С развитием интернет-технологий клиенты все больше полагаются на онлайн-отзывы как на ценный источник информации. Сложной задачей для современных рейтинговых сервисов является разработка системы анализа маркетинговых данных для управления онлайн-отзывами, особенно борьбы с поддельными, которые стали серьёзной проблемой, подрывающей доверие к самим системам. Мошеннические отзывы характеризуются как недостойное поведение клиентов, нарушающее социально приемлемые нормы поведения. Такие действия были оценены как потенциально наносящие психологический или физический вред обществу и несущие потенциальные негативные последствия для малого и среднего бизнеса.
Широкое использование облачных платформ для мониторинга мошеннических отзывов поможет защитить потребителей. Кроме того, характеристики и глубокое понимание поддельных отзывов могут быть использованы для информирования клиентов о существовании мошеннических схем, влияющих на решения клиентов о покупке плохой продукции/услуг.
Большие данные — это высокоскоростные данные большого объёма из множества источников, полученные в результате оцифровки повседневной деятельности людей. Включающие взаимодействия, онлайн-транзакции и коммуникации. Созданный пользователями контент является важным источником больших данных, которые могут быть преобразованы в полезную информацию для современного бизнеса. Онлайн-обзоры и отзывы о товаре — это один из наиболее важных видов генерируемого контента, который существенно влияет на вовлеченность бренда, поскольку он напрямую отражает впечатления клиентов от продуктов или услуг. Более того, с развитием интернет-технологий клиенты в основном полагаются на такие отзывы, как на основной источник информации о продукте.
Недавнее исследование показало, что 52% покупателей заранее изучают информацию о продукте через Интернет, и 24% из них принимают решение о покупке, основываясь на этой онлайн-информации. Таким образом, отзывы о товарах играют решающую роль в успехе бизнеса, поскольку они напрямую влияют на решения клиентов о покупке. Таким образом, своевременное понимание того, что клиенты говорят о фирмах и их продуктах, является важнейшим фактором успеха в нашу эпоху. С другой стороны, недостоверные, «заказные» и мошеннические отзывы стали серьёзной проблемой, подрывающей доверие к системам онлайн-рецензирования. Они дают клиентам неверные сигналы и могут манипулировать рейтингом и продажами, тем самым негативно влияя на добросовестный бизнес.
Тем не менее, получение информации о клиентах на основе онлайн-отзывов и выявление поддельных отзывов — сложный процесс, требующий больших объёмов данных, задействующий серьёзные мощности множества серверов в дата-центрах. Отзывы об одном и том же продукте могут быть получены из нескольких источников данных, начиная от платформ онлайн-продаж и заканчивая специализированными платформами. Поэтому традиционные аналитические платформы, разработанные и оптимизированные для конкретной области применения, не могут быть обобщены на многочисленные и разнообразные источники данных, что приводит к ограничению расширяемости. Кроме того, эти подходы неэффективны с точки зрения затрат, поскольку компания нуждается в постоянных инвестициях в собственную инфраструктуру и её обслуживание. Это не позволяет малым и средним предприятиям (МСП) использовать информацию о клиентах для бизнес-планирования и развития.
Несмотря на то, что малые и средние предприятия могли бы сократить свои расходы, используя новые облачные сервисы, позволяющие хранить, анализировать и визуализировать данные, оплачивая сравнительно небольшие суммы за их использование, им требуются специальные знания аналитических алгоритмов для проведения комплексного анализа. Поэтому разработка экономически эффективной аналитической платформы для заинтересованных сторон в маркетинге, которые не являются экспертами в области анализа данных, для выполнения конкретных задач, по-прежнему остаётся открытой проблемой.
Стоит отметить, что заинтересованные стороны в маркетинге не обязаны быть экспертами в области аналитики, поскольку предлагаемая структура должна предлагать шаблоны алгоритмов, которыми легко управлять при применении. Хотя было бы неверно предполагать, что все малые и средние предприятия не могут позволить себе частную платформу для маркетингового анализа, стоимость содержания своих выделенных серверов, как правило, играет решающую роль. Причина может заключаться в естественном соотношении затрат и функциональности, поскольку инвестиционные затраты перевешивают потенциальные выгоды или просто выходить за рамки возможностей МСП. Кроме того, малые и средние предприятия обеспокоены основной проблемой, связанной с внедрением аналитики больших данных, а именно навыками, необходимыми для управления ими. Не только потому, что найти таких специалистов сложно, но и потому, что их привлечение является дорогостоящим. Более того, малым и средним предприятиям часто не хватает собственных возможностей для выбора, настройки и обслуживания сложных IT-систем. Но с развитием программного обеспечения как услуги (SaaS) и облачных вычислений, определённые сервисы могут упростить доступ к сложным хранилищам данных и компьютерным сетям.
Облачные технологии широко используются в различных областях, таких как производство, аналитика, автоматизация в строительстве, здравоохранение, инновации, программирование, маркетинг. Со временем многие малые и средние предприятия будут внедрять облачные вычисления из-за их масштабируемости и относительно низких первоначальных затрат. Некоторые компании уже начинают использовать аналитику больших данных в виде облачной платформы, которая ориентирована на онлайн-анализ для понимания поведения клиентов. Облачные технологии предлагают готовые к использованию ресурсы, включая вычислительные мощности, приложения и сервисы в облачной среде, в которых пользователи могут минимизировать свои финансовые вложения, не беспокоясь о доступности ресурсов.
Интернет-технологии изменили способы покупки товаров потребителями, а поддельные отзывы постепенно стали значительно влиять на решения людей о покупке некачественных товаров. Такие недостоверные рецензии могут быть написаны с целью продвижения или понижения репутации бизнеса и намеренного введения потребителей в заблуждение. Они могут быть вредны самим рейтинговым платформам, поскольку создают помехи и ложные сигналы для алгоритмов, которые призваны уменьшить информационную асимметрию. Всё это ставит в невыгодное положение добросовестных производителей и ритейлеров, манипулируя рейтингами и поощряя нездоровую конкуренцию, а также подрывает доверие клиентов к платформам.
Методы обнаружения поддельных отзывов можно разделить на две категории: контролируемые и неконтролируемые. Контролируемые методы изучают классификационную модель на основе маркеров и похожей информации. В неконтролируемых методах используются методы кластеризации и графический анализ. Однако этот подход больше направлен на то, чтобы отличить фальшивых рецензентов от истинных, а не на обнаружение самих фальшивых отзывов.
В последние годы значительное внимание уделяется исследованиям по выявлению маркетинговых приёмов. Эти работы направлены на предотвращение негативного воздействия такого «чёрного маркетинга» на общество в условиях честной торговли. Поскольку значимость поддельных отзывов растёт, то растёт и количество недостоверных «заказных» отзывов, написанных для того, чтобы казаться достоверными и информативными. Распространение вводящей в заблуждение информации оказывает пагубное влияние на социальное поведение.
Используя шесть основных параметров (например, степень воздействия, настроение, эмоции, текстовые характеристики, облако слов и тематическое моделирование), результаты анализа уже показывают существенные различия между такими «подделками» и обычными отзывами. Современные методы обнаружения позволяют с высокой точностью идентифицировать, когда рецензию пишет обычный обыватель, в то время как эффективность контролируемых методов, как правило, выше, чем у методов без контроля. Специализированные системы анализа данных получили широкое распространение для достижения различных маркетинговых целей, включая оптимальное распределение бюджета, поддержание корпоративной репутации, максимизацию выручки от продаж и прибыли. Но пока ни одна из них не основана на положительных и достоверных сторонах данных (например, на том, как создавать ценность из положительных отзывов клиентов).
Понимая важность положительных отзывов и их характеристики, сами компании и разработчики платформ должны разработать программу поощрения истинных клиентов, желающих поделиться своими положительными отзывами с системой. А разработчикам следует внедрить систему прозрачности и контроля (кассовые чеки, договора, фотографии, видео и др.) в отношении того, кто оставляет онлайн–отзывы, чтобы будущие клиенты могли видеть, кто что написал. Исходя из этого, прозрачность в обработке онлайн-отзывов является важной характеристикой для укрепления доверия людей.
