Amazon ha sempre cercato di garantire agli utenti in tutto il mondo accesso a recensioni affidabili, ritenute fondamentali per l’esperienza di acquisto. Nel corso del 2022, sono state bloccate oltre 200 milioni di recensioni sospette e sono state intraprese 90 azioni legali contro coloro che veicolavano giudizi falsi. Amazon è parte di una coalizione con altre piattaforme per assicurare recensioni affidabili ai consumatori globali.
La società utilizza l’intelligenza artificiale per analizzare le recensioni, verificando la presenza di indicatori di falsità. Le recensioni false, secondo Josh Meek di Amazon, mirano a fuorviare i clienti fornendo informazioni parziali o non autentiche. La maggior parte delle recensioni supera la verifica, ma Amazon agisce prontamente se sospetta attività illecite.
Se una recensione è certamente falsa, viene bloccata o rimossa, e possono essere intraprese azioni legali. Se sospetta, investigatori esperti di Amazon continuano il processo di verifica prima di intraprendere azioni. I modelli di Machine Learning analizzano dati proprietari, come annunci pubblicitari, segnalazioni di abuso e modelli comportamentali, per individuare anomalie.
L’uso di Large Language Models (LLM) e tecniche di Natural Language Processing (NLP) analizza le anomalie che potrebbero indicare recensioni false o incentivazioni. I Deep Graph Neural Networks (GNN) analizzano relazioni complesse e modelli di comportamento per individuare e bloccare gruppi di malintenzionati.
Tuttavia, la differenza tra recensioni autentiche e false non è sempre immediata per chi non è parte del mondo Amazon. Fattori come l’aumento delle recensioni per pubblicità o prezzi interessanti possono trarre in inganno. Josh Meek sottolinea che chi rileva recensioni false può fare supposizioni senza accesso ai dati che rivelano schemi di abuso.
Grazie a queste tecnologie, Amazon individua recensioni false in modo accurato, andando oltre gli indicatori superficiali e individuando interconnessioni più profonde tra i malintenzionati.