摘要：​根据经验，亚马逊通过利用人工智能技术+大数据模式，识别并抵制虚假产品评论，这两个技术层次的因素包括MAC部分、IP接入效率、产品转化率、买家页面停留时间、买家帐号的新旧

根据经验，亚马逊通过利用人工智能技术+大数据模式，识别并抵制虚假产品评论，这两个技术层次的因素包括MAC部分、IP接入效率、产品转化率、买家页面停留时间、买家帐号的新旧程度、物流追踪信息的准确性、刷单帐号的交集等等。

1、买家帐号的留评率

在亚马逊的平台上，留评率从未如此之高。若买家经常下订单，并保留百分之百的留评，那就很容易引起怀疑。要知道，亚马逊的封号原则是：“宁可错杀不可放过”。

2、买家账户间的关联

买家的帐号不能仅为一次订单服务，或用于其它多个订单。如某买家的帐号上有很多评论，涉及的产品多种多样，但下订单操作的行为却一致。然后他们之间就有了强烈的关联。一经发现怀疑有刷单行为，将全部删除。

3、不正常的购买行为

一般而言，买家购买频率有限，浏览网页、搜索产品、接收地址等因素一致。假如该账户进行了多次购买，但在平台上并没有做任何搜索浏览动作来下订单，并且下订单的产品与接收地址还不相同，那么很难不被系统判定为刷单。

4、电脑和网络IP异常

创建的Virtual Machine有多个网络IP。网络IP和虚拟主机每一次登录都会改变。想象一下，每一次主机和IP都不同，很难不让人怀疑是在刷单。

5、钓鱼测验

亚马逊知道买家被指控刷单，但是没有证据可以抓住。所以假装成测评师，加入了测评小组。一旦被骗，后果不堪设想。

6、狸猫换太子

真正的买家号变刷单号，一些多账号运营卖家自己养了很多小号给自己刷单，为避免供应自己的小号而造成其他店铺被查，将提供一些真正买家的信息，由此造成亚马逊被标记为刷单账户，这样一部份真正的买家就是背锅，而当这些真正的买家在其它店铺正常购物之后，有可能会让亚马逊判定为是为该店铺刷单。