С развитием интернет-технологий клиенты все чаще полагаются на онлайн-обзоры как на ценный источник информации. Но вместе с этим явлением вырос и теневой бизнес по размещению порочащих обзоров. Услугами "чёрного" пиара пользуются скрытно многие компании-конкуренты. Пока не существует эффективной системы анализа маркетинговых данных для обнаружения и управления онлайн-отзывами, поддельными отзывами, которые стали серьёзной проблемой, подрывающей надёжность систем онлайн-рецензирования. Малым и средним предприятиям часто не хватает возможностей и опыта для автоматического получения полной информации о своих продуктах от поддельных клиентов из онлайн-обзоров.
Интернет-технологии изменили сам поведенческий подход того, как клиенты покупают продукты, а недостоверные отзывы постепенно привели к манипулированию этими решениями людей о совершении (не совершении) действия (покупке). Поддельные отзывы (также, как и видео-обзоры) могут быть созданы для продвижения или понижения рейтинга бизнеса, а также для намеренного дезинформирования потребителей при принятии ими решений. Таким образом, мошеннические действия вредны, так как они вносят помехи и ложные сигналы в системы, предназначенные для уменьшения асимметрии информации. Это приводит к покупке потребителями ненадёжных продуктов/услуг, ставит в невыгодное положение настоящий бизнес, манипулируя рейтингом и поощряя нездоровую конкуренцию, а также подрывает доверие клиентов к самим платформам.
Разработчики уже давно пытаются создать программное обеспечение, которое бы могло по полученным результатам парсинга в сети получить представление о влиянии поддельных отзывов на рейтинг продукта и уровень его воздействия. Более того, уже разработаны определённые алгоритмы, с помощью которых было обнаружено, что в поддельных отзывах была более высокая концентрация печали и гнева (по сравнению с органическими отзывами), а поддельные видео-обзоры, как правило, короче, более экстремальны (с использованием сильных наречий) и имеют разные схемы распределения тем.
Пользовательский контент является важным источником больших данных, которые могут быть преобразованы в полезную информацию для современного бизнеса. Онлайн-обзор - это один из наиболее важных генерируемых материалов, который существенно влияет на вовлеченность бренда, поскольку он напрямую отражает потребительский опыт использования продуктов или услуг. Более того, с развитием интернет-технологий клиенты в основном полагаются на отзывы как на основной источник информации о продукте. Множественные недавние исследования показывают, что 52% покупателей заранее изучают информацию о товарах через Интернет, и 38% из них решают покупать товары на основе этой онлайн-информации. Таким образом, обзоры продуктов играют решающую роль в успехе бизнеса, поскольку они напрямую влияют на решения клиентов о покупке (как правило с отрицательным балансом). Компании всё чаще совершают переход к внешнему маркетингу, который фокусируется на изучении рынка и установлении связей с клиентами. Таким образом, своевременное понимание того, что клиенты говорят о фирмах и их продуктах, является важнейшим фактором успеха в эпоху больших данных. Большие данные (Big data) - это данные, полученные с высокой скоростью, большим объёмом и из множества источников. Они генерируются в результате оцифровки повседневной деятельности, включая взаимодействия, онлайн-транзакции и коммуникации.
Получение правдивой/достоверной информации о клиентах из онлайн-отзывов и выявление поддельных отзывов - сложный процесс, требующий возможностей обработки больших данных. Отзывы об одном и том же продукте могут поступать из нескольких источников данных, начиная от платформ онлайн-продаж, систем рекомендаций/обзоров продукции, и заканчивая мнением контрагентов в полузакрытых сетевых системах обсуждений (есть и такие, куда есть доступ не всем). Обычные аналитические фреймворки обзоров, которые разработаны и оптимизированы для конкретной области применения, не могут быть обобщены на множество разнообразных источников данных, что приводит к ограничению расширяемости мониторинга. Кроме того, эти подходы неэффективны для небольших компаний, с точки зрения затрат, поскольку организация нуждается в постоянных инвестициях в инфраструктуру и техническом обслуживании, что мешает малым и средним предприятиям (МСП) использовать такую информацию для бизнес-планирования и развития.
Нынешние методы обнаружения, не позволяют, даже с вероятностью в 80%, распознать поддельные отзывы с помощью многогранного анализа, затрагивающего текстовые шаблоны, темы, эмоции и характер подачи материала. Разработка экономически эффективной аналитической платформы по анализу данных для маркетологов, которые не являются экспертами в этом сегменте поведенческой психологии, по-прежнему остаётся открытой проблемой для всех заинтересованных сторон. Стоит отметить, что заинтересованные стороны в маркетинге не обязаны быть экспертами по данным, поскольку эффективная структура должна сама предлагать шаблоны настраиваемых алгоритмов, которые легко применять руководителям компаний или маркетологам.