¿Deberías confiar realmente en esas altas calificaciones? Un nuevo método de entrenamiento para detectar reseñas falsas

¿Deberías confiar realmente en esas altas calificaciones? Un nuevo método de entrenamiento para detectar reseñas falsas

¿Puedes detectar lo que hay detrás de las cinco estrellas? La necesidad de "habilidades de interpretación del consumidor" en la era de las reseñas falsas

Cuando elegimos un producto en el comercio electrónico, ¿qué miramos? Precio, fotos, fecha de entrega, nombre de la marca. Y en muchos casos, el último empujón lo dan las reseñas. Si hay muchas estrellas y comentarios positivos, sentimos que "parece seguro comprarlo". Por el contrario, si las calificaciones bajas son prominentes, dudamos en comprarlo, por muy atractivas que sean las fotos del producto.

Pero, ¿realmente podemos confiar en esas estrellas?

Las reseñas en línea se han convertido en la "infraestructura de confianza" del comportamiento del consumidor moderno. Las experiencias de personas desconocidas influyen en nuestras compras. Aunque hay poder en la inteligencia colectiva, también se está extendiendo el problema de las reseñas falsas que buscan manipular deliberadamente las decisiones de compra.

Michelle Walther, quien realizó su investigación doctoral en la Universidad de Twente en los Países Bajos, abordó este problema desde un ángulo interesante. Aunque hay un aumento en las investigaciones sobre la detección automática de reseñas falsas mediante IA, Walther se centró en el proceso de juicio del "propio consumidor" al leer reseñas. ¿Cómo leen las personas las reseñas, qué pistas confían y en qué momento deciden que "esta reseña no es útil"? Su investigación busca aclarar este proceso y verificar si el entrenamiento puede mejorar la capacidad de detectar reseñas falsas.


Los consumidores no leen reseñas para "buscar falsificaciones"

Un punto importante de esta investigación es que, al leer reseñas en línea, los consumidores no siempre intentan "detectar reseñas falsas". Para muchas personas, el propósito de leer reseñas es más práctico.

¿Este producto se adapta a mí? ¿Cómo es la talla? ¿Hay defectos no mencionados en la descripción? ¿Están satisfechos los usuarios reales?

En otras palabras, lo que los consumidores buscan primero es "información útil sobre el producto". La determinación de si una reseña es falsa o no tiende a ser una tarea secundaria que surge en el proceso de decisión de compra.

Aquí radica la dificultad de las reseñas falsas. Cuando los consumidores no están en modo de alerta, una reseña escrita como una experiencia natural puede pasar desapercibida. Si tiene muchas estrellas, el texto parece auténtico y el nombre del autor y la imagen de perfil están bien presentados, el lector puede aceptarlo sin cuestionarlo profundamente. Las reseñas falsas se infiltran precisamente en esa "lectura en modo normal".


¿Qué es el modelo CREM?

Walther organizó el proceso de evaluación de reseñas por parte de los consumidores combinando revisión de literatura, observación y métodos de pensamiento en voz alta. De ahí surgió el "Modelo de Evaluación de Reseñas del Consumidor", abreviado como modelo CREM.

El modelo CREM muestra que los consumidores no confían en las reseñas de inmediato, sino que las evalúan de manera gradual. En términos generales, primero observan la relevancia de la reseña. Verifican si está relacionada con la información del producto que desean conocer, si se ajusta al uso que están considerando y si describe situaciones de uso específicas.

Luego, evalúan la credibilidad del autor. Consideran si parece ser alguien que realmente usó el producto, si el historial de publicaciones o el perfil no tiene irregularidades, y si hay coherencia entre el contenido de la reseña y la calificación.

Finalmente, examinan la credibilidad del propio texto de la reseña. Observan si el contenido es específico, si no está exagerado, si no hay expresiones repetitivas y si las expresiones emocionales coinciden naturalmente con la cantidad de estrellas. A través de estos múltiples elementos, los consumidores deciden si incluir la reseña en su decisión de compra.

Lo interesante es que este proceso no es necesariamente una verificación rigurosa como la de un experto. Muchos consumidores leen reseñas confiando en su intuición y experiencia en un tiempo limitado. Por lo tanto, la detección de reseñas falsas depende no solo del "conocimiento" sino también de los "hábitos de lectura".


Con entrenamiento, se puede mejorar la habilidad para detectar reseñas falsas

Otro punto importante que mostró la investigación de Walther es que la capacidad de los consumidores para detectar reseñas falsas puede mejorar con entrenamiento.

El entrenamiento basado en el modelo CREM organiza la perspectiva de los consumidores al ver reseñas y les enseña a qué pistas deben prestar atención. Por ejemplo, en lugar de solo mirar la cantidad de estrellas, deben verificar la especificidad del texto, la credibilidad del autor y la coherencia entre el contenido de la reseña y la calificación. Expresiones extremadamente positivas o negativas, alabanzas abstractas que no mencionan características del producto y frases inusuales comunes en varias reseñas también pueden ser señales de advertencia.

La investigación mostró que los participantes que recibieron este tipo de entrenamiento mejoraron significativamente su capacidad para identificar reseñas falsas. Esto sugiere que, además de dejar la lucha contra las reseñas falsas en manos de las plataformas, también se puede avanzar en la educación del consumidor.

Por supuesto, no se debe cargar toda la responsabilidad sobre los consumidores. Los negocios que publican reseñas falsas, las empresas que las compran y venden, y las plataformas con medidas insuficientes tienen responsabilidades claras. Sin embargo, en la realidad, tomará tiempo eliminar por completo las reseñas falsas. Mientras tanto, que los consumidores adquieran la habilidad de "leer reseñas" puede ser una medida de defensa.


Por qué la detección por IA no es suficiente

La detección automática mediante IA es también un tema importante en la lucha contra las reseñas falsas. Investigaciones relacionadas han reportado modelos que determinan reseñas fraudulentas con alta precisión combinando características lingüísticas del texto de la reseña, comportamiento de publicación, coherencia con la calificación de estrellas y longitud del texto.

Sin embargo, la detección por IA tiene sus límites. Quienes escriben reseñas falsas también evolucionan. Con la IA generativa, ahora es posible crear grandes cantidades de texto más natural que antes. Si solo se observan palabras clave simples, japonés no natural o estilos de escritura similares, se pueden pasar por alto reseñas falsas ingeniosas.

Además, la veracidad de una reseña no siempre se determina solo por el texto. Aunque no se haya comprado el producto, se puede escribir una experiencia que parezca real. Por otro lado, incluso las reseñas auténticas pueden ser breves y abstractas. Una reseña que la IA considera sospechosa no siempre es falsa, y una que pasa el filtro de la IA no siempre es auténtica.

Por eso es necesario combinar la detección por parte de las plataformas, la regulación legal, la transparencia de los negocios y la educación del consumidor. La investigación de Walther es valiosa porque se centra en el "proceso cognitivo del lector" dentro de este contexto.


Reacciones en las redes sociales: "Demandas de castigos severos" y "Expectativas hacia la IA"

En cuanto al artículo de Phys.org en sí, dado que se publicó recientemente, el debate en redes sociales aún es limitado. En Phys.org, el número de comparticiones es bajo y los comentarios no son prominentes. Sin embargo, al observar las reacciones en redes sociales y comunidades de negocios sobre el problema de las reseñas falsas en general, el interés es bastante alto.

En publicaciones relacionadas en LinkedIn, se presentó un enfoque que combina análisis de lenguaje y señales de comportamiento de publicación para detectar reseñas falsas. Aunque el número de reacciones no es grande, la dirección del debate muestra tanto una expectativa de "bienvenida si se puede detectar con IA" como una precaución de que "quienes escriben reseñas falsas también podrían usar IA para volverse más sofisticados".

Además, en publicaciones de la industria que tratan sobre la investigación de reseñas, se muestra que hay una fuerte demanda de los consumidores para sancionar a las empresas que realizan reseñas falsas. Se presentan opiniones que piden la exclusión de los sitios de reseñas, la eliminación de los resultados de búsqueda, multas e incluso sanciones penales, lo que indica que la desconfianza de los consumidores ha aumentado considerablemente.

Resumiendo el ambiente en las redes sociales, las reseñas falsas ya no se consideran simplemente "publicidad un poco exagerada". Se ven como acciones que roban tiempo y dinero a los consumidores, perjudican a las empresas que actúan de manera honesta y destruyen el propio sistema de reseñas.

Por otro lado, también hay cansancio entre los consumidores. La sensación de que "todas las reseñas parecen sospechosas", "no se puede confiar ni en las cinco estrellas ni en una estrella" y "al final, solo se puede confiar en la información oficial y las condiciones de devolución" es compartida por muchos. Cuantas más reseñas haya, mayor será la carga de seleccionar información confiable. El problema de las reseñas falsas es parte del "cansancio de confianza" en la era de la sobrecarga de información.


Las reseñas falsas también son un riesgo para las empresas

Las reseñas falsas no son solo un problema para los consumidores. También son un gran riesgo para las empresas.

A corto plazo, las reseñas falsas de alta calificación pueden aumentar las ventas. Sin embargo, si se descubre el fraude, la confianza en la marca se verá gravemente afectada. Además, en EE.UU., la FTC ha emitido regulaciones que prohíben las reseñas falsas y las recomendaciones engañosas, y en el Reino Unido, la Autoridad de Competencia y Mercados está pidiendo a Google y otros que refuercen las medidas contra las reseñas falsas. La tendencia hacia una regulación más estricta es clara.

Las empresas deben tener cuidado no solo de no escribir reseñas falsas por sí mismas. También deben prestar atención al manejo de reseñas con incentivos, reseñas de empleados o asociados, la eliminación injusta de reseñas negativas y la autopromoción disfrazada de sitios de reseñas. Aunque las reseñas parecen estar entre la publicidad y el boca a boca, dado el gran impacto que tienen en los consumidores, se requiere transparencia y equidad.

Para las empresas honestas, las medidas contra las reseñas falsas son una carga, pero también una oportunidad de diferenciación. Verificación de compradores, políticas claras de publicación de reseñas, respuestas sinceras a calificaciones bajas, informes de reseñas inusuales y reflejo en la mejora del producto. Estas acciones constantes construyen confianza a largo plazo más allá de la cantidad de estrellas a corto plazo.


Cómo los consumidores pueden leer reseñas a partir de hoy

Entonces, ¿qué deben tener en cuenta los consumidores al ver reseñas? Aplicando el enfoque del modelo CREM a las compras diarias, primero es útil ver si "esa reseña responde a la información que deseas saber". Reseñas que describen situaciones de uso, duración, comparaciones y defectos son más útiles que simples "es lo mejor" o "lo recomiendo".

Luego, observa la credibilidad del autor. Verifica si hay verificación de comprador, si el historial de publicaciones no está extremadamente sesgado, si no hay publicaciones similares de alta calificación en el mismo día. Aunque un perfil perfecto no garantiza autenticidad, patrones inusuales son motivo de precaución.

Además, observa el equilibrio del texto de la reseña. Los usuarios reales a menudo escriben tanto puntos buenos como pequeñas insatisfacciones. Por el contrario, reseñas que solo enumeran virtudes como si fueran anuncios o alabanzas sin mencionar características específicas del producto deben ser vistas con cautela. La discrepancia entre la calificación de estrellas y el contenido también es una pista. Si hay cinco estrellas pero el contenido es demasiado superficial, o una estrella sin problemas específicos mencionados, es mejor no juzgar solo por esa reseña.

Finalmente, es importante ver la distribución general en lugar de una sola reseña. Lee tanto las calificaciones altas como las bajas y busca críticas comunes. Si varias personas mencionan el mismo defecto de manera específica, podría ser información importante. Por el contrario, si hay muchas reseñas similares de alta calificación en un corto período, es mejor ser cauteloso.


De "creer" en las reseñas a "interpretarlas"

Las reseñas en línea son convenientes. De hecho, para muchas personas, las compras en línea serían más inciertas sin ellas. El problema no es creer incondicionalmente en las reseñas ni dudar de todas. Lo necesario es una actitud de interpretar las reseñas como información.

La investigación de Walther visualiza cómo los consumidores evalúan las reseñas y muestra la posibilidad de mejorar su capacidad de juicio mediante entrenamiento. Esto ofrece una perspectiva que considera el problema de las reseñas falsas no solo como un problema tecnológico, sino como un desafío social que incluye la educación del consumidor, el diseño de plataformas, la ética empresarial y la regulación legal.

Las estrellas seguirán influyendo en nuestras compras en el futuro. Por eso, es necesario tener la habilidad de discernir cómo se crean esas estrellas, quién las narra y hasta qué punto se pueden confiar.

El próximo desafío de la sociedad de las reseñas no es aumentar la cantidad de reseñas. Es crear un entorno donde se puedan encontrar reseñas confiables y no ser influenciado por reseñas sospechosas. Y el primer paso es que cada uno de nosotros mire con un poco más de atención detrás de las estrellas.


URL de referencia

Artículos relacionados