Kamu profilok, tömeges, robotok által írt hamis értékelések, megbízhatatlan vásárlói vélemények – az értékelési csalás természetesen nem újdonság, sőt egyre komolyabb méreteket ölt évről évre, amit az AI forradalom is csak súlyosbít. A Google a helyi vállalkozások és a fogyasztók védelme érdekében is törekszik kiszűrni a nem hiteles véleményeket a Google üzleti profilokon, amelyek a helyi keresések és a Google Térképes találatok rangsorolását is befolyásolják. Milyen módszerekkel igyekszik biztosítani a techóriás az etikus helyi SEO fennmaradását? Összefoglaljuk a cikkben. 

A Google és más óriáscégek (pl. Amazon, Facebook/Meta, TripAdvisor, Yelp) jó ideje kénytelenek küzdeni a masszív problémával, amit a fake profilok és a megvásárolt vagy gépileg generált felhasználói értékelések jelentenek, több-kevesebb sikerrel. Az amerikai Szövetségi Kereskedelmi Bizottság (Federal Trade Comission, FTC) is aggódik az ügy miatt, és tovább szigorítaná az értékelési csalással élőkre vonatkozó szabályokat, illetve büntetéseket. A Google – leginkább az FTC szorgalmazására – nemrégiben kiadott egy jelentést, amelyben megosztják, hogyan emelik magasabb szintre a hamis cég- és termékértékelések kiszűrését.

Elsősorban a Google My Business profilokon, illetve térképes találatok megjelenítésekor is látható értékelésekről van szó, de a hamis felhasználói review-kat más Google alkalmazásokban (Google Shopping összehasonlító platform, Google Play stb.) is fokozott figyelemmel igyekeznek ellenőrizni. A hamis értékelések elterjedésének oka nyilvánvaló, hiszen a felhasználói vélemények befolyásolják a cégek helyezését a Google platformján, és a fogyasztók több mint 90 százaléka támaszkodik rájuk a vásárlási döntéseik meghozatalakor.

Így a vállalkozások és a vásárlók érdekében is fontos megálljt parancsolni a visszaéléseknek.

Milyen típusú hamis értékelésekről lehet szó? Felmérések szerint a leggyakoribb típus, amikor egy vállalkozó hamis profilt használva pozitív értékelést ír magáról vagy negatív értékelést egy versenytársáról, esetleg erre buzdítja ismerősi körét is. Vállalkozások akár fizetnek is ezért, vagy valamilyen ellenszolgáltatást kínálnak érte. Komoly globális kereskedők foglalkoznak ennek az igénynek a kielégítésével szerte a világban (Kínában, Indiában, Bangladesben vagy a Fülöp-szigeteken), hogy pozitív és negatív véleményeket gyártsanak az ügyfél kérése alapján, kézi vagy gépi erővel. Természetesen a rendszerszintű csalások mellett kisebb mértékű visszaélések is előfordulnak. Munkavállalók írhatnak tömegesen pozitív értékelést a munkáltatójuknak, vagy bosszúból le is értékelhetik a céget. Ügyfelek, vásárlók hazudhatnak vagy eltúlozhatják rossz tapasztalataikat a pénzvisszafizetés, kártérítés vagy egyéb kompenzáció reményében.

A Google-féle blogbejegyzésben közölték, hogy azzal a szándékkal frissítették gépi tanulási rendszereiket, hogy eredményesebben találják meg a Google-be bejegyzett hamis cégeket és értékeléseket, illetve gyorsabban detektálják a csaló szándékú képeket és videókat. Ezeket egyrészt azonnal eltávolítják a keresőből, másrészt további alapul szolgálnak a tanuló algoritmusoknak a fake profilok és értékelések azonosításhoz.

Hogyan észleli a Google az értékelési csalásokat?

Az upgrade-elt gépi tanulási modellek szokatlan mintákat keresnek a felhasználók által hozzáadott tartalmakban. A keresőóriás közlése szerint a visszaélések nagy része korábban nem látott formákban jelenik meg, ám a tanulóalgoritmusok képesek lépést tartani a csalások új formáival, és rendszerszinten kiszűrni azokat.

„Hosszú ideje használunk gépi intelligenciát, hogy segítsen felismerni a potenciális visszaélés mintáit, és folyamatosan fejlesztjük technológiánkat. Tavaly jelentős frissítést hajtottunk végre gépi tanulási modelljeinken, amely segített az új visszaélési trendek azonosításában, sokkal gyorsabban, mint az előző években. Például az automatizált rendszereink hirtelen növekedést észleltek azon Google üzleti fiókok számában, melyek weboldalai .design vagy .top végződésűek voltak — ez olyan jellemtő, amit manuálisan nehéz lenne észrevenni milliónyi profil között. Elemzőink viszont gyorsan megerősítették, hogy ezek a weboldalak hamisak voltak – és gyorsan eltávolítottuk őket, illetve letiltottuk a hozzájuk tartozó fiókokat.” – osztotta meg gondolatait a Google képviseletében Ashish Gupta.

Másik példaként említik, hogy a Google Shopping összehasonlító szolgáltatás értékeléseknél a rendszerek potenciálisan gyanús aktivitásnak értékelik a hirtelen megnövekedett számú 1 csillagos és 5 csillagos értékeléseket, az egy termékre/szolgáltatásra vonatkozó értékelések nagyarányú növekedését, illetve, ha szokatlan mennyiségben érkezik review egy felhasználótól.

Az FTC kérésére összeállított jelentésben a techóriás azt is részletezte, hogy az automatizált rendszerek munkáját emberi munkaerővel is felülvizsgálják; ezzel segítenek az algoritmusoknak például a helyi szlenget tartalmazó értékelések megértésében is. A rendszerek által előzetesen megjelölt, gyanús tartalmakat az emberi ellenőrzés során értékelik, és amelyeket nem felelnek meg az irányelveknek, azokat törlik. A Google rendszerei tehát átvizsgálják a Google Mapsbe érkező új tartalmakat még a publikálás előtt, hogy blokkolhassák a hamis vagy csaló szándékú értékeléseket, profilokat vagy cégeket, mielőtt azok nyilvánosságot nyernek. Ezenkívül gépi tanulási modellt alkalmaznak a már közzétett tartalmak ellenőrzésére is, hogy elkapják a hamis tartalmakat, amelyek esetleg átcsúsztak az elsődleges áttekintésen.

A fenti módszereken kívül szűrik a robotokat, a duplikált tartalmat és olyan szóhasználati mintázatokat is, amelyek hasonlóak a detektált hamis értékelésekéhez. Valamint egy „intelligens szövegegyezési” rendszert is használnak, amely segít a félrevezető tartalom azonosításában.

Gupta a blogbejegyzésében a képekkel csalás egy jellemző formájára is felhívta a figyelmet:

„Egyes helyeken a csalók hamis telefonszámokat visznek fel a hozzáadott fotókra, abban a reményben, hogy a gyanútlan áldozatok a céghez tartozó valós telefonszám helyett a csalót tárcsázzák. E probléma leküzdése érdekében bevetettünk egy új gépi tanulási modellt, amely képes felismerni a felhasználói fotókon a számokat a képek specifikus vizuális részleteinek és elrendezéseinek elemzésével. Így sikeresen észleltük és blokkoltuk a hamis és a szabályszegő képek döntő többségét, még mielőtt azokat közzétették volna.”

Spamblokkolási statisztikák

A Google bejelentése szerint 2022-ben:

• A Google több mint 115 millió értékelést blokkolt vagy távolított el, többségüket még azelőtt, hogy közzé tették volna őket. Ez 20 százalékos növekedést jelent a megelőző évhez képest. Becslések szerint a felhasználók jelenleg mindössze kevesebb mint 1 százaléknyi csaló review-val találkozhatnak a Google Maps tartalmak között.

• Az új spam elleni algoritmusok több mint 200 millió fotót és 7 milliónál is több videót távolítottak el, amelyek megsértették a Google tartalmi irányelveit alacsony minőség, életlen megjelenés vagy csaló szándék által.

• 20 millió kísérletet blokkoltak, amiknek hamis Google My Business üzleti profil létrehozása volt a célja. Ez 8 millióval több, mint a 2021-es adatok.
• Fokozott védelmet biztosítottak több mint 185 000 vállalkozás számára, amelyek gyanús, ártó szándékú tevékenységeket tapasztaltak csalók által. 1 millió felhasználó pedig eltávolításra került a platformról az irányelveket sértő viselkedés miatt.

A továbbiakban hiteles, biztonságos és megbízható Google Maps ökoszisztémát szeretne a techcég, így az automatizált és emberi erőforrások együttes erővel dolgoznak a nem autentikus tevékenység blokkolásán a Google alkalmazásaiban. A csaló tevékenységek észlelése a Google Térképen fontos azok számára is, akik a vállalkozásokról szóló értékelésekre támaszkodnak, és azoknak a vállalkozásoknak is, amelyek üzleti profilját listázzák a Google Mapsen.

Mit tehetünk a hamis értékeléssel szemben?

Amennyiben kézi erővel fésüljük át az értékeléseket, vagy belefutunk néhány gyanús felhasználói véleménybe, a Google Térképen jelenthetjük a kifogásolható tartalmat. A kifogásolható tartalom természetesen nem egyenlő egy hiteles negatív kommenttel, amelyben egy vásárló megosztja a rossz tapasztalatát. Olyan értékelést jelenthetünk, amelyek a Google tartalmi irányelveibe ütköznek. A százas vagy ezres nagyságrendű értékelések figyelését érdemes lehet erre szakosodott hírnévkezelő szoftverekre bízni.