Im heutigen digitalen Zeitalter verlassen sich viele Verbraucher auf Online-Bewertungen und Bewertungen, um fundierte Entscheidungen über ein Produkt oder eine Dienstleistung zu treffen. Positive Bewertungen und Fünf-Sterne-Bewertungen können die Entscheidung eines potenziellen Kunden stark beeinflussen. Jedoch sind nicht alle geschriebenen Bewertungen echt, und einige können gefälscht sein, um die öffentliche Wahrnehmung zu manipulieren. Diese Praxis ist nicht nur unethisch, sondern kann auch Verbraucher in die Irre führen. Als kluger Online-Shopper ist es wichtig zu lernen, wie man gefälschte Bewertungen erkennt. Es ist entscheidend, Warnsignale zu identifizieren und authentisches Feedback von erfundenen Meinungen zu unterscheiden.
Was ist der erste Schritt, um gefälschte Bewertungen zu erkennen?
Um eine gefälschte Bewertung zu erkennen, ist es wichtig, nach Mustern in den positiven und negativen Bewertungen eines Produkts zu suchen. Gefälschte positive Produktbewertungen neigen dazu, übermäßig enthusiastisch zu sein und spezifische Details über das Produkt oder die Dienstleistung zu vermissen. Sie können auch in einem ähnlichen Stil geschrieben sein oder die gleichen Phrasen verwenden, was darauf hindeuten kann, dass sie von derselben Person oder Gruppe generiert wurden.
Andererseits enthalten gefälschte negative Bewertungen oft übertriebene Behauptungen oder konzentrieren sich auf irrelevante Aspekte des Produkts oder der Dienstleistung. Achten Sie beim Online-Shopping und beim Durchsuchen des Produktbewertungsbereichs auf die Bewertungsverteilung.
Echte Bewertungen haben typischerweise eine Mischung aus positiven und negativen Kundenfeedbacks, die die unterschiedlichen Erfahrungen echter Kunden widerspiegeln. Wenn ein Produkt eine überwältigende Anzahl von Fünf-Sterne-Bewertungen mit wenigen oder keinen kritischen Kommentaren hat, kann dies ein Zeichen dafür sein, dass die Bewertungen nicht authentisch sind.
Ein weiteres Anzeichen für unechte Bewertungen ist ein plötzlicher Zustrom von Bewertungen innerhalb einer kurzen Zeit, besonders wenn das Produkt oder die Dienstleistung schon länger verfügbar ist. Dies könnte darauf hindeuten, dass jemand künstlich gefälschte Bewertungen kauft, um die Bewertungen zu verbessern.
In diesem Artikel werden wir verschiedene Möglichkeiten untersuchen, gefälschte Online-Bewertungen und -Bewertungen zu identifizieren und zu vermeiden, ihnen zum Opfer zu fallen, um sicherzustellen, dass Sie fundierte Entscheidungen auf der Grundlage echter Erfahrungen treffen, die von echten Kunden geteilt werden.
Haben wirklich zwei Drittel aller Produkte eine zu gute Sternebewertung?
Es gibt immer mehr Artikel über gefälschte Bewertungen in der Presse und auf verschiedenen Online-Nachrichtenportalen. Dies bezieht sich auf verschiedene Branchen und deren Internetplattformen, von der Gastronomie über Reisen bis hin zu Suchmaschinen. Meistens geht es um Booking.com, Tripadvisor und Google. Und natürlich um Amazon.
Interessanterweise gibt es nur wenig Fachliteratur oder Studien zu diesem Thema. Jeder weiß, dass es „gefälschte“ oder gekaufte Bewertungen gibt; allerdings sind das Ausmaß und die Auswirkungen schlecht dokumentiert. Die Vorreiter bei der Aufdeckung und Bekämpfung von „unechten Bewertungen“ sind in der Regel Verbraucherschutzorganisationen oder ähnliche Akteure. In Großbritannien ist dies „Which?“; in Deutschland ist es zum Beispiel die Stiftung Warentest.
Als Bewertungsexperten beschäftigen wir uns bei gominga natürlich auch intensiv mit dem Thema gefälschter Bewertungen, um unseren Kunden Rat und Unterstützung zu bieten.
Hier möchten wir auch auf das Kapitel „Produktbewertungen auf Amazon: Relevanz und Empfehlungen für Unternehmen“ im Buch „Amazon für Entscheider“ (Springer Verlag, April 2020) verweisen.
In den folgenden Abschnitten haben wir einen aktuellen Artikel der Stiftung Warentest zum Anlass genommen, das Thema „gefälschte Bewertungen“ und das Vorgehen zur Identifizierung gefälschter Nutzerbewertungen zu untersuchen. Dazu haben wir analog zur Stiftung Warentest den Analyseanbieter ReviewMeta verwendet und eine zusätzliche Vergleichsauswertung mit weiteren Bewertungsdaten durchgeführt. Neben unseren Erkenntnissen stellen wir auch weitere Links zum Thema bereit, einschließlich aktueller Studien von „Which?“ aus Großbritannien und der Stiftung Warentest.
Seit mehreren Jahren werden nationale und internationale Studien durchgeführt, um den Einfluss von Bewertungen auf Verbraucher nachzuweisen. Auch wir haben den Wert von Kundenbewertungen umfassend erläutert. Oft wird ein Zusammenhang zwischen Bewertungen, Preis und Verkäufen nachgewiesen. Daher ist es bis zu einem gewissen Grad verständlich, dass es Versuche gibt, das Geschäft durch Manipulation von Bewertungen positiv zu beeinflussen.
Unechte Bewertungen sind immer häufiger geworden, um Kunden anzulocken.
Gefälschte Bewertungen sind am effektivsten für weniger bekannte Marken, Produkte mit wenigen technischen Attributen und günstige Artikel. Manipulatoren zielen auf Sternebewertungen, Bewertungsquantität, Bewertungsverteilung und hochwertige gefälschte Bewertungen ab. Während Plattformen strenge Regeln implementieren, hält die Manipulation durch verschiedene Mittel an, von Familie und Freunden bis hin zu einer professionellen Schattenindustrie, die Social-Media-Gruppen, Zahlungsdienste, Bots und Bewertungs-Hijacking nutzt. Der Bericht der Stiftung Warentest von 2020 beschrieb diese Praktiken detailliert, einschließlich des Kaufs von Bewertungen und deren Analyse mit ReviewMeta.
Wir haben den Bericht zum Anlass genommen, die Methodik, das Vorgehen und die Ergebnisse genau zu untersuchen, um sie mit einem anderen Datensatz zu vergleichen und die Analyse zu replizieren.
„Die Frage und das Ziel für uns war: Kann man gekaufte Bewertungen wirklich leicht identifizieren? Wie hoch ist der Prozentsatz gekaufter Bewertungen, und gibt es einen Unterschied zwischen Markenprodukten und „No Name“-Produkten?“
Möglichkeiten, gefälschte Bewertungen zu erkennen
Wie kann man gekaufte Bewertungen erkennen? Was sind die Kriterien? Wie kann ein solcher Prüfprozess für große Datenmengen automatisiert werden?
Eine effektive Möglichkeit, unseriöse Bewertungen zu erkennen, besteht darin, Muster oder Ähnlichkeiten in mehreren Bewertungen für Produkte zu identifizieren. Wenn Sie bemerken, dass viele Bewertungen ähnliche Sprache, Formulierungen oder spezifische Schlüsselwörter verwenden, könnte dies ein Zeichen dafür sein, dass sie gefälscht sind. Dies gilt besonders, wenn die Bewertungen innerhalb eines kurzen Zeitraums gepostet wurden oder wenn sie übermäßig positiv oder negativ sind, ohne spezifische Details zu liefern. Achten Sie auch auf den Namen des Bewertungsschreibers. Unechte Bewertungen werden oft von Profilen mit generischen Namen wie John Smith oder Jane Doe geschrieben.
Ein weiteres Warnsignal ist ein plötzlicher Zustrom von 5-Sterne- oder 1-Stern-Bewertungen, besonders wenn sie erheblich vom allgemeinen Bewertungstrend abweichen.
Echte Bewertungen neigen zu einer ausgewogeneren Verteilung der Bewertungen. Zahlreiche ähnliche Bewertungen könnten ebenfalls gefälscht sein. Seien Sie zudem vorsichtig bei Bewertungen, die erwähnen, dass der Bewerter ein kostenloses Produkt im Austausch für Feedback erhalten hat. Während einige Unternehmen Anreize für ehrliche Bewertungen bieten, könnte eine ungewöhnlich hohe Anzahl solcher Erwähnungen ein Zeichen für gefälschte Bewertungen sein.
ReviewMeta ist eines der bekanntesten Tools auf dem Markt zur Identifizierung verdächtiger Bewertungen auf Amazon. Das Unternehmen sammelt zunächst Bewertungsdaten von den verschiedenen Amazon-Länderplattformen und unterzieht sie dann einer Authentizitätsprüfung.
Zum Beispiel gibt es derzeit 5,3 Millionen geprüfte Produkte auf amazon.com und fast 650.000 Produkte auf amazon.de Das bedeutet natürlich, dass es sich um eine statische Prüfung handelt und nicht immer alle aktuellen Daten abgefragt werden können. Zudem umfasst die sehr große Datenmenge nicht alle Produkte und deren Bewertungen.
ReviewMeta bewertet meist die Top 100 Produkte verschiedener Kategorien. Diese Bestseller-Listen enthalten dann – mal mehr, mal weniger – eine Mischung aus Produkten bekannter Markenhersteller und günstiger No-Name-Produzenten.
Das Tool ist kostenlos, sodass jeder einzelne Produkte abfragen und entweder direkt bei ReviewMeta oder über ein Browser-Plugin auf gefälschtes Produktfeedback prüfen kann. Abschließend sei erwähnt, dass ReviewMeta nicht von „unechten Bewertungen“ spricht; vielmehr heißt es: „ReviewMeta analysiert Amazon-Produktfeedback und filtert Bewertungen heraus, die unser Algorithmus als möglicherweise unnatürlich erkennt.“
„ReviewMeta selbst spricht nicht von „gefälschten Bewertungen“, sondern vielmehr: „ReviewMeta analysiert Amazon-Produktbewertungen und filtert Bewertungen heraus, die unser Algorithmus als unnatürlich einstuft.“
Was hat gominga untersucht?
Wir haben das Tool von ReviewMeta verwendet, um zwei verschiedene Bewertungsdatensätze zu analysieren und zu vergleichen. Die erste Testgruppe umfasst 45 Produkte, für die wir von gekauften oder „angeregten“ Bewertungen wissen.
Die zweite Testgruppe umfasst 110 Produkte von Markenherstellern ohne gekaufte oder „angeregte“ Bewertungen. Alles gut gepflegte Sortimente mit durchgängig organisch generierten Bewertungen und aktivem Kundensupport, der auf negative Bewertungen reagiert und Fragen beantwortet.
Unsere Frage war also:
- Erkennt ReviewMeta gekaufte Bewertungen?
- Wie viele Bewertungen markiert ReviewMeta als „unnatürlich“?
- Wie ändert sich der Sternwert, nachdem ReviewMeta „unnatürliche“ Bewertungen aussortiert hat?
Wir waren auch daran interessiert zu sehen, ob es einen Unterschied zwischen günstigen No-Name-Produkten (oft Handyhüllen, Zubehör, Kabel, Wasserflaschen etc.) und den Produkten von Markenherstellern gibt.
Die Berechnung des Sternwerts ist wichtig für die Analyse und die Ergebnisse. Sowohl ReviewMeta als auch wir können dies nur mit dem arithmetischen Mittel der Bewertungen berechnen. Amazon hingegen verwendet einen Algorithmus, der verschiedene unbekannte Faktoren berücksichtigt. Daher gibt es in der Regel eine erhebliche Diskrepanz zwischen dem bei Amazon angezeigten Sternwert und dem berechneten Wert.
Amazon erklärt die Berechnung des Sternwerts wie folgt:
„Diese Modelle berücksichtigen mehrere Faktoren, einschließlich zum Beispiel, wie aktuell die Bewertung ist oder ob es sich um einen verifizierten Kauf handelt. Sie verwenden mehrere Kriterien, um die Authentizität des Feedbacks zu bestimmen. Das System lernt und verbessert sich kontinuierlich im Laufe der Zeit. Wir berücksichtigen Kundenbewertungen, die nicht den Status „Verifizierter Kauf“ haben, nicht in der Gesamtsternbewertung von Produkten, es sei denn, der Kunde fügt weitere Details in Form von Text, Bildern oder Videos hinzu“.
Sowohl wir als auch ReviewMeta berücksichtigen in unseren Berechnungen nur Bewertungen mit Text. Obwohl verifizierte reine Bewertungen ohne Text in den Gesamtdurchschnitt einfließen, können diese derzeit weder von uns noch von ReviewMeta extern erfasst werden. Diese können nur durch Vergleich ermittelt werden, wenn das Produkt bereits erfasst wurde.
ReviewMeta Bewertungskriterien und Prozess
ReviewMeta verarbeitet alle Bewertungen anhand einer Vielzahl von Kriterien, nach denen entweder die Bewertung oder der Schreiber als ‚nicht vertrauenswürdig‚ eingestuft wird – diese sind:
Autor:
- Markenwiederholer
- Markenloyalisten
- Markenmonogamisten
- Nie-verifizierte Nutzer
- Einmal-Wunder
- Überlappende Bewertungshistorie
- Nutzerbeteiligung
- Eintagsnutzer
- Rücknahme-Nutzer
Bewertung:
- Gelöschte Bewertungen
- Anreiz-Bewertungen
- Phrasenverwwiederholung
- Nicht verifizierte Käufe
- Wortanzahl-Vergleich
ReviewMeta kategorisiert Bewertungen basierend auf erkannten Anomalien als „FAIL“, „WARN“ oder „PASS“. Unsere Analyse konzentrierte sich auf „FAIL“-Ergebnisse. Allerdings sind ReviewMetas Scans selten, wobei einige Produkte nie erfasst oder zuletzt vor Monaten gescannt wurden. Einige Auswertungen basieren nur auf wenigen Scans, was Schlussfolgerungen vorläufig macht, besonders bei Kriterien wie gelöschten Bewertungen, die aktuelle Daten erfordern.
Unsere Analyse der beiden Testgruppen untersucht Sternwert-Anpassungen, verdächtige Bewertungszahlen und die Hauptkriterien für „unnatürliche“ Bewertungen.
Anpassung des Sternwerts
Was das Aussortieren der „unnatürlichen“ Bewertungen und damit die Neuberechnung des Sternwerts betrifft, ist das Verhältnis zwischen den beiden ausgewerteten Gruppen weitgehend ähnlich. Die Differenz zwischen dem „alten“ bei Amazon angezeigten Sternwert und dem „neuen“ Sternwert hat sich in beiden Gruppen ähnlich verändert. Änderungen in der ersten Nachkommastelle machen den größten Anteil aus. Zwischen fast 73% (Testgruppe mit „angeregten“ Bewertungen) und 62% (Testgruppe der Markenprodukte) zeigen eine Änderung von weniger als 0,5 und damit meist unterhalb der Rundungsgrenze für den bei Amazon grafisch angezeigten Stern. Davon liegen zwischen 23% und 19% sogar unter 0,1. 
Diese Anpassung ist größtenteils auf die unterschiedlichen Berechnungen des bei Amazon angezeigten Sternwerts und des arithmetischen Mittels der Neuberechnung zurückzuführen. Für die hier ausgewerteten Produkte wurden die wenigsten Bewertungen (im Vergleich zu den anderen Clustern) durch ReviewMetas Regeln komplett aussortiert, d.h. hier erfolgte die kleinste Anpassung. Bei 16% für die Testgruppe mit „angeregten“ Bewertungen und 21% für die Produkte der Markenhersteller lässt sich eine größere Änderung des Sternwerts von über 0,5 feststellen. Dies würde dann zu einer Änderung in der grafischen Darstellung des Sternwerts bei Amazon führen. Beispielsweise werden dann 4 volle Sterne anstatt 4 ½ angezeigt. Bei 9% der Produkte mit „angeregten“ Bewertungen und 15% der Produkte von Markenherstellern führten die von ReviewMeta vorgenommenen Anpassungen sogar zu Verbesserungen der Bewertung. Mit anderen Worten, negative Bewertungen werden als „unnatürlich“ identifiziert. Bei 2% der Produkte gibt es überhaupt keine Änderungen.
Anpassung der Anzahl der Produktbewertungen
Die Produkte in der Testgruppe mit „angeregten“ Bewertungen hatten vor der Analyse durch das ReviewMeta-Tool durchschnittlich 41 Bewertungen. Die Testgruppe der Markenprodukte hatte 423.
Dafür gibt es viele Gründe. Man könnte argumentieren, dass Markenprodukte von Natur aus bei den Verbrauchern bekannter sind und daher häufiger bewertet werden.
Darüber hinaus sind die Produktpräsentationen der Markenhersteller vermutlich besser gepflegt, und das Thema Bewertungen und Q&A wird aktiv gemanagt.
Andererseits haben die Produkte in der Testgruppe mit „angeregten“ Bewertungen deutlich weniger Bewertungen, was der ursprüngliche Grund für den Kauf von Bewertungen ist.
Das Aussortieren und Anpassen der quantitativen Anzahl von Bewertungen führt natürlich zur Möglichkeit, viele erfundene Bewertungen zu finden, was für die beiden Testgruppen durchgehend ungleich ist.
In der Testgruppe mit „angeregten“ Bewertungen hatten 61% überhaupt keine Änderungen in der Anzahl der Bewertungen, d.h. 61% hatten überhaupt keine Beanstandungen oder diese führten nicht zum Ausschluss. Bei den Markenprodukten betraf dies nur 16%.
Die Hauptkriterien der als „unnatürlich“ identifizierten Bewertungen
Diese Anpassung ist größtenteils auf die unterschiedlichen Berechnungen des bei Amazon angezeigten Sternwerts und des arithmetischen Mittels der Neuberechnung zurückzuführen.
Für die hier ausgewerteten Produkte wurden die wenigsten Bewertungen (im Vergleich zu den anderen Clustern) durch ReviewMetas Regeln komplett aussortiert, d.h. hier erfolgte die kleinste Anpassung.
Bei 16% für die Testgruppe mit „angeregten“ Bewertungen und 21% für die Produkte der Markenhersteller lässt sich eine größere Änderung des Sternwerts von über 0,5 feststellen.
Dies würde dann zu einer Änderung in der grafischen Darstellung des Sternwerts bei Amazon führen. Beispielsweise werden dann 4 volle Sterne anstatt 4 ½ angezeigt.
Bei 9% der Produkte mit „angeregten“ Bewertungen und 15% der Produkte von Markenherstellern führten die von ReviewMeta vorgenommenen Anpassungen sogar zu Verbesserungen der Bewertung. Mit anderen Worten, negative Bewertungen werden als „unnatürlich“ identifiziert.
Bei 2% der Produkte gibt es überhaupt keine Änderungen.
Gelöschte Bewertungen
ReviewMeta analysiert die Bewertungen des jeweiligen Produkts in unregelmäßigen Abständen. Wenn ReviewMeta feststellt, dass eine zuvor veröffentlichte Bewertung nicht mehr verfügbar ist, wird sie als „Gelöschte Bewertung“ betrachtet. ReviewMeta weiß nicht, warum die jeweilige Bewertung gelöscht wurde. Wenn viele Bewertungen gelöscht werden, wird dieses Verhalten für ReviewMeta als zweifelhaft angesehen.
Es gibt jedoch zahlreiche Gründe für Amazon, eine Bewertung zu löschen oder gar nicht erst zuzulassen:
„[…] Hinweise auf Preise, Produktverfügbarkeit oder alternative Bestellmöglichkeiten sollten in Kundenbewertungen oder unter Fragen und Antworten nicht erwähnt werden.“ Und „Kundenbewertungen und Q&As sollten sich auf den spezifischen Artikel beziehen. Feedback zu Marketplace-Verkäufern oder Versandproblemen kann [anderswo] abgegeben werden“.
(Quelle: Amazon)
Wenn zum Beispiel eine Bewertung den Versand oder Marketplace-Händler kritisiert, wird Amazon eine solche Bewertung entfernen.
Angenommen, der Hersteller oder sein Kundensupport ist auf Amazon aktiv und erzwingt die Löschung solcher ungeeigneten Bewertungen. In diesem Fall bringt das dem Produkt nach den Kriterien von ReviewMeta Minuspunkte ein.
Amazon löscht auch Bewertungen, wenn es einen klaren Hinweis auf Produkttests gibt und es sich nicht um Amazons eigenes Vine-Programm handelt.
Allerdings führen auch persönliche Daten oder Verweise auf andere Shops zur Löschung, alles Kriterien, die keine Aussage über die Authentizität der Bewertung zulassen. Im Gegensatz dazu ist die Anzahl der Bewertungen, die vom Benutzer selbst gelöscht werden, nach unserer Erfahrung unerheblich.
Und nochmals der Hinweis zur Datenerfassung durch ReviewMeta: Die Berechnung gelöschter Bewertungen bei ReviewMeta basiert ausschließlich auf einem ‚Vorher und Nachher‘.
Mit anderen Worten, eine Aussage über gelöschte Bewertungen kann nur getroffen werden, wenn das gleiche Produkt bereits vorher erfasst wurde und eine Bewertung mit einem bestimmten Zeitstempel beim nächsten Scan fehlt – wie ReviewMeta selbst erklärt:
„Wir haben keine magische Fähigkeit, jede einzelne gelöschte Bewertung zu sammeln; wir können Bewertungen nur als gelöscht identifizieren, wenn wir sie an einem Datum sammeln und dann bemerken, dass sie an einem späteren Datum nicht mehr sichtbar sind.“
Quelle: ReviewMeta
Verdächtige Bewerter
ReviewMeta unterscheidet zwischen vier verschiedenen Fällen: „Einmal-Wunder“, „Eintagsbewerter“, „Nie-verifizierte Bewerter“ und „Rücknahme-Bewerter“. Dies ist zum Beispiel eine Person, bei der mindestens eine der eingereichten Bewertungen gelöscht wurde.
„[Eine Anzahl von] Bewertungsschreibern haben mindestens eine ihrer früheren Bewertungen für ein anderes Produkt gelöscht bekommen. Dies ist ein übermäßig großer Prozentsatz von Rücknahme-Bewertern, was auf unnatürliche Bewertungen hindeuten kann.“ Quelle: ReviewMeta
Nicht verifizierte Käufe
ReviewMeta stuft Bewertungen ohne vorherigen Kauf des Produkts auf Amazon als „unnatürlich“ ein.
Bewertungen ohne vorherigen, verifizierten Kauf werden von Amazon eingeschränkt. Auch wenn die häufig zitierte Amazon-Regel, dass Kunden „[…] bis zu 5 Bewertungen pro Woche schreiben können, die nicht mit dem Zusatz „verifizierter Kauf“ gekennzeichnet sind, derzeit aus den Richtlinien verschwunden ist, bleibt die Option, Bewertungen abzugeben, die keinem Kauf zugeordnet werden können, und es kann nur eine „nicht verifizierte“ Bewertung abgegeben werden, wenn verifizierte Bewertungen auch häufiger verwendet werden.
Wenn ein Produkt jedoch viele nicht verifizierte Bewertungen hat, behält sich Amazon das Recht vor, dieses Produkt von der Bewertungsaktivität zu sperren.“
Abgesehen davon bieten verschiedene Portale auch anreizbasierte verifizierte Bewertungen an. Ob das Kriterium Nicht verifizierte Käufe ein eindeutiger Identifikator für eine „gekaufte“ Bewertung ist, lässt sich aus unserer Sicht nicht eindeutig begründen.
Wortanzahl-Vergleich
Dieses Kriterium zeigt eine Anhäufung von Bewertungen mit einer bestimmten Länge, d.h. Anzahl von Wörtern. ReviewMeta misst die Länge eines Bewertungstextes und vergleicht ihn dann mit anderen Bewertungen vergleichbarer Produkte.
Ein ‚FAIL‘ für dieses Kriterium bedeutet, dass viele Bewertungen für dieses Produkt eine bestimmte Anzahl von Wörtern haben, z.B. zwischen 6 und 15.
Die folgenden Grafiken veranschaulichen das Kriterium „Wortanzahl-Vergleich“ und zeigen Bewertungen mit 6 bis 15 Wörtern.
Die Beispiele auf der Amazon-Seite sind organisch generierte Bewertungen aus verifizierten Käufen. Es bleibt fraglich, ob eine solche Bewertung aufgrund der Textlänge als „unnatürlich“ eingestuft werden kann.
Phrasenverwwiederholung als rotes Flag
ReviewMeta sucht hier nach einer Anhäufung bestimmter Wörter und Ausdrücke. Unsere Auswertung zeigt, dass es selten Hinweise auf Produkttests gibt, aber Begriffe wie „Qualität“ und „Preis“ oder „bin zufrieden“ besonders häufig erwähnt werden.
Nach unserer Beobachtung entspricht dies dem durchschnittlichen Bewertungsvokabular und ist für sich genommen noch keine Auffälligkeit.
Im Datensatz der Testgruppe der „angeregten“ Produkte wurde der Ausdruck „wurde mir kostenlos zu Testzwecken zur Verfügung gestellt“ nur in einer Bewertung gefunden. Die anderen Treffer bezogen sich auf „Qualität“, „Preis“ und „Design“.
Bewerterleichtigkeit
Dies ist die Beobachtung, dass ein Bewerter einen besonders guten Gesamtdurchschnitt seiner Bewertungen hat, d.h. die Bewertungen haben in der Regel 4 oder 5 Sterne.
Markenwiederholungen & überlappende Bewertungshistorie
Die Kriterien Markenwiederholungen (mit nur 1% entsprechend 1 Treffer) oder überlappende Bewertungshistorie (mit 6% entsprechend 5 Treffern) finden sich nur relativ selten. Hinter den Begriffen stehen einerseits Bewerter, die Produkte einer und derselben Marke häufiger bewerten, und andererseits verschiedene Bewerter, die oft identische Produkte über den gleichen Zeitraum bewerten. Dies deutet auf einen Pool von Bewertern einer Produkttestagent
ur hin. Allerdings sind es gerade diese relativ eindeutigen Identifikatoren, die nur sehr selten registriert werden können.
gomingas Fazit – es bleibt schwierig, gefälschte Bewertungen zu erkennen
Online-Bewertungen beeinflussen Kaufentscheidungen, aber gefälschte Bewertungen sind ein Problem. Diese können von Unternehmen, Konkurrenten oder bezahlten Personen gepostet werden, um Meinungen zu manipulieren. Um gefälschte Bewertungen zu erkennen, sollten Sie:
- Sprache, Häufigkeit der Beiträge und Bewerterprofile untersuchen
- Nach spezifischen Details und ausgewogenen Meinungen suchen
- Vorsichtig bei übermäßig positiven/negativen Bewertungen oder solchen ohne Substanz sein
- Auf plötzliche Bewertungsschübe oder ähnliche Formulierungen achten
Die Identifizierung gefälschter Bewertungen ist schwierig, selbst mit Tools wie ReviewMeta. Kriterien sind oft mehrdeutig, und es gibt Unterschiede zwischen Produktgruppen.
Unsere Analyse konnte nicht bestätigen, dass die meisten Bewertungen gefälscht sind oder dass Produkte überbewertet werden. Nur etwa 25% der analysierten Produkte zeigten bessere Bewertungen als Amazons Berechnungsmethode vermuten ließ, meist unterhalb der Rundungsgrenze.