Μέσα στο Φίλτρο Αξιολογήσεων της Google: Μια Ματιά στο Πώς η Μηχανική Μάθηση Εντοπίζει τις Ψεύτικες Αξιολογήσεις

Η Google δεν παρέχει εγχειρίδιο για την ανίχνευση ψεύτικων αξιολογήσεων. Όμως, από αναρτήσεις ιστολογίων της εταιρείας, κυβερνητικά έγγραφα και αναλύσεις ειδικών, ο σχεδιασμός του συστήματος γίνεται σαφής — και είναι πολύ πιο προηγμένος από ό,τι πολλοί υποθέτουν.

Κάθε μέρα, 20 εκατομμύρια συνεισφορές προσγειώνονται στους Χάρτες και την Αναζήτηση της Google. Αυτές είναι αξιολογήσεις, εικόνες, αλλαγές και ιδέες. Η συντριπτική πλειοψηφία είναι πραγματικές. Ένα αξιοσημείωτο μέρος δεν είναι. Η ταξινόμηση αυτού του όγκου δεν είναι δουλειά για ανθρώπους. Είναι δουλειά για τη μηχανική μάθηση, και αυτή η μηχανή έχει γίνει εξαιρετικά αποτελεσματική.

Για να κατανοήσετε πώς λειτουργεί το φίλτρο της Google, πρέπει πρώτα να εκτιμήσετε τους αριθμούς. Είκοσι εκατομμύρια στοιχεία υποβάλλονται καθημερινά από χρήστες. Αυτό είναι περίπου 230 κάθε δευτερόλεπτο, 24/7, από όλες τις γωνιές του πλανήτη, σε κάθε γλώσσα, σε κάθε τύπο συσκευής. Η ιδέα ότι οι άνθρωποι θα μπορούσαν να εξετάσουν ακόμα και ένα μικρό μέρος αυτού — πόσο μάλλον να το κάνουν με συνέπεια — είναι μια θεμελιώδης παρανόηση. Αυτό δεν ήταν ποτέ ένα πρόβλημα που θα μπορούσαν να λύσουν οι άνθρωποι.

Αντίθετα, η Google δημιούργησε ένα πολυεπίπεδο σύστημα επιβολής που είναι πάντα ενεργό. Το 2023, αφαίρεσε 170 εκατομμύρια αξιολογήσεις που παραβίαζαν τους κανόνες της, 45% περισσότερες από το προηγούμενο έτος. Το 2024, το σύνολο αυξήθηκε στα 240 εκατομμύρια. Αυτή η ετήσια αύξηση δεν σημαίνει απλώς ότι γράφονται περισσότερες ψεύτικες αξιολογήσεις, αν και αυτό θα μπορούσε να είναι ένας παράγοντας. Σημαίνει ότι η τεχνολογία ανίχνευσης βελτιώνεται γρηγορότερα από τις μεθόδους παράκαμψής της.

Το διακύβευμα για τις επιχειρήσεις είναι τεράστιο. Μια μελέτη του 2023 στο Journal of Business Research αποκάλυψε ότι οι ψεύτικες αρνητικές αξιολογήσεις στοχεύουν δυσανάλογα επιτυχημένα εστιατόρια, βλάπτοντας τις ίδιες τις επιχειρήσεις που βασίζονται περισσότερο στην καλά κερδισμένη φήμη τους. Από την πλευρά της προσφοράς, οι ίδιοι οι δικηγόροι της Google έχουν μηνύσει πωλητές ψεύτικων αξιολογήσεων, συμπεριλαμβανομένης μιας υπόθεσης του 2023 εναντίον ενός παρόχου στο Μπαγκλαντές, του οποίου ο ιστότοπος, Bigboostup.com, δημιουργούσε ψεύτικες αξιολογήσεις για αμερικανικές τοπικές επιχειρήσεις.

Γιατί εξακολουθούν να περνούν ψεύτικες αξιολογήσεις;

Αν η Google αφαιρεί εκατοντάδες εκατομμύρια ψεύτικες αξιολογήσεις ετησίως, γιατί κάποιες καταφέρνουν να εμφανιστούν σε ένα προφίλ; Είναι ο ίδιος λόγος που κάποια ανεπιθύμητα μηνύματα ηλεκτρονικού ταχυδρομείου εξακολουθούν να φτάνουν στα εισερχόμενά σας, ακόμη και με καλά φίλτρα. Οι μέθοδοι αποφυγής γίνονται πιο έξυπνες, και υπάρχει μια λεπτή γραμμή μεταξύ ψευδώς θετικών (πραγματικές αξιολογήσεις που διαγράφονται λανθασμένα) και ψευδώς αρνητικών (ψεύτικες αξιολογήσεις που περνούν). Η Google ρυθμίζει το σύστημά της για να αποφεύγει τη διαγραφή αυθεντικών αξιολογήσεων, πράγμα που σημαίνει ότι οι έξυπνες ψεύτικες μπορούν να διαρκέσουν περισσότερο από τις κραυγαλέες.

Η Joy Hawkins, η οποία ίδρυσε την Sterling Sky και είναι κορυφαία ερευνήτρια στον τομέα του τοπικού SEO, έχει μελετήσει αυτή την ανισορροπία λεπτομερώς. Η δουλειά της δείχνει ότι το φίλτρο της Google μπορεί μερικές φορές να διαγράψει ομάδες νόμιμων αξιολογήσεων, ειδικά για δικηγόρους και γιατρούς, όπου πολλοί πραγματικοί πελάτες μπορεί να χρησιμοποιούν το ίδιο Wi-Fi στην αίθουσα αναμονής. Το φίλτρο δεν είναι τέλειο προς καμία κατεύθυνση.

Η Google δεν έχει δημοσιεύσει τεχνικό εγχειρίδιο για το σύστημα εποπτείας αξιολογήσεων. Έχουμε αναρτήσεις ιστολογίων της εταιρείας, δηλώσεις στην FTC και την ανάλυση ερευνητών που παρατηρούν τις ενέργειες του συστήματος. Συγκεντρωμένες, αυτές οι πηγές υποδεικνύουν μια διαδικασία πέντε μερών που λειτουργεί συνεχώς παράλληλα με τις κανονικές λειτουργίες των Χαρτών Google.

Η κεντρική αρχή σχεδιασμού — την οποία η Google έχει αναφέρει στο ιστολόγιό της «Διατηρώντας τις Αξιολογήσεις Αυθεντικές» — είναι ότι η διαδικασία δεν τελειώνει όταν δημοσιεύεται μια αξιολόγηση. Μια αξιολόγηση που παίρνει αρχικά έγκριση μπορεί να ελεγχθεί ξανά μέρες ή εβδομάδες αργότερα καθώς προκύπτουν νέες πληροφορίες. Εάν ο Λογαριασμός Α παίρνει μια θετική βαθμολογία τη Δευτέρα, αλλά την Πέμπτη συνδέεται με μια συστάδα δώδεκα άλλων λογαριασμών που μόλις επισημάνθηκαν, οι δημοσιευμένες αξιολογήσεις του Λογαριασμού Α επανεξετάζονται. Αυτός είναι ο λόγος που οι επιχειρήσεις μερικές φορές βλέπουν αξιολογήσεις να εξαφανίζονται πολύ καιρό αφότου εμφανίστηκαν για πρώτη φορά.

Ο Ρόλος των Ανθρώπινων Αναλυτών

Τα αυτοματοποιημένα συστήματα αναλαμβάνουν τις περιπτώσεις μεγάλου όγκου όπου το σύστημα είναι πολύ σίγουρο. Οι οριακές περιπτώσεις πηγαίνουν σε ανθρώπινους ερευνητές. Πρόκειται για δύσκολες ψεύτικες αξιολογήσεις που βρίσκουν κενά στις στατιστικές, ή πραγματικές αξιολογήσεις που μοιάζουν με ύποπτο μοτίβο. Αυτοί οι υπάλληλοι της Google εξετάζουν τα άμεσα στοιχεία: στιγμιότυπα οθόνης από συνομιλίες απατεώνων, μοτίβα σε αναφορές ιδιοκτητών επιχειρήσεων και ανάλυση γλώσσας. Αυτό που βρίσκουν χρησιμοποιείται για την επανεκπαίδευση του μοντέλου. Έτσι συνέβη η κατάργηση ενός δικτύου 5 εκατομμυρίων αξιολογήσεων το 2023: οι άνθρωποι όρισαν το μοτίβο, το μοντέλο το απορρόφησε και οι νέες ανιχνεύσεις έγιναν αυτόματες.

Αυτός ο κύκλος ανατροφοδότησης είναι το πιο κρίσιμο στοιχείο σχεδιασμού του συστήματος. Ο στόχος δεν είναι να δημιουργηθεί μια λίστα κανόνων. Είναι να δημιουργηθεί ένα μοντέλο τόσο προηγμένο που να αναθεωρεί τον δικό του ορισμό της απάτης, σχεδόν σε πραγματικό χρόνο.

Ανάλυση Κειμένου και NLP

Μια λιγότερο δημοσιοποιημένη πτυχή της ανίχνευσης ψεύτικων αξιολογήσεων αφορά το ίδιο το κείμενο. Τα μοντέλα επεξεργασίας φυσικής γλώσσας (NLP) μπορούν να εντοπίσουν γλωσσικά σημάδια κοινά σε κατασκευασμένες αξιολογήσεις: πάρα πολλούς υπερθετικούς, έλλειψη συγκεκριμένων λεπτομερειών, υπερβολική χρήση του «εγώ» και επαναλαμβανόμενες φράσεις σε διαφορετικούς λογαριασμούς. Έρευνα στο Journal of Marketing Analytics έδειξε ότι οι ψυχολογικοί γλωσσικοί δείκτες — όπως η γνωστική προσπάθεια και ο συναισθηματικός τόνος — μπορούν να διαχωρίσουν τις ψεύτικες αξιολογήσεις από τις πραγματικές με μεγάλη ακρίβεια. Το δικό της NLP της Google, ενισχυμένο με το Gemini το 2024, κάνει αυτή τη δουλειά σε τεράστια κλίμακα.

Η Google δεν έχει παράσχει πλήρη κατάλογο των σημάτων ανίχνευσής της. Ωστόσο, συνδυάζοντας επίσημες δηλώσεις, μαρτυρίες στην FTC, μελέτες ειδικών και προσεκτική παρατήρηση του τι επισημαίνεται έναντι του τι όχι, μπορούμε να συγκεντρώσουμε το κύριο σύνολο σημάτων. Δέκα από αυτά είναι υπεύθυνα για το μεγαλύτερο μέρος της επιβολής.

Αυτά τα δέκα σήματα δεν είναι μια απλή λίστα ελέγχου· είναι σταθμισμένα σημεία δεδομένων σε ένα μοντέλο πιθανότητας. Ένα μόνο σήμα σπάνια είναι αρκετό για να ενεργοποιήσει δράση. Το σύστημα κυνηγά συνδυασμούς — μοτίβα όπου πολλά σήματα επιβεβαιώνουν το ένα το άλλο. Ένας νέος λογαριασμός από κοινή IP που χρησιμοποιεί κείμενο προτύπου χωρίς φωτογραφίες χτυπά τέσσερα σήματα ταυτόχρονα, και αυτός ο συνδυασμός αποδίδει μια βαθμολογία υψηλής εμπιστοσύνης για αφαίρεση.

Η Έξαρση Λογαριασμών: Το πιο Ενδεικτικό Μοτίβο της Google

Από όλα τα σήματα, η ανίχνευση εξάρσεων λογαριασμών είναι αυτή που διαλύει πιο αποτελεσματικά τα μεγάλης κλίμακας σχήματα αξιολογήσεων. Όταν ένας πωλητής δημιουργεί πενήντα ψεύτικους λογαριασμούς για να αξιολογήσει το προφίλ ενός πελάτη, αυτοί οι λογαριασμοί συχνά μοιράζονται δεδομένα δημιουργίας, ακόμα κι αν χρησιμοποιούν διαφορετικές IP και συσκευές. Μπορεί να έχουν παρόχους email, να έχουν καταχωρηθεί ο ένας μετά τον άλλο, ή να έχουν πανομοιότυπες αρχικές ρυθμίσεις. Στην έκθεση διαφάνειας του 2023, η Google απέδωσε συγκεκριμένα στην ομαδοποίηση βάσει γραφημάτων την τεχνολογία που αφαίρεσε 5 εκατομμύρια ψεύτικες αξιολογήσεις από ένα δίκτυο απάτης μέσα σε λίγες εβδομάδες.

Γιατί Κάποιες Ψεύτικες Αξιολογήσεις Εξακολουθούν να Περάσουν

Κανένα σύστημα ανίχνευσης δεν μπορεί να πιάσει το 100% των ψεύτικων χωρίς να επισημάνει λανθασμένα έναν καταστροφικό αριθμό πραγματικών. Το σύστημα της Google είναι ρυθμισμένο να προκαλεί τη μικρότερη ζημιά στις αυθεντικές αξιολογήσεις. Αυτό σημαίνει ότι μια πολύ καλά φτιαγμένη ψεύτικη — μία από έναν πραγματικό, παλιό λογαριασμό, σε μια οικιακή διεύθυνση IP στη σωστή πόλη, με ιστορικό άλλων αξιολογήσεων — μπορεί να περάσει τον πρώτο έλεγχο και να παραμείνει για εβδομάδες. Η προσθήκη του Gemini στο σύστημα το 2024 αποσκοπεί στην επίλυση αυτού του ακριβώς προβλήματος, εκτελώντας βαθιά ανάλυση συμπεριφοράς που μπορεί να βρει μικρές ασυνέπειες που ακόμη και τα στατιστικά μοντέλα χάνουν.

Δεν έχει κάθε προσπάθεια δημοσίευσης ψεύτικης αξιολόγησης την ίδια πιθανότητα να εντοπιστεί. Ο κίνδυνος κυμαίνεται από λεπτές τακτικές που το φίλτρο συχνά παραβλέπει έως προφανείς συμπεριφορές που οδηγούν σε σχεδόν άμεση αφαίρεση. Το να γνωρίζεις πού βρίσκεται μια τακτική σε αυτό το εύρος διαχωρίζει τους αρχάριους από τους επαγγελματίες — και γι' αυτό η ανίχνευση της Google συνεχίζει να βελτιώνεται.

Αυτό που σημαίνει για τις επιχειρήσεις είναι απλό: ο κίνδυνος ανίχνευσης αυξάνεται πολύ γρηγορότερα από τον αριθμό των αξιολογήσεων. Η απόκτηση είκοσι αξιολογήσεων από έναν φθηνό πάροχο είναι εκθετικά πιο επικίνδυνη από την απόκτηση πέντε από έναν υψηλής ποιότητας. Στις είκοσι αξιολογήσεις, η ταχύτητα άφιξης και μόνο είναι αρκετή για να ενεργοποιήσει την ανίχνευση, ανεξάρτητα από το πόσο καλοί είναι οι λογαριασμοί. Ο όγκος είναι το ένα πράγμα που ωθεί πιο αξιόπιστα το σύστημα από την παρακολούθηση στην ενέργεια.

Η αφηρημένη συζήτηση για τα σήματα ανίχνευσης είναι ένα πράγμα. Το να τα βλέπεις σε δράση κατά τη διάρκεια συγκεκριμένων αφαιρέσεων το κάνει πραγματικό. Οι τέσσερις περιπτώσεις εδώ προέρχονται από δημόσιες πληροφορίες, νομικά έγγραφα και αναφορές. Δεν είναι φανταστικές ιστορίες, αλλά πραγματικές καταστάσεις όπου το σύστημα της Google βρήκε και ενήργησε σε σχήματα ψεύτικων αξιολογήσεων.

Το κοινό νήμα και στις τέσσερις περιπτώσεις είναι ότι δεν ήταν η ποιότητα κάποιας μεμονωμένης αξιολόγησης που τις έκανε να εντοπιστούν. Ήταν τα μοτίβα: ταχύτητα, τοποθεσία, συνδέσεις λογαριασμών και δραστηριότητα σε διαφορετικές πλατφόρμες. Το σύστημα δεν διαβάζει μια αξιολόγηση όπως ένας άνθρωπος. Διαβάζει τα δεδομένα που την περιβάλλουν.

Τον Απρίλιο του 2024, η Google ανακοίνωσε ότι πρόσθετε το Gemini — το πιο ισχυρό γλωσσικό της μοντέλο — στο σύστημα εποπτείας του Google Business Profile. Αυτή ήταν μια σημαντική αλλαγή. Η ικανότητα του Gemini να συλλογίζεται με πολλαπλά σήματα και να αναλύει τη μακροπρόθεσμη συμπεριφορά αντιμετώπισε το μεγαλύτερο τυφλό σημείο του συστήματος: την καλοφτιαγμένη, μεμονωμένη ψεύτικη αξιολόγηση. Τα παλαιότερα μοντέλα εξέταζαν τα σήματα ένα προς ένα. Το Gemini μπορεί να κατανοήσει την πλήρη ιστορία των ενεργειών ενός λογαριασμού — τον χρονισμό των αξιολογήσεών του, τη λογική των αξιολογήσεών του για διαφορετικές επιχειρήσεις και αν η πορεία της δραστηριότητάς του έχει νόημα.

Το αποτέλεσμα ήταν σαφές στα δεδομένα: 240 εκατομμύρια ψεύτικες αξιολογήσεις αφαιρέθηκαν το 2024, μια αύξηση 40% από το 2023. Το πιο σημαντικό, περισσότερες σταμάτησαν πριν τη δημοσίευση — πριν τις δει κανείς. Αυτή η μετάβαση από την αντιδραστική διαγραφή στον προληπτικό αποκλεισμό είναι το σημάδι ενός πιο έξυπνου μοντέλου. Σημαίνει λιγότερες επιχειρήσεις που αντιμετωπίζουν εξάρσεις αξιολογήσεων, λιγότεροι άνθρωποι που διαβάζουν ψεύτικο περιεχόμενο, και ολόκληρη η πλατφόρμα πλησιάζει αυτό που θέλει η Google.

Η Ετικέτα «Υποψήφιες Ψεύτικες Αξιολογήσεις»

Παράλληλα με την ενημέρωση του αλγορίθμου, το 2024 έφερε ένα νέο χαρακτηριστικό για τους καταναλωτές: μια προειδοποίηση «υποψήφιες ψεύτικες αξιολογήσεις». Όταν ένα επιχειρηματικό προφίλ έχει περίεργα μοτίβα — όπως μια ξαφνική πλημμύρα αξιολογήσεων από λογαριασμούς χαμηλής ποιότητας — οι Χάρτες εμφανίζουν τώρα ένα banner για να προειδοποιήσουν τους πιθανούς πελάτες. Το χαρακτηριστικό εμφανίστηκε στις ΗΠΑ, το Ηνωμένο Βασίλειο και την Ινδία στα τέλη του 2024 και ξεκίνησε την παγκόσμια κυκλοφορία του τον Μάιο του 2025. Αυτό σηματοδοτεί μια αλλαγή στην πολιτική από την απλή επιβολή στην παροχή διαφάνειας. Ακόμα κι αν η Google δεν διαγράψει μια αξιολόγηση, μπορεί τώρα να δείξει στους χρήστες την ίδια της την αβεβαιότητα σχετικά με το αν είναι γνήσια.

Η κατεύθυνση είναι σαφής. Το 2021, μια καλά σχεδιασμένη καμπάνια ψεύτικων αξιολογήσεων — χρησιμοποιώντας παλιούς λογαριασμούς, οικιακές IP και ένα καλό γεωγραφικό μείγμα — είχε μια δίκαιη πιθανότητα να παραμείνει για μήνες. Μέχρι το 2026, η ίδια καμπάνια αντιμετωπίζει μια ανάλυση που υποστηρίζεται από το Gemini και μπορεί να εντοπίσει ασυνέπειες που τα προηγούμενα μοντέλα δεν μπορούσαν. Η διάρκεια ζωής μιας ψεύτικης αξιολόγησης γίνεται μικρότερη κάθε χρόνο. Ταυτόχρονα, οι αρνητικές συνέπειες — φυλακή αξιολογήσεων, αποκλεισμοί λογαριασμών και πρόστιμα FTC — γίνονται χειρότερες.

Το να γνωρίζουμε πώς είναι χτισμένο το σύστημα ανίχνευσης της Google αλλάζει το παιχνίδι για κάθε επιχείρηση που εξετάζει τη στρατηγική αξιολογήσεών της. Το φίλτρο δεν αναζητά αξιολογήσεις που «ακούγονται ψεύτικες». Αναζητά μοτίβα που δεν είναι φυσικά. Αυτή η διαφορά είναι τεράστια. Πολλές επιχειρήσεις που δεν αγόρασαν ποτέ ούτε μία ψεύτικη αξιολόγηση έχουν δει πραγματικές να φιλτράρονται, ενώ κάποιες έξυπνες ψεύτικες καμπάνιες παραμένουν για λίγο.

Το μάθημα είναι ότι μια στρατηγική αξιολογήσεων πρέπει να σχεδιαστεί ώστε να φαίνεται φυσική σε επίπεδο μοτίβου, όχι μόνο σε επίπεδο περιεχομένου. Μια τέλεια γραμμένη αξιολόγηση είναι άχρηστη αν ο λογαριασμός που την δημοσίευσε ενεργοποιεί έναν συναγερμό ταχύτητας ή αποτυγχάνει σε έναν έλεγχο τοποθεσίας. Το σήμα που έχει μεγαλύτερη σημασία για την Google δεν είναι «φαίνεται αυτή η αξιολόγηση πραγματική;» Είναι «μοιάζει ολόκληρη η ψηφιακή διαδρομή αυτού του αξιολογητή με αυτή ενός πραγματικού πελάτη;»

Γιατί ένας Φυσικός Ρυθμός Αξιολογήσεων Υπερτερεί του Μεγάλου Όγκου

Το πιο συνεπές μάθημα από τη μελέτη της ανίχνευσης ψεύτικων αξιολογήσεων της Google είναι ότι η ταχύτητα είναι ο μεγαλύτερος παράγοντας κινδύνου για την επιβολή. Μια επιχείρηση που λαμβάνει 50 πραγματικές αξιολογήσεις σε έξι μήνες έχει μηδενικό κίνδυνο ανίχνευσης, ανεξάρτητα από το πώς τις ζήτησε. Μια επιχείρηση που λαμβάνει 50 αξιολογήσεις σε μία εβδομάδα — ακόμα κι αν είναι όλες πραγματικές — μπορεί να ενεργοποιήσει μια ειδοποίηση ανωμαλίας και κάποιες να φιλτραριστούν. Ο αλγόριθμος δεν μπορεί να δει το πραγματικό γεγονός που οδήγησε σε μια αξιολόγηση. Κρίνει τη νομιμότητα με βάση το πόσο στατιστικά πιστευτό είναι το μοτίβο. Ένας σταθερός, φυσικός ρυθμός είναι το μοτίβο που πρέπει να επιδιώκει η συλλογή γνήσιων αξιολογήσεων.

Ο Θετικός Κύκλος Ανατροφοδότησης των Πραγματικών Αξιολογήσεων

Υπάρχει ένα σύνθετο όφελος από τη δημιουργία μιας βάσης αυθεντικών αξιολογήσεων. Οι λογαριασμοί που έχουν μεγάλη δραστηριότητα στους Χάρτες και ιστορικό αξιολόγησης άλλων επιχειρήσεων σηματοδοτούν νομιμότητα στο σύστημα. Όταν αυτοί οι λογαριασμοί αξιολογούν την επιχείρησή σας, η συμβολή τους έχει μεγαλύτερη εξουσία και είναι λιγότερο πιθανό να φιλτραριστεί. Αυτός είναι ακριβώς ο λόγος που οι υπηρεσίες που χρησιμοποιούν ειδικούς λογαριασμούς «αξιολογητών» — οι οποίοι δεν έχουν ιστορικό εκτός από τη δημοσίευση ψεύτικων αξιολογήσεων — αποτυγχάνουν τόσο προβλέψιμα. Η ψεύτικη φύση τους είναι διαφανής στον αλγόριθμο. Το πραγματικό επιχείρημα για τις αυθεντικές αξιολογήσεις δεν αφορά μόνο την αποφυγή προβλημάτων. Είναι ότι οι πραγματικοί λογαριασμοί δημιουργούν σήματα αξιολογήσεων που γίνονται ισχυρότερα με την πάροδο του χρόνου, ενώ οι ψεύτικοι λογαριασμοί δημιουργούν σήματα που καταρρέουν κατά την επιθεώρηση.

Άμεσες απαντήσεις σε ερωτήσεις που δεν βρίσκονται στα επίσημα έγγραφα της Google — βασισμένες σε δημόσια δεδομένα, ανάλυση ειδικών και παρατηρούμενη συμπεριφορά συστήματος.