Max Home IndustryПытаясь улучшить качество отзывов на своем сайте в США, Amazon представила новую платформу машинного обучения, разработанную собственными силами.
Отзывы клиентов и его 5-звездочная рейтинговая система были важной частью успеха Amazon как онлайн-рынка, поэтому распространенность фальшивых отзывов на его сайте является реальной проблемой для Amazon.
В апреле Amazon подала в суд на компанию, которая открыто торговала фальшивыми 5-звездочными отзывами, утверждая:
«Хотя количество этих обзоров невелико, они угрожают подорвать доверие клиентов и подавляющего большинства продавцов и производителей к Amazon, тем самым запятнав бренд Amazon»,
Вероятно, это недооценивает масштабы проблемы, и недавно Управление по конкуренции и рынкам Великобритании начало расследование проблемы того, что, по его словам, представляет собой миллионы фальшивых онлайн-обзоров.
Amazon уже использует машинное обучение в своей системе рекомендаций, при которой, когда вы совершаете покупку, вам предлагается совершить дальнейшие покупки, основанные не только на том, что вы купили, но и на покупательских привычках и других клиентах с аналогичными интересами. Теперь он расширяет использование машинного обучения для улучшения системы звездных рейтингов и надежности отзывов:
Представитель Amazon Джули Лоу сказала CNet:
«Система будет узнавать, какие отзывы наиболее полезны для клиентов … и со временем она улучшается. Все это предназначено для того, чтобы сделать отзывы клиентов более полезными».
Новая система будет уделять больше внимания новым отзывам, отзывам проверенных покупателей Amazon и тех, за полезность которых проголосовало больше клиентов. Рейтинг продукта, который раньше был простым средним значением всех обзоров, также будет взвешиваться с использованием тех же критериев, и поэтому может меняться чаще.
Первоначально эта система используется только в Соединенных Штатах, и на самом деле, похоже, что она недостаточно эффективна в устранении мошеннических обзоров, что, по-видимому, ИИ в высшей степени подходит для решения, ища выбросы в наборе обзоров, которые, если они касаются к одному и тому же продукту, следует характеризовать консенсусом. Это также кажется подходящим для выявления рецензентов, которые ведут себя нестандартно. Например, рецензент с одним обзором высокотехнической книги по программированию на Лиспе и множеством других обзоров по темам, не связанным с программированием.
В конце концов, проблема заключается в основной мотивации отзывов клиентов. Большинство клиентов просто хотят купить товар и жить своей жизнью. Если продукт окажется плохим, они могут вернуться на страницу обзора и выплеснуть гнев, таким образом смещая истинные отзывы на отрицательные. Положительные подлинные отзывы, скорее всего, будут редкостью, потому что у клиентов нет реальной причины тратить время на то, чтобы высказывать свои мысли. Это позволяет небольшому количеству оплачиваемых рецензентов загромождать систему.
Имея это в виду, самое простое решение для ложных отзывов — это не ИИ, а экономика. Чтобы улучшить качество обзоров, то, что необходимо, — это хороший повод написать отзыв, который не коррелирует с качеством продукта. Таким образом, большее количество подлинных отзывов клиентов затмит меньшее количество мошеннических. Возможно, Amazon следует просто кредитовать счета клиентов в обмен на обзор — тогда все отзывы будут оплачены.