Cómo saber si una opinión de un hotel en una web es falsa
La opinión pública, sobre todo a la hora de ganar o perder fama por parte de un establecimiento, y especial los hoteleros, es muy importante. Las empresas son conscientes de que los usuarios utilizan masivamente las páginas webs de comparadores como Booking o TripAdvisor, y en ellas uno de los elementos en los que más se fijan para hacer su selección son los comentarios de los últimos visitantes.
Está claro que hecha la ley, hecha la trampa, y aunque no se reconoce, muchos comentarios en Internet no son todo lo imparciales que podrían ser y en realidad han sido puestos ahí por los responsables del hotel para ganar un poco de visibilidad o mejorar la imagen perdida por algún que otro comentario negativo. Del mismo modo, quizás es una práctica más oscura, pero también se rumorea que algunas de las críticas más destructivas en estas páginas vienen de los competidores.
Es algo que quien llega a esas web tiene que valorar, si estamos ante un comentario real o no, y no siempre es fácil. En la Universidad de Cornell, en EE.UU., pensaron que sería posible desenmascarar estos comentarios que no son reales y para ello realizaron una sesuda investigación con la muestra de 400 opiniones reales y otras tantas falsas, que tuvo como resultado un algoritmo que lleva aprendiendo desde 2013 de cientos de comentarios y opiniones online que se han consultado y que han ido mejorando sus resultados.
Se llama Review Skeptic y, de momento, trabaja sólo para opiniones vertidas sobre hoteles - así que no probéis a poner la de un restaurante u otra cosa que encontréis en Internet -. Además, también es mejor buscar los comentarios en inglés ya que aunque también aplica el algoritmo a un comentario en español, los creadores avisan de que no es tan preciso como en el idioma de Shakespeare.
El proceso para comprobar si una opinión es real o falsa es tan simple como cortar ese comentario que hemos visto y nos ha llamado la atención, en el buen o mal sentido, y ponerlo a prueba en el mecanismo de detección. El resultado se muestra indicando que palabras (en azul) cree que son reales y cuáles son falsas (en rojo). El tamaño de unas y de otras también indica la probabilidad de que el veredicto sea uno u otro, dándonos finalmente un resultado: Truthful, si nos podemos fiar, Deceptive, si cree que es falsa.
Los creadores indican que tienen la certeza de acertar en el 90% de sus predicciones y sólo nos queda esperar a ver si mejoran el algoritmo en otros idiomas o, quizás, para otros servicios como los restaurantes o las opiniones de producto.