估算在线评论社区中欺骗行为的普遍性

消费者的购买决策日益受到用户生成的在线评论的影响。因此，人们越来越关注发布“欺骗性意见垃圾邮件”（即故意写得看似真实以欺骗读者的虚构评论）的潜在可能。尽管这种做法已受到公众的广泛关注和担忧，但关于在线评论社区中欺骗行为的实际普遍性或发生率知之甚少，关于影响它的因素则了解得更少。我们提出了一种欺骗生成模型，并结合欺骗分类器，用于探索六个流行在线评论社区（Expedia、Hotels.com、Orbitz、Priceline、TripAdvisor 和 Yelp）中欺骗行为的普遍性。此外，我们基于经济信号理论提出了一个在线评论理论模型，其中消费者评论通过作为产品真实未知质量的信号，减少了消费者与生产者之间固有的信息不对称。我们发现，欺骗性意见垃圾邮件总体上是一个日益严重的问题，但在不同社区中增长率各异。我们认为，这些增长率是由每个评论社区与欺骗相关的不同信号成本（例如发布要求）所驱动的。当采取措施增加信号成本时（例如过滤首次评论者撰写的评论），欺骗行为的普遍性会得到有效降低。