假到尴尬的好评、恶评泛滥，平台的筛查算法真的在发挥作用吗？周五的晚上，结束了一周的学习和工作，你打开一家消费点评网站，从里面选出了一家高分餐厅，和朋友迫不及待地准备去饱餐一顿。然而，所谓的高分餐厅却让你大跌眼镜，望着盘子里不合胃口的菜肴，你不禁有了这样的疑问：“这家餐厅是不是雇了水军来刷好评啊？
”我们常常期待自己在点评网站上看到的是客观公正的评价，然而事实上，这类网站上的点评与大家实际到访后的感受并不常常一致。商家的亲朋好友、竞争对手或是从前的雇员发送的评论往往不够客观，有时商家也会引导顾客给好评。除此之外，有研究者发现，大家在获得了特别好或特别不好的使用体验后，更可能进行评价。互联网“水军”的出现也使得这类平台上的评价更加分散。
例如在满分为5星的评分系统中，虚假的评论更可能集中于较极端的1星或5星，而非中间档次。
在众包平台中，如何在商业竞争中维护信息的质量，向来是一个重要的话题。点评网站们也意识到了这一问题的存在，并且采取了相应的筛查机制，利用算法筛查出潜在的虚假评论，并在商家主页中屏蔽这些评论，以减少其带来的影响。本文作者利用全美最大的点评网站Yelp上的数据进行了研究，对平台使用的欺诈检测算法的效果进行了验证，并探究了这些虚假评价出现背后的经济学动机。
总体而言，Yelp平台需要对虚假评论的筛查机制，且现有的算法也起到了较好的筛查效果。就虚假评论的内容而言，虚假好评的出现更多地是出于提升商家声誉的考虑，而虚假差评的出现则可能主要来自于竞争对手的恶意攻击。这种打响自家知名度，并甩开同行业竞争对手的需求，造成了虚假评论的屡禁不止。同时，真正的成功者很少在意虚假评论带来的收益，而仍然挣扎在成功路上的商家才更可能“不择手段”地出人头地。
首先，欺诈检测算法能够较好地识别虚假评论，这使平台设计者可以消除虚假评论，并可能进行惩罚。这种做法成本较低，但是，算法似乎缺乏透明度，并且不可避免地会存在噪声。其次，平台设计者可以进行验证，只允许确实消费过的评论者留下评论。尽管这可以减少虚假评论的出现，但减少合规内容的数量可能是其导致的意外结果。
此外，平台设计者可以像文中描述的那样实施整治手段，但是这种方式成本很高，并且只能在企业购买而非自己撰写虚假评论的情况下完成。最后，也许平台可以考虑利用行为经济学来减少欺诈。例如，如果商家从一开始并不将这样的欺诈行为视为道德决策，那么平台可以在每次有人评论时，着重标出评论涉及的道德因素，从而推动评论者更客观地作出评价。