自1995年亚马逊开业以来，顾客评论一直是顾客喜欢在亚马逊商店购物的核心原因。亚马逊确保顾客可以很容易地留下诚实的评论，以帮助世界各地数百万其他顾客做出购买决定。与此同时，该公司让坏人很难利用亚马逊值得信赖的购物体验。
那么，当客户提交评论时会发生什么呢?在网上发表评论之前，亚马逊会使用人工智能(AI)来分析评论的已知指标，以确定评论是假的。绝大多数评论通过了亚马逊对真实性的高门槛，并立即发布。然而，如果发现潜在的审查滥用，公司可以采取几种途径。如果亚马逊确信评论是假的，他们会迅速采取行动阻止或删除评论，并在必要时采取进一步行动，包括撤销客户的评论权限，封锁不良行为者的账户，甚至对相关方提起诉讼。如果一篇评论是可疑的，但需要额外的证据，亚马逊的专家调查人员在采取行动之前会寻找其他信号，他们受过识别虐待行为的专门训练。事实上，在2022年，亚马逊在其全球商店中发现并主动屏蔽了超过2亿条可疑的虚假评论。
亚马逊欺诈滥用和预防团队的高级数据科学经理乔希•米克表示:“虚假评论通过提供不公正、不真实或针对该产品或服务的信息，故意误导消费者。”“不仅数以百万计的消费者依靠亚马逊上评论的真实性来做出购买决定，而且数以百万计的品牌和企业也指望我们准确识别虚假评论，并阻止它们接触到他们的客户。我们努力负责任地监督和执行我们的政策，以确保评论反映真实客户的观点，并保护那些依赖我们正确判断的诚实卖家。”
在其他措施中，亚马逊利用人工智能的最新进展，在客户发现之前阻止了数亿条可疑的虚假在线评论、操纵评级、虚假客户账户和其他滥用行为。机器学习模型分析大量专有数据，包括卖家是否投资了广告(这可能会推动额外的评论)、客户提交的滥用报告、风险行为模式、评论历史等等。大型语言模型与自然语言处理技术一起用于分析数据中的异常情况，这些异常可能表明评论是虚假的，或者受到礼品卡、免费产品或其他形式的报销的激励。亚马逊还使用深度图形神经网络来分析和理解复杂的关系和行为模式，以帮助检测和删除不良行为者群体，或指出可疑活动进行调查。
米克说:“亚马逊以外的人并不总是能清楚地看出真假评论之间的区别。”“例如，一款产品可能会迅速积累评论，因为卖家投入了广告宣传，或者以合适的价格提供了一款很棒的产品。或者，客户可能会认为评论是假的，因为它包含糟糕的语法。”
这就是我们的一些批评者错误地发现虚假评论的地方——他们不得不在没有获得表明滥用模式的数据信号的情况下做出很大的假设。先进技术和专有数据的结合，帮助亚马逊超越了表面的滥用指标，更准确地识别出不良行为者之间的深层关系，从而识别出虚假评论。
“保持值得信赖的购物体验是我们的首要任务，”亚马逊可靠评论对外关系主管丽贝卡·蒙德(Rebecca Mond)说。“我们将继续发明新的方法来改进和阻止虚假评论进入我们的商店，保护我们的顾客，让他们可以放心购物。”
