Une autre tactique recommandée consiste à laisser des critiques négatives sur d’autres produits pour donner une apparence plus authentique au profil d’un critique. Beaucoup de ces critiques sont des gens qui achètent déjà sur Amazon, y compris des membres Prime, qui sont tentés par la promesse d’un cadeau.
Jouer avec le système
La manière précise dont les notes d’étoiles d’Amazon sont calculées est un secret. La société utilise un modèle d’apprentissage automatique propriétaire qui inclut plusieurs facteurs, notamment le comportement passé de l’auteur de l’avis, si les achats sont vérifiés et la date à laquelle un avis est récent. Son modèle de détection des faux avis s’est sans aucun doute amélioré au fil des ans, tout comme les techniques de l’escroc.
Passez en revue les fermes utilisées pour utiliser des générateurs de chaînes de Markov, un algorithme qui peut créer des phrases rudimentaires en utilisant des phrases courantes et des probabilités pour prédire les structures de phrases. C’est selon Saoud Khalifah, le fondateur de Fakespot, une entreprise qui détecte les fausses critiques et les escroqueries. « Aujourd’hui, ils utilisent des modèles d’apprentissage automatique fonctionnant à partir de données récupérées pour analyser d’anciennes critiques et réutiliser les mots. »
Avec l’aimable autorisation de Rajvardhan Oak
Khalifah a lancé Fakespot depuis sa chambre après avoir acheté un supplément cinq étoiles et reçu un produit qui « ressemblait à quelqu’un qui l’avait fabriqué dans un garage en tant que projet parallèle ». Il a commencé par créer un programme capable de détecter les générateurs de texte, mais a ensuite commencé à intégrer d’autres attributs trouvés dans de fausses critiques. Il a créé un site Web, l’a transmis à ses amis et à sa famille, et en peu de temps, il a quitté son poste d’ingénieur logiciel chez Goldman Sachs pour se consacrer à plein temps à Fakespot.
Vous pouvez télécharger l’application Fakespot pour Android et iOS, ou l’ajouter à votre navigateur et l’utiliser pour analyser les avis de divers détaillants, notamment Amazon, Best Buy, eBay et Walmart. Khalifah dit que Fakespot utilise 20 à 30 modèles d’apprentissage automatique lorsqu’il analyse une liste et a plus de 12 milliards d’avis dans sa base de données. Chaque modèle se concentre sur un attribut particulier : l’un évalue la façon dont les gens écrivent, un autre identifie les liens vers des groupes promotionnels, et un autre plonge profondément dans le profil de l’examinateur. La sauce secrète est que Fakespot peut suivre les critiques sur toutes les plateformes.
Certains fraudeurs utilisent ces systèmes automatisés, mais Khalifah reconnaît que Fakespot ne peut pas faire grand-chose avec le recrutement de faux avis sur les réseaux sociaux, que vous soyez sur Facebook, Twitter ou Telegram. C’est un problème qu’Amazon combat depuis des années.
« Nous avons des équipes dédiées à la découverte et à l’enquête sur les faux courtiers en avis », a déclaré un porte-parole d’Amazon à WIRED. «Nos enquêteurs experts, avocats, analystes et autres spécialistes traquent les courtiers, rassemblent des preuves sur leur fonctionnement, puis nous engageons des poursuites judiciaires contre eux. Nous nous engageons à maintenir la fiabilité des avis dans nos magasins, et cette stratégie d’arrêt des fraudeurs fonctionne. »