211service.com
Statistiche Smaschera le recensioni false online
Cercando hotel in città che non hanno mai visitato, le persone spesso si rivolgono alle recensioni scritte dai clienti su siti web come TripAdvisor. Ma come fanno a sapere che quelle recensioni non sono state scritte dal direttore dell'hotel o da qualcuno pagato per pubblicare opinioni false online? La Federal Trade Commission degli Stati Uniti ha emesso multe quando ha scoperto tale spam di opinione, ma non c'è un modo semplice per individuarlo.
Ora i ricercatori della State University di New York, Stony Brook, hanno escogitato un metodo scientifico per rilevare se qualcuno ha pubblicato recensioni false online. La loro tecnica, presentata al Conferenza internazionale su blog e social media a Dublino, in Irlanda, all'inizio di questo mese, non identifica le singole recensioni fraudolente. Invece, guarda come le recensioni false distorcono la distribuzione statistica dei punteggi di un hotel, una sorta di analisi forense che mostra che sta succedendo qualcosa di divertente.
La tecnica è in grado di individuare dove si trovano le densità di recensioni false per un dato hotel, afferma Yejin Choi , un assistente professore di informatica presso Stony Brook, che ha svolto il lavoro con i colleghi.
Se i punteggi delle recensioni per qualsiasi prodotto, incluso un hotel, vengono tracciati su un grafico, producono naturalmente uno schema che assomiglia più o meno alla lettera J. Cioè, quando qualcosa viene valutato da una a cinque stelle, dovrebbe avere un valore relativamente alto quantità di recensioni a una stella, meno due, tre e quattro e quindi un numero elevato di valutazioni a cinque stelle. Paolo Pavou , professore associato di sistemi di gestione delle informazioni presso la Fox School of Business della Temple University, che studia il commercio online, spiega che questa distribuzione è causata dalla tendenza delle persone a comprare le cose che gli piacciono, e quindi ad apprezzare ciò che acquistano. Inoltre, afferma, se un acquisto generalmente soddisfa le aspettative, l'acquirente di solito è meno spinto a scrivere una recensione rispetto a quando l'esperienza è stata estremamente positiva o estremamente negativa.
Ma le recensioni false distorcono questa forma normale. Per trovare la distorsione, e quindi mostrare che c'erano recensioni false nel mix, il team di Stony Brook ha prima selezionato i revisori che riteneva più affidabili. Questi erano quelli che avevano scritto almeno 10 recensioni, a più di un giorno o due di distanza, e la cui valutazione non si discostava eccessivamente dalla media di tutti gli hotel.
I ricercatori hanno quindi confrontato le valutazioni di quei revisori con le valutazioni di revisori singoli per vedere se quel secondo set aveva un numero insolitamente alto di recensioni a cinque stelle. Gli hotel con maggiori discrepanze tra questi due gruppi di revisori sono stati etichettati come più sospetti. Choi ha anche confrontato il rapporto tra recensioni positive e negative tra diversi gruppi di revisori. E ha cercato improvvise esplosioni di attività di revisione che potrebbero far parte di una campagna di marketing.
Per convalidare i risultati, Choi e i suoi colleghi si sono rivolti al lavoro precedente che aveva svolto con un informatico Jeff Hancock della Cornell University. Avevano assunto persone per scrivere recensioni false di hotel; un algoritmo di apprendimento automatico ha quindi analizzato le recensioni false e ha individuato indizi testuali, come troppi superlativi, che le hanno fatte risaltare dalle recensioni reali. Questa volta, hanno fatto misurare al computer l'effetto che le recensioni false note avevano sulla forma della distribuzione. Confrontandolo con i risultati dell'altro approccio di Choi, ha riscontrato attività fraudolente il 72% delle volte.
Utilizzando una tale tecnica, un sito come TripAdvisor potrebbe applicare una correzione alle valutazioni medie degli hotel. E i risultati sospetti potrebbero essere abbinati ad altri approcci, come l'analisi testuale, per un risultato più sicuro.
Choi ammette che, poiché è così difficile essere sicuri di quali recensioni siano effettivamente false, l'approccio è imperfetto, ma il fatto che i suoi risultati siano significativamente migliori del caso significa che sta funzionando. È davvero improbabile che una strategia casuale raggiunga una precisione del 72%, afferma. Pavou, che non è stato coinvolto nella ricerca, afferma che l'approccio sembra valido.
Choi afferma che i revisori falsi potrebbero pensare che sia stato un crimine perfetto, ma la verità è che hanno distorto la forma dei punteggi delle recensioni dei propri hotel e questo lascia un'impronta dell'attività ingannevole, e più lo fanno, più forte diventa.