Vår unika programvara hjälper oss att upptäcka falska omdömen, så att vi kan upprätthålla trovärdigheten på vår nätbaserade omdömescommunity.
Inget system är perfekt, men datorer tenderar att vara mer precisa än den genomsnittliga läsaren när det kommer till att upptäcka falska omdömen.* Därför kombinerar vi en specialutvecklad programvara med ett internationellt team bestående av hängivna analytiker, utredare och Compliance-agenter som arbetar med omdömen dagligen.
Hur fungerar vår programvara?
För att vi ska kunna upptäcka och ta bort falska omdömen har vi ett tekniskt team som arbetar med att bygga och förfina vår unika bedrägeriupptäckande programvara. Vi kan inte avslöja exakt hur vår programvara arbetar, då det vore att motarbeta dess syfte. Vad vi däremot kan berätta är att programvaran opererar självständigt dygnet runt över hela vår plattform, där den analyserar ett flertal olika beteendemönster och parametrar såsom IP-adresser. Systemet använder en algoritm för att beräkna sannolikheten för att ett omdöme är falskt. Detta genererar en falskhetspoäng som kallas 'fake score'.
När tar vår programvara bort omdömen?
Om ett enskilt omdömes fake score är väldigt hög, placerar programvaran automatiskt omdömet offline och skickar ett e-mail för att meddela omdömeslämnaren. Ingen av våra medarbetare är direkt inblandad i detta stadium – allt sköts självständigt av programvaran.
I utgångsläget behandlar vår programvara alla omdömen likvärdigt. Den har inte tillgång till (och väger således heller inte in) information om huruvida ett företag abonnerar på Trustpilots tjänster eller ej. I enlighet med vårt engagemang för trovärdighet anser vi att det är så det ska gå till.
Vad kan omdömeslämnare göra om de tror att det skett ett missförstånd?
Vårt system är väldigt precist, men omdömeslämnare får gärna kontakta oss om de tror att det skett ett missförstånd. Det händer väldigt sällan, men då vi inte raderar de omdömen som vårt system bedömt är falska utan i stället lägger dem offline, kan vi alltid återinsätta dem vid senare tillfälle.
Omdömeslämnare bör även kontrollera att deras omdömen lever upp till våra riktlinjer. Överträdelser av våra regler kan resultera i att omdömen tas bort.
Varför bedöma omdömen med hjälp av en programvara?
Om man har ett otränat öga för läsande av omdömen fokuserar man ofta på lingvistiska indikatorer såsom språkbruk, rytm och ton för att bedöma trovärdigheten. Detta tenderar att vara en relativt osäker metod, eftersom skickliga skribenter kan kopiera uttryck som används i äkta omdömen för att lura läsare.** Vår programvara fokuserar däremot på beteendeaspekter i form av rådata, vilket tenderar att vara mer precist.
Oavsett vilket är det alltid viktigt att titta på så många indikatorer som möjligt. Vi tar aldrig bort ett omdöme baserat på en enda parameter – om vi lägger ett omdöme offline är detta beslut alltid grundat utifrån flera faktorer.
Manuella processer stödjer vår programvara
Utöver vår helt automatiska programvara har våra specialutbildade utredare och Content Integrity-agenter även tillgång till kraftfulla verktyg som hjälper dem att manuellt undersöka omdömesmönster för att hitta avvikelser. Med hjälp av en rad olika data upptäcker dessa system oregelbundna mönster.
Vårt team kan sedan använda dessa faktorer till att undersöka och bedöma om det ovanliga mönstret indikerar ett problem, eller om det har en logisk förklaring. På så sätt får vi det bästa av två världar – teknologin varnar för mönster som det mänskliga ögat kanske inte ser, och vårt Content Integrity-team använder sig av dessa faktorer för vidare utredning.
Vårt ansvar
Vårt ansvar att upprätthålla omdömenas trovärdighet tar vi på största allvar, och vi utreder alla misstänkta fall som vi uppmärksammas på. Du kan läsa mer om vår whistleblower-funktion här.
*Se: http://www.news.cornell.edu/stories/2011/07/cornell-computers-spot-opinion-spam-online-reviews. **Mukherjee, A.; Venkataraman, V.; Liu, B.; Glance, N. What Yelp Fake Review Filter Might Be Doing? International AAAI Conference on Web and Social Media, North America, jun. 2013. Tillgänglig via: http://www.aaai.org/ocs/index.php/ICWSM/ICWSM13/paper/view/6006. Åtkomstdatum: 27 augusti 2019.