Массовка, рейтинг и искусство небыть пойманным: научный взгляд на «правильные» фейковые отзывы

Представьте: вы открываете карточку товара на маркетплейсе, а там — три отзыва. Один восторженный, второй разгромный, а третий... подозрительно идеальный. Средний балл — 3.8. Вы колеблетесь. И тут в голове всплывает мысль: «А не накрутили ли они себе рейтинг?» Спойлер: скорее всего, да. И, как ни парадоксально, это не всегда плохо для бизнеса.

В мире онлайн-отзывов действует странная математика. Потребители редко оставляют отзывы с оценкой «3» или «4». Намного чаще они делятся двумя типами опыта: либо полный восторг («5 звёзд, всё супер!»), либо крайнее разочарование («1 звезда, верните деньги!»). В результате распределение оценок приобретает характерную J-образную форму: подавляющее большинство оценок — пятизвёздочные, небольшая часть — однозвёздочные, и почти ничего между ними.

Это создает для бизнеса ловушку. С одной стороны, несколько разгневанных клиентов могут утянуть средний балл вниз. С другой — новых отзывов может быть так мало, что рейтинг просто «зависает» на неудобной цифре. И тут на сцену выходит «массовка» — отзывы, которые пишутся не из реального опыта, а для того, чтобы сбалансировать картину и вывести средний балл на приемлемый уровень. По данным исследований, от 16 до 33% отзывов о товарах могут быть недостоверными. А на Tripadvisor, например, в 2024 году из 31,1 млн отзывов около 2,7 млн (8,7%) были признаны подозрительными и удалены.

Прежде чем осуждать «накрутчиков», стоит признать: мы сами не блещем в распознавании фейков. Исследования показывают, что точность человека при определении поддельного отзыва составляет около 55%. Это чуть лучше, чем подбрасывание монетки. Люди лучше распознают правду, чем ложь — у нас есть врожденная склонность верить написанному (так называемая truth bias). Именно поэтому «правильный» фейковый отзыв имеет все шансы пройти незамеченным — если он составлен грамотно.

Научные работы по детекции обмана (например, теория мониторинга реальности и теория самопрезентации) выделяют несколько лингвистических маркеров, которые отличают настоящий отзыв от поддельного. Задача «грамотного» фейка — избежать этих маркеров и одновременно создать иллюзию подлинности. Вот алгоритм.

1. Специфичность и детали (но не переборщите)Подлинные отзывы содержат перцептивные и контекстные детали: как пахло, что сказал менеджер, какая была погода, сколько времени заняло ожидание. Парадокс в том, что люди склонны считать более конкретные отзывы более достоверными. Но AI-фейки, например, грешат как раз низкой специфичностью — они слишком общие. «Правильный» фейк должен содержать одну-две очень конкретные, но не проверяемые детали: «курьер приехал на 15 минут раньше», «в офисе пахло кофе», «менеджер Ирина быстро ответила». Это создает ощущение реального опыта.

2. Умеренность и несовершенствоНастоящие отзывы редко бывают идеальными. В них есть оговорки, сомнения, небольшие недостатки (tentativeness). Фейки, написанные людьми, часто грешат преувеличением (exaggeration) — чрезмерной эмоциональностью и восторженностью. «Правильный» фейк должен быть сдержанным. Вместо «Это лучший сервис в моей жизни!» — «В целом доволен, хотя ждать пришлось дольше, чем хотелось бы». Небольшой минус делает плюсы правдоподобнее.

3. Избегайте «клинической» гладкостиТеория самопрезентации предполагает, что фейки могут быть «клинически» написанными — слишком гладкими, логичными и понятными. Настоящая речь часто сбивчива, содержит лишние слова, отступления. AI-отзывы, например, обладают более высокой понятностью (comprehensibility) и более низкой эмпатией, чем человеческие. «Правильный» фейк должен звучать немного небрежно, как будто человек писал на бегу, с телефона.

4. Время и контекстПодлинные отзывы часто содержат временные маркеры («вчера заходил», «на прошлой неделе»). Фейки, наоборот, могут быть «вне времени». «Правильный» фейк должен привязывать опыт к конкретному моменту. И помните о психологической дистанции: чем больше времени проходит между событием и отзывом, тем более позитивным (и менее конкретным) он становится. Пишите так, будто событие произошло недавно.

Я не призываю вас заниматься накруткой. Наоборот: рынок перенасыщен фейками, и потребители устали. 60% людей требуют более строгих мер против этой практики. Более того, алгоритмы становятся умнее. Они анализируют не только текст, но и поведение: частоту отзывов, временные всплески, отклонения в оценках. «Правильный» с научной точки зрения фейк — это не призыв к действию, а упражнение в понимании того, как работает человеческое восприятие. Знание этих механизмов поможет вам, во-первых, лучше распознавать обман, а во-вторых, — что важнее — сделать так, чтобы настоящие отзывы клиентов были настолько специфичными, умеренными и живыми, что никакая массовка им не понадобится.