Het komt steeds vaker voor dat recensies over producten of vakantiebestemmingen vervalst zijn. Er kan daarbij sprake zijn van zowel positieve als negatieve neprecensies. Dit is een onderzoeksteam van de Amerikaanse universiteit Cornell ook opgevallen. Zij hebben daarop een algoritme ontworpen dat valse recensies van echte kan onderscheiden zodat de beoordeling door (echte) klanten betrouwbaarder wordt. Dat meldt techblog Digital Trends.

Verschil niet te zien

Direct na de publicatie van het onderzoeksrapport hebben al veel reissites interesse getoond. Zij willen weten hoe ze het algoritme in kunnen zetten tegen betaalde neprecensies op hun sites. Sommige bedrijven die actief zijn op die algemene reissites huren namelijk freelancers in om een positieve recensie te plaatsen. Doordat die recensies op deze manier van heel veel verschillende personen komen, is met het blote oog moeilijk een lijn erin te ontdekken.

De onderzoekers kwam daar zelf na een experiment ook achter. Zij kregen van reissite TripAdvisor toestemming om zelf vierhonderd mensen in te huren die een valse recensie zouden plaatsen. Ze kozen daarna evenveel recensies van die site uit die wel echt moesten zijn. Alle recensies werden getoond aan een groep mensen. Die konden het verschil tussen nep en echt niet zien.

Vage verhalen

Na een grondige analyse wist het onderzoeksteam een algoritme te creëren dat de neprecensies negen van de tien keer wel weet te ontdekken. Volgens de resultaten van de analyse zijn valse recensies vaak vage verhalen.

Bovendien gaan die posts vaker over de stad of omgeving dan over de daadwerkelijke vakantiebestemming die gerecenseerd wordt. Ook opvallend zijn het overmatige gebruik van 'ik' en 'mij' om de geloofwaardigheid van het geposte verhaal te vergroten.

Ook negatief

Naast valse positieve recensies hebben bedrijven ook te maken met concurrenten die valse negatieve recensies laten plaatsen. Ook hiervoor huren die 'neppers' freelance schrijvers in. Het onderzoek richt zich daar niet op. De Amerikaanse recensiesite Yelp heeft daar wel een oplossing voor: die filtert de negatiefste (en ook de positiefste) recensies uit de totaalscore van een reislocatie.