Amazon e la Lotta alle Recensioni False:
Il Ruolo dell’Intelligenza Artificiale
Le recensioni autentiche sono fondamentali nell’esperienza di acquisto su Amazon, fin dalla sua nascita nel 1995. Amazon rende facile per i consumatori scrivere recensioni veritiere, che assistono le decisioni di milioni di altri clienti a livello globale.
Nel contempo, Amazon lotta contro chi cerca di manipolare la fiducia dei clienti nell’esperienza di acquisto su Amazon.
Il Processo di Verifica delle Recensioni: Autenticità e Innovazione Tecnologica
Quando un cliente invia una recensione, Amazon impiega l’Intelligenza Artificiale (IA) per analizzarla, identificando segnali di potenziale falsità prima della sua pubblicazione. La maggior parte delle recensioni passa questo controllo e viene pubblicata subito. In caso di sospetto illecito, Amazon può bloccare o rimuovere la recensione falsa e prendere ulteriori misure, come revocare i privilegi di recensione del cliente, bloccare gli account dei trasgressori o avviare azioni legali. Se una recensione è dubbia, ma richiede ulteriori indagini, gli investigatori esperti di Amazon proseguono la verifica. Nel 2022, Amazon ha impedito la pubblicazione di oltre 200 milioni di recensioni sospette grazie a queste azioni proattive.
Josh Meek, Senior Data Science Manager del team Fraud Abuse and Prevention di Amazon, spiega:
Le recensioni false mirano a ingannare i clienti con informazioni non imparziali o non pertinenti. Milioni di clienti si affidano all’autenticità delle recensioni su Amazon per le loro decisioni di acquisto, e altrettante aziende si affidano ad Amazon per l’identificazione accurata di recensioni false. Lavoriamo incessantemente per monitorare e applicare le nostre policy al fine di garantire che le recensioni riflettano le vere opinioni dei clienti e per tutelare i venditori onesti
Amazon utilizza avanzamenti nell’IA per identificare e bloccare centinaia di milioni di recensioni online sospette, valutazioni manipolate, account falsi e altri abusi. I modelli di Machine Learning (ML) esaminano dati come annunci pubblicitari da parte del venditore, segnalazioni di abuso, modelli comportamentali di rischio, cronologia delle recensioni, ecc. Si utilizzano Large Language Models (LLM) e tecniche di Natural Language Processing per analizzare anomalie nei dati che potrebbero indicare una recensione falsa. Inoltre, i Deep Graph Neural Networks (GNN) sono impiegati per comprendere le relazioni complesse tra gli abusatori.
Meek sottolinea che non è sempre semplice distinguere una recensione autentica da una falsa per chi non lavora in Amazon. A volte, l’aumento di recensioni può essere dovuto a investimenti pubblicitari o a prezzi vantaggiosi. Altri potrebbero sospettare falsità per la presenza di errori grammaticali nelle recensioni.
Rebecca Mond, Head of External Relations, Trustworthy Reviews di Amazon, conclude:
La nostra priorità è assicurare un’esperienza di acquisto affidabile. Ci impegniamo continuamente per perfezionare il processo di verifica e prevenire la pubblicazione di recensioni false, proteggendo i nostri clienti affinché possano fare acquisti con sicurezza
