我们选品的时候，不可避免的需要去关注目标产品的销售情况和评价情况。对于产品销售期间可能产生的评价提前有个概念，对于我们选品的精确也好，日后的经营也好，都有着重要意义。但是，随着亚马逊平台上的卖家越来越多，也开始要求有兴趣的卖家们懂得如何区分哪些评价是真的，哪些评价不可靠。
当然，随着亚马逊平台的不断优化，各个产品的评价也都趋于真实，但是这并不代表我们就可以不再注意如何区分真假评价，能分辨真假，在处理差评的时候也会起到一定的作用哦。
在鉴别评价真假上，我们最简便的方法，自然是使用工具。通过Fakespot这个网站，就可以快速达到识别假评价的目的。我们只需要将任意亚马逊产品的链接复制进去，很快就可以获得一个对该产品的评分，而评分是完全基于该产品的评价进行的。
我们也联系过该网站的负责人，想知道他们到底是如何获得结果的，官方给我们的回应是这样的：
我们的每次分析都会同时执行两件事：分析每一条评价；分析每个留评账号和该账号在其他产品中留下的评价。我们在不断的搜索中，也在不断的记录不同产品中常见的句式，评价描述等等信息。在实际比对时，我们的引擎会通过数据库的信息来进行判断。同时，我们也不断更新我们的引擎数据库，从已经被确认为虚假评价的评价内容中，筛选最普遍的评价句式和内容，同时记录下留评账号。所以，就算我们的线索不多，也能通过人工智能提前认出虚假评价。此外，根据我们的记录，任何差评，都是有着模板的，因为它们的来源往往就是店主自己而非实际的消费者，所以肯定有迹可循。并且通过不断的分析卖家们提交的产品，我们的引擎也会不断的学习成长。这也是我们为分析结果提供的最好保证，做的越多，我们就做的越好。
为了获得更全面的测评，我们也咨询了情感分析和机器学习的专家，来自芝加哥大学计算机科学系的Liu教授。我们请他分析了通过程序来分析评价可信度的可能性。Liu教授认为，我们是很难估计出软件或是程序的可行性的。因为我们几乎不可能实际的证明哪些评价是真实的，哪些评价是假的。要做到这一点，我们得让留下评价的用户自己承认才行。而这几乎是不可能达到的，不过我们的确可以从评价的措辞和留评账号的通常表现来进行一定程度的判断，只是这样判断的精确度还是得打个问号。
抛开专家们的说法，当我们自己在选品时，相信有一定经验的卖家，都会隐约的产生，“好像某个评价不太对，可能是假的”这样的感觉吧。当然这种感觉也是没有证据支撑的，不过对于我们来说，有这样的怀疑就足够给这个产品判下死刑了。
让我们通过一个例子来看看有哪些奇怪的地方可以给我们提示：
这是我们通过Fakespot找到的一个有着较多虚假评价的产品，在看他们的评价时，我们会发现，有很多好评，都是在短短数日之内出现的。而这可能就是商家在背后做了小动作的隐藏线索。
事实上，在我们进行调查的时候，这个品牌的耳机在短短数周内出现了大量好评。而这种评价数量，发生在一个我们之前未曾听闻过的公司上，就差不多是在直说“这些评价都是假的”了。
除了时间因素，我们也可以通过评价的相似性来进行判断。如果是卖家找的枪手，他们往往会要求卖家提供评价文案或者至少评价的方向，然后安排他们的账号进行评价。这样子的评价就会变得千篇一律，就像有人提前说了“嘿，我们希望评价能多体现我们产品的某某方面的优越”，而实际上这也就是他们的标准做法。就算有评价避开了时间的暗示，也难以规避用词的一致性。
而最后一点，我们可以从这个商品的卖家入手。如果该卖家连自己的网站，公司信息都没有提供，而卖家们唯一和该卖家联系的手段是通过亚马逊平台的话，我们基本上可以确定，这要么的确是个没什么实力的小卖家，要么就是别有用心了。在没有公司真实联系方式的情况下，维权，售后等等方面都不会一帆风顺。同时，这样的公司也基本不会出现，“偶然的”有“大量的”消费者发现了他们的商品，然后“大胆的”购买。
回到评价上来，下面图片中的评论就是最典型的例子了，就算是新卖家，也别被这样的评价骗了哦。（Amazon v. Gentile lawsuit in Washington Superior Court.）
