O Google revelou recentemente que implementou mais esforços para combater avaliações falsas em sua plataforma, removendo um total de 170 milhões de reviews fraudulentas no Google Maps e no serviço de busca.
Essa ação foi impulsionada por um novo algoritmo de machine learning desenvolvido pela empresa.
A quantidade expressiva de avaliações removidas representa um aumento de 45% em comparação com o ano anterior, destacando a eficácia do algoritmo em identificar padrões suspeitos.
O Google explica a importância de manter as avaliações reais em um cenário em que a comunicação é ágil, especialmente considerando que, em média, 20 milhões de contribuições, incluindo avaliações, fotos e alterações de informações, são publicadas diariamente na sua plataforma de mapas e na ferramenta de busca.
O algoritmo tem a capacidade de identificar rapidamente picos de avaliações extremamente positivas ou negativas, um sinal claro de revisões falsas. O principal impulsionador dessas avaliações fraudulentas são pessoas contratadas por golpistas, que oferecem pagamento por revisões em locais específicos.
Além disso, a ferramenta também atua na identificação de avaliações relacionadas a casos de repercussão, como quando um estabelecimento viraliza por uma experiência negativa e passa a receber avaliações ruins como forma de protesto.
O Google destaca a importância das denúncias feitas por lojistas e usuários, contribuindo para a eficácia do sistema na remoção de avaliações fraudulentas.
O combate a avaliações falsas é crucial para proporcionar aos usuários uma experiência confiável ao tomar decisões de compra e lazer em estabelecimentos comerciais. No mesmo contexto, a Mozilla introduziu um recurso semelhante no Firefox no ano passado, utilizando machine learning para identificar padrões suspeitos nos textos dos autores das análises.
FIQUE POR DENTRO!
- Uso da IA na saúde: Ferramenta essencial para predição de riscos
- Microsoft Copilot Pro: Conheça os novos recursos de IA Generativa
- Microsoft e OpenAI alertam para uso de IA em ciberataques
