在進行選品時，我們不可避免地需要關(guān)注目標產(chǎn)品的銷售情況和評價情況。提前了解產(chǎn)品銷售過程中可能出現(xiàn)的評價情況，對于我們選品的準確性和日后的經(jīng)營都至關(guān)重要。隨著亞馬遜平臺上的賣家日益增多，我們也必須學會如何辨別評價的真?zhèn)巍?/p>

幸運的是，隨著亞馬遜平臺的不斷優(yōu)化，大多數(shù)產(chǎn)品的評價越來越真實。但這并不意味著我們可以忽視評價真假的辨別能力，因為在處理差評時，這種能力會起到重要作用。

要鑒別評價的真假，最簡便的方法莫過于使用工具。其中，F(xiàn)akespot網(wǎng)站就是一個快速識別假評價的平臺。只需將任意亞馬遜產(chǎn)品的鏈接復制進去，很快就可以獲得對該產(chǎn)品的評分，這一評分完全基于該產(chǎn)品的評價。

我們也與Fakespot的負責人進行了交流，詢問了他們?nèi)绾蔚贸龇治鼋Y(jié)果。他們告訴我們，他們的分析過程會同時評估每一條評價以及留評賬號在其他產(chǎn)品中的評價。通過不斷搜索和記錄不同產(chǎn)品中常見的句式和評價描述等信息，他們的引擎會根據(jù)數(shù)據(jù)庫信息進行判斷。他們會不斷更新引擎數(shù)據(jù)庫，從已確認的虛假評價中篩選最普遍的評價句式和內(nèi)容，并記錄留評賬號。即使線索不多，他們也能通過人工智能提前識別出虛假評價。根據(jù)他們的記錄，所有的差評都有固定的模板，因為它們的來源往往是店主自己而非真正的消費者，所以總是有跡可循。通過不斷分析賣家提交的產(chǎn)品，他們的引擎也在不斷地學習和成長。

我們也咨詢了情感分析和機器學習的專家、芝加哥大學計算機科學系的Liu教授，以獲取更全面的測評。Liu教授認為，要估計程序或軟件分析評價可信度的可行性是非常困難的。因為幾乎不可能實際證明哪些評價是真實的，哪些是假的。但我們可以從評價的措辭和留評賬號的一般表現(xiàn)進行一定程度的判斷，盡管這種判斷的精確度存在不確定性。

在選品時，有經(jīng)驗的賣家會有一種感覺：“某個評價不對勁，可能是假的”。雖然這種感覺沒有證據(jù)支持，但對于我們來說，有這樣的懷疑就足夠讓我們謹慎對待這個產(chǎn)品了。

以一個實際例子來說明：我們曾通過Fakespot發(fā)現(xiàn)了一個有著較多虛假評價的產(chǎn)品。觀察其評價后發(fā)現(xiàn)，許多好評在短時間內(nèi)集中出現(xiàn)。這可能是商家在背后操作的隱藏線索。實際上，在我們調(diào)查時，這個品牌的耳機在短短幾周內(nèi)涌現(xiàn)出大量好評。對于一個我們之前未曾聽說過的公司來說，這種情況可能暗示這些評價是假的。

除了時間因素外，我們還可以通過評價的相似性來判斷。如果是賣家安排的留下的評價，往往會有相似的評價文案或方向。這些評價會表現(xiàn)出用詞的一致性，即使避開了時間的暗示。我們還可以從商品的賣家入手。如果賣家沒有提供自己的網(wǎng)站和公司信息，且唯一聯(lián)系方式是通過亞馬遜平臺，那么我們可能需要謹慎對待這家賣家。在沒有公司真實聯(lián)系方式的情況下，維權(quán)和售后等方面可能會遇到困難。這樣的公司出現(xiàn)的“偶然”大量消費者購買行為也可能引發(fā)懷疑。具體的評論案例如圖中所示，即使是新賣家，也不要被這樣的評價所欺騙。（Amazon v. Gentile lawsuit in Washington Superior Court.）以上觀點僅代表作者個人立場，如有侵權(quán)請聯(lián)系我們進行處理。