요즘IT
위시켓
최근 검색어
전체 삭제
최근 검색어가 없습니다.

지난 6월, 아마존 블로그에 글이 하나 올라왔다. 가짜 리뷰에 더욱 강력히 대응하겠다는 글이었다. 아마존이 가짜 리뷰와의 전쟁을 선포한 것은 어제오늘 일이 아니다. 하지만 지난 9월에 약 600개의 브랜드를(판매자 개수만 치면 3,000개) 아마존에서 퇴출시킨 걸 보면 이번에는 의지가 강한 모양새다.

회원가입을 하면 원하는 문장을
저장할 수 있어요!

다음

회원가입을 하면
성장에 도움이 되는 콘텐츠를
스크랩할 수 있어요!

확인

프로덕트

총성 없는 전쟁, 아마존 VS 가짜 리뷰

년차,
어떤 스킬
,
어떤 직무
독자들이 봤을까요?
어떤 독자들이 봤는지 궁금하다면?
로그인

지난 6월, 아마존 블로그에 글이 하나 올라왔다. 가짜 리뷰에 더욱 강력히 대응하겠다는 글이었다. 아마존이 가짜 리뷰와의 전쟁을 선포한 것은 어제오늘 일이 아니다. 하지만 지난 9월에 약 600개의 브랜드를(판매자 개수만 치면 3,000개) 아마존에서 퇴출시킨 걸 보면 이번에는 의지가 강한 모양새다.

 

아마존이 말하는 가짜 리뷰란 '진정성이 없는 리뷰'를 말한다. 물건을 써본 적도 없는 사람(또는 봇)이 남기는 리뷰와 판매자에게 돈을 받고 써주는 리뷰가 이에 해당한다. 미국 전자상거래 시장을 40% 이상 차지하는 공룡에게 소비자 리뷰의 퀄리티는 반드시 지켜야 하는 자산이다.

 

이 글을 통해 아마존이 가짜 리뷰를 어떻게 걸러내고 있는지, 가짜 리뷰를 남기는 사람들은 누구인지, 소비자들은 어떻게 대응하고 있는지를 알아보자.

 

 

1. 아마존의 가짜 리뷰 걸러내기

가짜 리뷰가 많다 보니 ‘정말 5점인가’하는 의심부터 든다

 

가짜 리뷰는 판매자가 자기 상품을 띄우기 위한 목적뿐만 아니라 경쟁사를 공격하기 위한 목적도 있다. 경쟁사 물건을 리뷰어들에게 사준 뒤 1점 테러를 의뢰하는 방식이다. 이처럼 많은 문제가 유발하는 가짜 리뷰를 찾아내기 위해 아마존은 기계 학습 알고리즘을 사용한다.

 

이를 통해 이미 올라온 가짜 리뷰를 지우는 것뿐만 아니라 올라오는 과정에서부터 싹을 잘라버린다. 지난해 아마존이 잡아낸 가짜 리뷰는 약 2억 개이며, 단순히 리뷰를 지우는 것에서 끝내지 않고 리뷰어와 판매자 계정을 정지하는 등 강력한 조치를 취하고 있다.

 

그렇다면 아마존 기계 학습 알고리즘은 어떤 방식으로 운영되고 있을까? 세계 최대 IT 기업답게 최첨단 알고리즘을 적용하지만, 아쉽게도 알고리즘의 상세 내용은 공개된 것이 없다. 단지, 아래와 같은 항목을 종합적으로 수집하고 중요도를 매겨 '가짜일 확률'을 계산하여 삭제할지 말지에 대한 결정을 내리는 방식으로 예상하고 있다.

 

- 리뷰 길이가 너무 짧거나 길지 않는가?

- 다른 리뷰를 베꼈거나 일부만 수정해서 올리지는 않았는가?

- 문장의 문법이 엉터리이지는 않는가?

- 리뷰어가 리뷰를 남기는 시기가 너무 일정하게 반복되지는 않는가?

- 모든 상품에 대해 5점(또는 1점)을 남발하지는 않는가?

- 사용된 단어가 과하게 긍정적이거나 부정적이지는 않는가?

- 짧은 시간 동안 리뷰를 너무 많이 올리지 않았는가?

- 텍스트가 상품과 관련 없는 내용이지는 않는가?

- 텍스트 양에 비해 추상적인 단어만 있지는 않는가?

- 대문자/기호/이모티콘을 과하게 사용하지는 않는가?

- 상품마다 사용하는 표현이 (같은 리뷰어임에도 불구하고) 너무 이질적이지는 않는가?

- 올린 사진/동영상이 상품과 관련 없지는 않은가?

- 리뷰어는 실제로 해당 상품을 구매했는가?

 

하지만 아무리 아마존이라도 알고리즘만으로 잡아내기엔 한계가 있다. 그래서 아마존은 가짜 리뷰를 조사하는 담당자들이 별도로 배치되어 활동 중이다. 이들이 필요한 이유는 바로 다음과 같은 상황 때문이다.

 

 

2. 가짜 리뷰가 만들어지는 방법

돈만 주면 누구나 쉽게 가짜 리뷰를 작성할 수 있다

 

현재 아마존 리뷰를 돈 주고 살 수 있는 사이트는 간단한 검색만으로 쉽게 찾을 수 있다. 사이트를 둘러보면 리뷰 1개당 약 10~20달러 가격의 패키지를 판매하는 것을 확인할 수 있다. 직접 써보지 않아서 자세한 내용은 알기 어렵지만, 판매하는 물건이나 리뷰 퀄리티에 따라 가격 변동이 있을 것이다.

 

하지만 가짜 리뷰가 정말로 활발히 생성되는 곳은 SNS 커뮤니티다. 가장 대표적으로 페이스북 그룹이 있는데, 'Amazon Reviews' 'Deals' 'Tester group' 같은 키워드로 검색하면 정말 많은 그룹이 나온다. 물론 공개 그룹이 아니라 멤버에게 초대를 받아야 한다.

 

그룹 안에서는 'OO 제품 리뷰하실 분 모십니다'라는 포스팅이 올라오고, 손을 든 참여자들은 리뷰 작업에 들어간다. 참여자는 판매자의 물건을 실제로 구입하고, 아마존에 리뷰를 남기고, 판매자에게 영수증 인증을 한다. 영수증을 확인한 판매자는 물건값만큼의 금액을 참여자의 페이팔 계정으로 보내준다.

 

참여자가 실제로 써보고 남기는 리뷰이므로 사진도 있고, 내용도 구체적이고, 구매 기록도 있다. 이런 리뷰는 아무리 아마존의 최신 기계 학습 알고리즘이라고 해도 깨끗이 찾아내기 힘들다. 이래서 아마존은 별도 조사관을 배치해 두었다. 조사관은 아마존 플랫폼 밖에서 자라나는 가짜 리뷰의 뿌리를 탐색해 제거한다. 실제로 여러 개의 리뷰어 그룹이 정책 위반을 이유로 페이스북에서 삭제되었다.

 

그렇지만 이러한 아마존의 노력에도 불구하고 가짜 리뷰를 완벽히 막기는 힘든 상황이다. 페이스북 그룹이 없어지면 또 만들면 되고, 페이스북이 아니더라도 왓츠앱, 텔레그램같이 아마존의 감시를 피할 수 있는 플랫폼은 얼마든지 있다. 독일에서 살 때 아내가 독일어 학원을 다녔는데, 같은 반 대만 친구에게 '아마존 리뷰하기' 왓츠앱 그룹에 초대받은 일이 있다. 가짜 리뷰를 남기며 용돈을 버는 일이 얼마나 흔한 일인지 알 수 있었다.

 

 

3. 소비자들의 대응

소비자들도 가짜 리뷰 척결에 나섰다

 

아마존의 대응만으로도 부족하자 이제는 소비자들이 직접 나섰다. 사실 소비자들도 가짜 리뷰를 싫어할 수밖에 없다. 사기 전에 꼼꼼히 읽은 리뷰가 알고 보니 가짜였다면 그 배신감은 이루 다 말할 수 없을 것이다. 그러나 가짜 리뷰가 있다고 해서 아마존을 안 쓸 수는 없으니, 소비자들도 나름의 대응을 하고 있다. 아마존에서 가짜 리뷰를 걸러 내는 사이트들이 있는데 (reviewmeta.com, fakespot.com 등), 사이트에 접속 후 사고 싶은 물건의 링크를 붙여 넣으면 가짜 리뷰를 걸러내 해당 제품의 진짜 점수를 조정하는 방식이다.

 

가짜 리뷰를 찾아내니 평점이 4.6으로 떨어졌다

 

예를 들어 평점 4.8, 리뷰가 841개인 플라스틱 옷걸이 상품이 있는데, 링크를 복사해서 확인하니 약 300개의 리뷰가 가짜로 판명됐다. 그래서 조정된 점수는 4.6. 물론 남은 500여 개의 리뷰도 평점이 좋기 때문에 별 걱정하지 않고 사겠지만, 혹시라도 평점이 크게 떨어지는 경우라면 의심이 들 것이다. 그 외에도 상품에 '#1 Best Seller' 'Amazon's choice' 같은 딱지가 붙어있는 제품만 사는 등 대처법은 다양하다.

 

 

정리

1. 아마존은 미국 내 최대 전자 상거래 플랫폼이다.

2. 아마존에는 가짜 리뷰가 넘쳐나고, 이를 잡아내기 위해 알고리즘을 이용하고 있다

3. SNS 그룹에서는 일반 소비자들을 대상으로 여러 상품의 가짜 리뷰가 기획된다.

4. SNS를 이용한 가짜 리뷰는 소비자가 직접 구매 후 리뷰를 쓴 다음, 판매자에게 물건값에 대한 금액을 받는다. 실제 구매 기록이 있는 사람이 남긴 리뷰이기 때문에 알고리즘으로 걸러내기에는 한계가 있다.

5. 아마존 또한 SNS 그룹의 존재를 잘 알고 있으며 이런 그룹을 폐쇄시키기 위해 노력하고 있다.

6. 소비자들 또한 아마존에 가짜 리뷰가 많다는 사실을 인지하고 있으나, 아마존 없이는 살 수 없기 때문에 가짜 리뷰를 걸러내기 위한 나름의 노력을 기울이고 있다.

7. 가짜 리뷰 술래잡기는 앞으로도 계속될 것으로 보인다.

 

 

<참고 자료>

Creating a trustworthy reviews experience

Amazon hits over 600 Chinese electronic brands with the banhammer

Fake Reviews Detection using Supervised Machine Learning

좋아요

댓글

공유

공유

댓글 0
광고수익화PM
34
명 알림 받는 중

작가 홈

광고수익화PM
34
명 알림 받는 중
효율 추구에만 매달리지 않으려고 노력하는 프로덕트 매니저입니다.
같은 분야를 다룬 콘텐츠
인기 있는 콘텐츠

좋아요

댓글

스크랩

공유

공유

지금 회원가입하고,
요즘IT가 PICK한 뉴스레터를 받아보세요!

회원가입하기
요즘IT의 멤버가 되어주세요! 요즘IT의 멤버가 되어주세요!
요즘IT의 멤버가 되어주세요!
모든 콘텐츠를 편하게 보고 스크랩할 수 있어요.
모든 콘텐츠를 편하게 보고 스크랩 하기
매주 PICK한 콘텐츠를 뉴스레터로 받을 수 있어요.
매주 PICK한 콘텐츠를 뉴스레터로 받기
로그인하고 무료로 사용하기