自 1995 年亚马逊品牌旗舰店开业以来，顾客评论一直是顾客喜欢在亚马逊品牌旗舰店购物的核心部分。亚马逊确保买家可以轻松留下诚实的评论，以帮助全球数百万其他买家做出购买决策。与此同时，该公司使不良行为者难以利用亚马逊值得信赖的购物体验。亚马逊如何通过生成式 AI 继续改善买家评论体验人工智能生成的新买家评论亮点是一系列评论创新中的最新内容。那么，当客户提交评论时会发生什么？在在线发布之前，亚马逊使用人工智能 （AI） 来分析评论，以寻找评论是虚假的已知指标。绝大多数评论都通过了亚马逊对真实性的高标准，并立即发布。但是，如果检测到潜在的评论滥用行为，该公司会采取多种途径。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、阻止不良行为者帐户，甚至对相关各方提起诉讼。如果审查可疑但需要其他证据，亚马逊的专家调查人员经过专门培训，可以识别滥用行为，在采取行动之前寻找其他信号。事实上，在 2022 年，亚马逊观察并主动屏蔽了其全球商店中超过 2 亿条可疑的虚假评论。虚假评论通过提供不公正、不真实或不适用于该产品或服务的信息来故意误导客户，“亚马逊欺诈滥用和预防团队的高级数据科学经理 Josh Meek 说。“不仅数百万顾客依靠亚马逊上评论的真实性来做出购买决定，而且数百万品牌和企业也依靠我们准确识别虚假评论并阻止它们触达他们的顾客。我们努力负责任地监控和执行我们的政策，以确保评论反映真实客户的观点，并保护依赖我们正确处理的诚实卖家。亚马逊如何采取行动阻止虚假评论亚马逊在全球范围内积极阻止虚假评论方面继续取得成功。除其他措施外，亚马逊还利用人工智能的最新进展，在客户看到之前阻止了数亿条疑似虚假在线评论、纵的评级、虚假客户帐户和其他滥用行为。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（这可能会推动更多评论）、客户提交的滥用报告、危险行为模式、评论历史记录等。大型语言模型与自然语言处理技术一起使用，以分析这些数据中的异常情况，这些异常情况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。对于亚马逊以外的人来说，真实评论和虚假评论之间的区别并不总是很清楚，“米克说。“例如，一种产品可能会因为卖家投资广告或以合适的价格提供优质产品而迅速积累评论。或者，客户可能认为评论是假的，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检测的地方——他们必须做出重大假设，而无法获得表明滥用模式的数据信号。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，识别不良行为者之间更深层次的关系，从而更准确地识别虚假评论。
