引用业务页面的 URL 字符串（或缺少） 1.“最激进”的评论过滤器≠“最成功”的评论过滤器 Yelp 的代表们毫不掩饰自己的喜悦之情，因为纽约州检察总长称其拥有知名本地评论网站中“最严格的筛选”。在接受《财富》杂志采访时，Yelp 的企业传播副总裁将纽约州检察总长的话解读为该公司的筛选“大概是最进步和最成功的”。
正如我在同一篇《财富》
文章 中所说，我完全同意纽约州 Ws 粉丝 检察总长的观点，即 Yelp 的过滤器确实是最激进的。不幸的是，根据我的经验，这种激进导致的误报率（即最终被过滤的合法评论）远高于其他网站的评论过滤器。 例如，谷歌一直在努力寻找算法攻击性和给予用户（间接地，企业主）对“可疑”评论的信任之间的完美平衡，这几乎和 Yelp 一样长。
现在，需要 Google
帐户才能对企业发表评论，我怀疑这 急于寻找新主机可能会导致错误 些帐户的相应搜索历史和社交数据使谷歌在识别真正欺诈性评论方面比 Yelp 更具优势。 我并不是说 Google、TripAdvisor、Yahoo 或任何其他搜索引擎提供了最具代表性的评论语料库，但对于 Yelp 来说，将积极性等同于成功是相当夸张的。
2.“过滤评论”≠“欺
诈评论” 值得赞扬的是，Yelp 甚至承认，合法的 回声资料库 评论有时会被他们的算法过滤掉。但你肯定不会通过阅读哈佛商学院 最近发表的一项研究来知道这一点。 作者在一段很容易被忽略的随口说出的话中表示，他们“专注于 Yelp 算法指标已识别为欺诈的评论。使用此代理……”他们继续得出关于“欺诈性”评论的四个（实际上是五个）结论： 他们的星级评分往往比其他评论更为极端。
少或有负面评价的餐厅
它们更常出现在独立餐厅而不是连锁餐厅中。 它们往往更多地出现在竞争激烈的市场中。 在已认领的 Yelp 页面上，“欺诈性” 5 星评价出现的几率比未认领的页面上更高。 作者试图使用统计方程来证明其研究的基础，但他们方程的基本逻辑是有缺陷的。我绝不是一个统计奇才，但作者建议像我这样的读者浏览经过筛选的评论以验证他们的假设。
我只想强调我的朋友
Joanne Rollins 的 Yelp 页面，以及成千上万个像她一样的其他企业主的页面，作为反驳他们逻辑的定性证据。我并不否认 Yelp 的评论过滤器在方向上是准确的，但认为将其用作此类研究的基础几乎万无一失是疯狂的。它会导致自我实现的预言。 事实上，对于他们的结论有五个非常简单的解释，这些解释绝不会让您相信过滤评论和欺诈性评论之间的重叠程度如此之小。