아마존 가짜 리뷰는 리뷰당 116위안입니다. 온라인 사기꾼들이 돈을 버는 것은 얼마나 쉬운가요?

잘 알려진 전자상거래 플랫폼인 아마존에서는 가짜 리뷰로 인해 소비자들이 위조 제품을 구매하도록 오도되는 일이 빈번하게 발생했습니다. 아마존이 몇 가지 통제 조치를 시행했지만, 여전히 이런 현상을 완전히 없앨 수는 없습니다. 최근 일부 언론에서는 아마존 판매자들이 전문적인 위조 회사로부터 고가로 대량의 가짜 리뷰를 구매하고 심지어 대규모 회색 시장을 형성하고 있다고 보도했습니다. 가짜 리뷰를 식별하고 단속하는 방법은 무엇일까? 여기서 AI는 어떤 역할을 할 수 있을까?

Amazon은 가짜 리뷰를 퇴치하는 데 어려움을 겪고 있습니다.

최근 외신 데일리메일은 아마존 플랫폼에서 가짜 리뷰를 판매하는 데 특화된 회사들이 있다는 조사 결과를 공개했습니다. 이들은 웹사이트에 게시된 가짜 리뷰를 몰래 조작하고, 가짜 리뷰 한 개는 13파운드(약 116위안)에 판매됩니다.

폭로에 따르면, 독일에 본사를 둔 AMZTigers라는 회사는 이런 종류의 불법 거래를 전문으로 합니다. 영국에만 3,000명의 테스터가 있고 유럽 전역에는 약 60,000명의 테스터가 있어 빠른 가짜 리뷰 서비스를 제공합니다.

Amazon은 자사 플랫폼에 대한 규제 조치를 시행했으며 지난해 고객을 학대, 사기 및 기타 부정 행위로부터 보호하기 위해 3억 파운드(27억 2,600만 위안)를 지출했다고 반복해서 밝혔습니다. 하지만 이 보고서는 그들의 작업에는 여전히 몇 가지 허점이 있다고 밝혔습니다.

가짜 리뷰는 아마존만의 문제가 아닙니다. 사실, 가짜/사기성 리뷰는 전자상거래 플랫폼 전반에 걸쳐 만연해 있으며, 온라인 쇼핑 환경에서는 늘 존재하는 현상입니다.

온라인 쇼핑으로 가짜 리뷰 확산

가짜 리뷰 뒤에는 엄청난 시장 이익과 치열한 경쟁이 있습니다.

2,000명의 성인을 대상으로 실시한 설문 조사에 따르면, 구매자의 97% 이상이 최종 구매 결정을 내리기 위해 온라인 리뷰를 참고한다고 밝혔습니다.

가짜 주문과 함께 가짜 리뷰가 나타나는 경우가 많습니다. 작년 말 베이징 뉴스의 조사에 따르면 알리바바는 2018년에 2,800개 이상의 가짜 주문 조직을 모니터링했으며, 여기에는 가짜 주문 QQ 그룹 2,384개, 빈 패키지 거래 플랫폼 290개, 가짜 주문 거래 플랫폼 237개가 포함되었습니다.

브러싱 주문과 리뷰에 대한 문턱은 매우 낮고, 인터넷 어디에서나 찾아볼 수 있으며, 엄청난 트래픽을 제어합니다. 예를 들어, 대형 플랫폼 "Handshake.com"의 고객 서비스는 60만 명의 "브러싱 서비스 제공자"가 있다고 주장하는 반면, "Baobao Brushing Orders.com"은 매일 온라인에 접속하는 "브러싱 서비스 제공자"가 거의 1만 명에 달한다고 주장합니다. 이 사실이 폭로된 후 일부 플랫폼은 문을 닫았고, 다른 플랫폼은 이름을 바꾸고 가짜 주문 사업을 다시 시작했습니다.

CCTV는 또한 어느 아동용품 회사가 불량품을 판매하면서 1년 동안 1,231건의 가짜 주문을 받았고, 총액이 77만 위안이 넘었으며, 실제 주문량의 40배에 가까운 허위 거래 내역을 위조한 사실도 폭로했습니다. 이 회사는 또한 이를 위해 가짜 주문 수수료로 약 2만 위안을 지불했습니다.

전자상거래, 온라인 "브러시", 가짜 주문 채널이 서로 얽혀 거대한 가짜 주문의 암흑 산업 사슬을 형성합니다. 이들은 복잡하고 세부적인 운영 절차를 갖추고 있어 수많은 허위 판매와 허위 리뷰가 발생합니다.

2019년 1월 1일, "전자상거래법"이 시행되어 "브러싱 주문"을 불법행위로 정의하고, "전자상거래 사업자는 허위거래, 사용자 리뷰 조작 등의 방법으로 허위선전 행위를 하여 소비자를 기만하거나 오도해서는 안 된다"고 규정했습니다. 하지만 불법 행위에 드는 비용이 낮고 은폐성이 높으며, 플랫폼의 추천 메커니즘과 다른 이유들이 더해지면서 이러한 현상이 엄청나게 커졌습니다.

전자상거래 플랫폼이 보다 완벽한 관리 시스템을 도입해야 할 필요성 외에도, AI의 힘을 잘 활용하는 것도 실현 가능한 방법일 수 있습니다.

AI 기술은 위조 방지를 위한 강력한 도구가 되고 있습니다.

가짜 리뷰가 사람들과 전자상거래 플랫폼의 관심을 끌면서, 기존의 데이터 분석 방법을 사용하여 가짜/사기 리뷰를 감지하게 되었습니다. 그러나 초기 데이터 분석 기술은 일반적으로 양적, 통계적 데이터 특성을 추출하는 데 초점을 맞췄습니다.

이러한 방법을 사용하면 일부 저급 사기를 걸러낼 수 있습니다. 더욱 포괄적이고 심층적인 데이터 분석을 수행하려면 시스템에 많은 양의 배경 데이터가 갖춰져야 하며, 데이터를 활용한 추론 작업을 수행할 수 있어야 합니다.

그 결과, 일부 연구자들은 가짜 리뷰를 퇴치하는 더 효과적인 방법으로 머신 러닝과 인공 지능을 도입했습니다.

실제 리뷰와 가짜 리뷰 사이에는 언어적 특징에 약간의 차이가 있습니다. 예를 들어, 새로 가입한 사용자의 댓글이 과도한 칭찬으로 가득 차 있다면, 그 댓글은 비공개 그룹에서 온 것일 가능성이 높습니다. AI가 이러한 차이점을 판단하는 법을 배우도록 지도 학습 및/또는 비지도 학습 방법을 사용하는 것은 위조에 맞서는 AI의 싸움에서 중요한 단계입니다.

이런 종류의 기술은 자연어 처리 범주에 속합니다. 인기 있는 전자상거래 플랫폼에서 거짓되고 신뢰할 수 없는 소비자 리뷰를 추출하고 식별함으로써, 알고리즘은 거짓 리뷰를 식별하고 판단하는 방법을 배우고 궁극적으로 사용자 리뷰의 신뢰성을 평가하는 방법을 배우게 됩니다.

중요한 작업 중 하나는 이상 탐지를 수행하는 것입니다. 이상 탐지는 댓글 작성자의 다양한 정보와 글쓰기 스타일 및 형식을 결합하여 댓글이 일반 사용자의 댓글인지 악의적인 가짜 댓글인지 판별하는 것입니다.

리뷰 수, 구매 방법, 날짜 불일치 등 의심스러운 리뷰 활동의 징후와 함께 의심스러운 철자 및 문법을 살펴보세요. 인간 분석팀과 협력하여 다양한 데이터 차원에서 분석을 실시하여 리뷰의 진위 여부를 판별합니다.

이 외에도 댓글 밀도, 감정 분석, 댓글 작성자의 의미 감지 등을 기반으로 댓글에 대한 보다 정확한 판단을 내리는 좀 더 세부적인 연구들도 있습니다.

AI가 건강한 온라인 쇼핑 환경을 제공할 수 있을까?

우리가 사용자 리뷰에서 더 많은 제품 정보를 찾으려고 할 때, 이미 숨은 의도를 가진 사람들이 그것을 불법적인 이익 추구의 도구로 사용한 적이 있습니다.

AI는 이러한 플랫폼에서 거짓 리뷰를 걸러내고 비교적 깨끗한 온라인 쇼핑 환경을 조성하는 데 도움이 될 수 있습니다.

동시에 AI는 허위 리뷰를 만드는 데에도 활용될 것이며, AI 사기를 적발하는 기술이 탄생하게 되었습니다... 이러한 경쟁은 점차 AI의 공격과 방어의 전투로 확대되었습니다.

하지만 확실한 것은 기술을 잘 활용하고 올바르게 사용해야만 궁극적인 승리를 이룰 수 있다는 것입니다.

-- 위에--