Amazon の偽レビューは 1 件あたり 116 元かかる

有名な電子商取引プラットフォームである Amazon では、偽のレビューが消費者に偽品や粗悪品の購入を誘導しています。 Amazon はこれに対していくつかの制御を実施していますが、依然としてこの現象を完全に排除することはできません。最近、一部のメディアが、Amazonの出品者が専門の偽造会社から偽レビューを高値で大量に購入し、大規模なグレーマーケットを形成していると報じた。このような偽レビューを特定し、規制するにはどうすればよいでしょうか?この中でAIはどのような役割を果たせるのでしょうか？

Amazonは長い間、偽レビューとの戦いに忙しい。

最近、海外メディア「デイリーメール」が、アマゾンのプラットフォーム上で偽レビューの販売を専門に行う企業グループが存在し、偽レビューの価格は13件であるとの調査結果を発表した。ポンド（約）116元で販売されています。

暴露によると、ドイツにある会社 AMZTigers はこの種の不公平な取引を専門とし、英国に 3,000 人のテスターを擁し、ヨーロッパ全土に約 60,000 人のテスターを擁し、迅速な偽レビュー サービスを提供しています。

アマゾンはプラットフォームに規制措置を講じたと繰り返し述べており、過去1年間で顧客を悪用、詐欺、その他の形態の違法行為から守るために3億ポンド（27億2,600万元）を費やした。しかし、この報告書は彼らの研究にまだいくつかの抜け穴があることを明らかにしました。

偽レビューは Amazon だけが直面する必要がある問題ではありません。実際、電子商取引プラットフォーム全体で偽レビューや不正レビューが蔓延しており、これはオンライン ショッピング環境に依然として残る霧のようなものです。

ネットショッピングの普及に伴う偽レビュー

偽のレビューの背後には、巨大な市場の関心と悪質な競争があります。

成人 2,000 人を対象とした調査では、97% 購入者以上がオンライン レビューを頼りに購入の最終決定を行っていることがわかりました。

偽のレビューと一緒に偽のレビューも表示されることがよくあります。昨年末の北京ニュースの調査によると、アリババは2018年だけで2,384の注文詐欺QQグループと290の空パッケージ取引プラットフォームを含む2,800以上の注文詐欺グループを監視していたという。

注文やレビューに対する不正行為のしきい値は非常に低く、インターネット上のどこでも見ることができ、また膨大なトラフィックも制御されます。たとえば、大規模プラットフォーム「Handshake.com」の顧客サービスでは、60万人の「スワイパー」がいると主張していますが、「Baabaoshuan.com」では、オンラインには毎日1万人近くの「スワイパー」がいると主張しています。暴露後、一部のプラットフォームは閉鎖されましたが、他のプラットフォームは名前を変更して注文を消去するビジネスを再開しました。

CCTVはまた、規格外の商品を販売する子供用品会社が1年間に77万元以上の注文を1,231件偽造し、注文のブラッシング手数料2万元の40倍近くの虚偽の取引記録を偽造したことも暴露した。

電子商取引、オンラインの「ハンドブラッシング」、および注文詐欺のチャネルが絡み合って、巨大な闇の注文詐欺産業チェーンを形成しています。これらのプロセスには、一連の複雑かつ詳細な操作プロセスがあり、その結果、多数の誤った販売や誤ったレビューが発生しています。

2019年1月1日、「電子商取引法」が施行され、「注文詐欺」を違法行為として定義し、「電子商取引事業者は、虚偽の宣伝を行ったり、架空の取引により消費者を欺き、又は誤解を与えたりしてはならない」と規定されました。しかし、法律違反のコストが低いこと、隠蔽が強力であること、プラットフォームの推奨メカニズムにより、この現象は急速に拡大しました。

電子商取引プラットフォームがより完全な管理システムから学習する必要性に加えて、おそらく別の実現可能な方法は、AI の力をうまく活用することです。

AI テクノロジーは偽造品と戦うための強力なツールになりつつあります

偽のレビューは人々や電子商取引プラットフォームによって真剣に受け止められてきたため、従来のデータ分析手法が偽/不正なレビューを検出するために使用されてきました。ただし、初期のデータ分析手法は通常、定量的および統計的なデータの特徴を抽出することに焦点を当てていました。

これらの方法では、一部のローエンドの不正行為を排除できます。より包括的で詳細なデータ分析を実行するには、システムに大量のバックグラウンド データが装備されており、このデータを含む推論タスクを実行できる必要があります。

その結果、一部の研究者は、偽レビューと戦うためのより効果的な方法を使用するために、機械学習と人工知能に目を向けています。

本物のレビューと偽のレビューでは、言語的特徴にいくつかの違いがあります。たとえば、新規登録ユーザーのコメントが過剰な賛辞で溢れている場合、そのコメントは荒らしによるものである可能性が非常に高いです。教師あり/教師なし学習手法を使用して AI にこれらの違いの判断を学習させることは、AI が偽造品と戦うための重要なステップです。

この種の技術は、自然言語処理のカテゴリに属します。一般的な電子商取引プラットフォーム上で虚偽で信頼性の低い消費者レビューを抽出して特定することで、アルゴリズムはトレーニングを通じて虚偽のレビューを特定して判断する方法を学習し、最終的にはユーザー レビューの信頼性をスコアリングする方法を学習します。

重要なタスクの 1 つは、異常検出を実行し、そのコメントが通常のユーザーのものであるか悪意のある偽のコメントであるかを、レビュー担当者の入手可能なさまざまな情報と組み合わせた書き方と形式に基づいて判断することです。

疑わしいスペルや文法を、レビューの量、購入方法、日付の不一致、その他の不審なレビュー活動の兆候と組み合わせて探します。次に、人間の分析チームと組み合わせて、複数のデータ次元から分析を実行して、コメントの信頼性を判断します。

さらに、コメント密度、感情分析、査読者の意味検出に基づいて、コメントをより正確に判断するためのより詳細な研究がいくつかあります。

AI は健全なオンライン ショッピング環境を提供できるでしょうか?

ユーザーレビューからさらに詳しい製品情報を探ろうとすると、すでに下心を持つ人たちが違法な利益を上げるための交渉材料として利用しているのです。

AI は、これらのプラットフォームからの誤ったレビューをフィルタリングし、比較的クリーンなオンライン ショッピング環境を構築するのに役立ちます。

同時に、AIは虚偽のレビューを作成するためにも使用され、その後、AIの不正を検出する技術が誕生しました...この戦いは徐々にAIの攻撃と防御の戦いにエスカレートしました。

しかし確かなことは、テクノロジーをうまく利用し、適切なテクノロジーを使用することによってのみ、最終的な勝利を達成できるということです。

- 以上 -