amazoncustomer reviewsfakeGeneralmetricsreviewssocial networksstars

La corrupción espontánea de los sistemas sociales en la web

IMAGE: Adam448 - Pixabay (CC0)

Un artículo de investigación en CNBC, «Amazon is filled with fake reviews and it’s getting harder to spot them«, expone un problema del que ya se lleva hablando bastantes años: la brutal caída en la calidad de las valoraciones o reviews en Amazon, completamente pervertidas mediante esquemas de compañías que compran valoraciones positivas para sus productos o negativas para productos competidores, en páginas de Facebook o de cualquier otra red social.

Más allá del caso específico de Amazon, que recientemente tuvo también similares problemas con su etiqueta Amazon’s Choice, el problema de la corrupción espontánea de los sistemas sociales en la web me resulta, como investigador, fascinante: en cuanto una métrica con base social, sean las valoraciones, los likes, los favoritos, los followers o cualquier otra, adquiere una cierta popularidad en la web, aparecen automáticamente esquemas destinados a obtener un beneficio falseándola y pervirtiéndola. En el momento en que una red o un esquema con base social alcanza un cierto nivel de popularidad, proliferan los servicios más o menos «clandestinos» destinados a vender en ella evaluaciones falsificadas, que parecen encontrar rápidamente interesados dispuestos a pagar por ellas, y que terminan, si no se toman acciones decididas, por destruir su propuesta de valor.

Para Amazon, en este momento, el problema es potencialmente muy importante: muchos usuarios se fían de las evaluaciones de los usuarios cuando adquieren un producto, sobre todo cuando hablamos de un mercado en el que casi siempre existen numerosas alternativas. Si se populariza la opinión de que esas evaluaciones no tienen ninguna base fiable y simplemente se compran y se venden al mejor postor, el usuario pierde una referencia importante en el proceso de compra, y pasa a desconfiar no de la compañía o del producto, sino de Amazon en su conjunto.

¿Cómo puede lucharse contra este tipo de esquemas? En este tipo de casos, me resisto a pensar que la compañía que gestiona el mercado no pueda hacer nada. Cuando gestionas un ecosistema como Amazon, detectar los patrones de evaluación llevados a cabo por un usuario es enormemente sencillo, como lo es el detectar, mediante patrones de browser fingerprinting, saber si ese usuario lleva a cabo ese tipo de actividad desde múltiples cuentas. A partir de ahí, excluir sumariamente a esos usuarios para elevar el riesgo asociado a la participación en ese tipo de esquemas debería ser inmediato si se quiere dar una respuesta seria al problema, además de denunciar y perseguir a los servicios que los ofrecen – que puede ser más complicado, pero que contribuye a elevar las barreras de entrada.

El problema suele provenir, en realidad, de los esquemas de growth hacking de las propias compañías implicadas, que suelen tener una enorme vocación cortoplacista: un mercado de valoraciones más activo suele verse como un indicador positivo, que en muchos casos arrastra mayor actividad, sea esta evaluada en términos de popularidad, actividad, tiempo de permanencia o ventas. En la práctica, pocas compañías tienden a plantearse el problema hasta que es demasiado tarde y se convierte en titulares de prensa que atacan su credibilidad.

El otro gran aliado de las compañías que de verdad se plantean hacer algo es el machine learning: los patrones de uso de los participantes en este tipo de esquemas suelen ser fáciles de reconocer algorítmicamente, porque su actividad se restringe precisamente a esas evaluaciones. De nuevo, quien está en una posición que le permite observar la totalidad de la actividad en el ecosistema como si estuviera en «modo dios» tiene siempre, por vasto y complejo que sea ese ecosistema, la posibilidad de actuar contra ese tipo de esquemas.

El patrón, en cualquier caso, es evidente, y podríamos incluso enunciarlo en forma de ley:

Cualquier sistema con base social experimenta, a partir de un determinado nivel de popularidad, una corrupción de su funcionamiento que tiende a destruir el valor de las métricas en él utilizadas.»

A partir de ahí, solo nos queda evaluar a las compañías que los experimentan en función de su capacidad para dar o no una respuesta rápida a ese tipo de esquemas, y reflexionar sobre la su eventual gravedad. Muchos años después de haberse conocido la existencia de esquemas como la compra de followers o de Likes en redes como Twitter, Facebook, Instagram o, más recientemente, TikTok, esos esquemas siguen en general disponibles para prácticamente cualquiera que quiera recurrir a ellos, a pesar de sus intentos por dejar de poner énfasis en su uso como métrica habitual, y se habla de que ese tipo de sistemas pueden ser los responsables en la creación de toda una «internet de la mentira«. Pero para las redes sociales implicadas, el problema es solo relativo: sus usuarios siguen acudiendo a ellas con un supuesto propósito fundamental, que es conectar con otras personas o con su información, y la fiabilidad de las métricas es un problema relativamente secundario.

En el caso de Amazon o de otros sitios transaccionales, la gravedad puede ser mayor, porque afectan a las ventas de productos de compañías que, en último término, pueden incluso verse obligadas a participar en ese tipo de prácticas si quieren ser competitivos en ese mercado, con los consiguientes perjuicios económicos directos. Para los usuarios, que acuden a ese servicio a adquirir un producto, el eventual perjuicio de una valoración falsa es muy superior, y puede llegar a destruir la confianza en el sitio en su conjunto.

De una manera u otra, el problema está identificado, y también sabemos a quién le toca mover ficha. Si dentro de unos años, obtener valoraciones falsas para un producto en Amazon sigue siendo igual de sencillo que como lo es ahora, el perjuicio para la compañía puede, seguramente, ser muy superior al que experimentaron redes sociales como Facebook, Twitter, Instagram o TikTok. Para Amazon, es tiempo de reaccionar.


Related Articles

Leave a Reply

Your email address will not be published. Required fields are marked *

Back to top button