通常以提取定量和统计数据特征为主。

亚马逊上「不走心」的重复假评论

这些方法，能够筛选出一些低端的造假，想要进行更全面深度的数据分析，系统必须配备大量的后台数据，并能够执行涉及该数据的推理任务。

于是，一些研究人员将方向转向了机器学习和人工智能，用更有效的方法来对抗虚假评论。

Fakespot 是一款基于 AI 的线上检测工具

支持亚马逊、Steam、沃尔玛的评论检测

真实的评论和虚假评论之间，有一些语言特征上的差异。比如一个刚注册的用户，在评论中充斥了过分的溢美之词，那么很有可能是来自水军的评论。使用有监督/或无监督的学习方法，让 AI 学会去判断这些差异，就是 AI 进行打假的关键一步。

此类技术，归属于自然语言处理上的范畴。通过提取和识别流行的电商平台上，虚假和不可靠的消费者评论，通过训练让算法学会识别和判断虚假评论，最终学会给用户评论的可信度进行打分。

这其中一项重要的任务，在于进行异常检测，从书写样式、格式，结合评论者的多种可用资料，判断该评论属于正常用户还是恶意的假冒评论。

比如发现拼写和语法上可疑之处，结合评论数量，购买方式，日期不匹配以及其他可疑评论活动的迹象。