La lotta senza quartiere alle recensioni false sugli e-commerce con blockchain e AI
Abbiamo analizzato una soluzione individuata dal team di eShoppingAdvisor, che si basa su solidi studi accademici e che si propone come elemento di innovazione sul mercato
30/03/2023 di Redazione Giornalettismo
C’è un rituale che precede ogni acquisto attraverso una piattaforma di e-commerce, qualsiasi essa sia. Consiste, sostanzialmente, nello scroll fino alla seconda parte della pagina web dedicata all’articolo di nostro interesse, dove si trovano – solitamente – le recensioni degli utenti che hanno acquistato quello stesso prodotto o che si sono rivolti a quello specifico rivenditore. Un sistema così organizzato, secondo il principio di orizzontalità che caratterizza il web, non mette mai al riparo da quello che è intrinsecamente il problema delle recensioni online: quale di queste è attendibile? E quale, invece, viene scritta semplicemente per rivalsa o – al contrario – per dare un’immagine molto più lusinghiera di quella che è in realtà su quel prodotto o rivenditore? Il fenomeno delle fake review è antico almeno quanto è antico l’e-commerce. E non è un caso che una direttiva omnibus dell’Unione Europea (nella fattispecie, la 2019/2161 che verrà recepita in Italia attraverso quello che è già stato ribattezzato decreto influencer) stia cercando di porre un argine importante a questo aspetto: le recensioni false, infatti, verranno sanzionate e verranno considerate alla stregua di una pratica di concorrenza sleale. Prima, però, che possa intervenire la legge, c’è chi si sta ingegnando per trovare delle soluzioni tecniche che possano eliminare – o quantomeno limitare – a monte il fenomeno. EShoppingAdvisor è un’azienda che aggrega e-commerce per cercare di offrire supporto e assistenza a chi vende online e ha l’ambizione far confluire in un’unica piattaforma tutti gli e-commerce italiani. Recentemente ha presentato uno strumento che, applicando l’intelligenza artificiale e la blockchain al principio della verifica di un’affermazione falsa, è in grado di individuare una fake review con un margine d’errore del 5%.
LEGGI ANCHE > Amazon accusa i social network di non fare abbastanza per rimuovere le recensioni false
Fake review e lo strumento di eShoppingAdvisor per stanarle
I sistemi di funzionamento dell’intelligenza artificiale sono facilmente intuibili. Sicuramente, lo strumento lanciato a inizio di questa settimana può contare su una grande banca dati di recensioni su cui il modello possa fare un training davvero approfondito. Chi opera nel settore dell’e-commerce, infatti, ha solitamente a disposizione un numero rilevante di recensioni su cui far “allenare” il modello dell’intelligenza artificiale. Quest’ultimo è in grado di fare un’analisi semantica (un aspetto che viene sempre più utilizzato in ogni strumento di AI, sebbene con declinazioni diverse: è un principio che, ad esempio, può essere applicato anche all’individuazione di fake news) e di individuare dei pattern che possano essere stati utilizzati in passato in false recensioni. Più le recensioni contengono elementi semantici e pattern di questo genere, più è alta la possibilità che possano essere considerate fake.
Inoltre, il sistema di revisione prevede anche l’applicazione della tecnologia blockchain alle recensioni. Sulla piattaforma, infatti, la recensione sarà tracciata attraverso la sequenza univoca tipica della blockchain, impedendo – dunque – qualsiasi modifica del testo e qualsiasi alterazione. Ovviamente, ci sono anche altri principi su cui lo strumento di eShoppingAdvisor si poggia: c’è un sistema di identificazione dell’utente che scrive le recensioni (attraverso l’analisi dei suoi dati personali), ma c’è anche l’utilizzo – interessante, abbiamo dedicato a questo un contenuto di approfondimento – di un aggregato di comportamenti che caratterizzano uno specifico utente. In questo modo, infatti, sarà più semplice individuare i bot (che, magari, pubblicano recensioni in grande quantità e in poco tempo, utilizzando gli stessi modelli linguistici) o chiarire quali possano essere utenti attendibili anche sulla base della loro “carriera” di recensori.
In un momento in cui l’AI sembra essere destinata a sostituire – nelle sue pratiche più deteriori – diverse professionalità, un utilizzo molto verticale di questo schema su un problema oggettivo come quello delle fake review dimostra esattamente come, a seconda dello scopo a cui è destinato, uno strumento basato su queste nuove tecnologie possa invece essere utile per migliorare le esperienze di navigazione sul web.