APP推广合作
联系“鸟哥笔记小乔”
捅了马蜂窝一刀的“数据造假”竟是内容行业默认潜规则?
2019-10-24 17:14:58


作者:晓通

来源:刺猬公社(ID:zengzhangxia)

本文为作者授权鸟哥笔记发布,转载请联系作者并注明出处


2014年的4月,马蜂窝CEO陈罡发了一条长微博,标题是《我也谈谈酒店的“正面评价”》。文中陈罡点名指责去哪儿网花钱雇人撰写正面评论,500块钱一条,“这种误导用户的做法并不明智”。



4年之后,马蜂窝成长为国内最大的旅行出游服务平台,却因为数据造假成为舆论场的主角。

 

10月20日,一篇题为《独家|估值175亿的旅游独角兽,是一座僵尸和水军构成的鬼城?》的文章在朋友圈迅速刷屏。文章根据一个三人数据团队“乎睿数据”给出的分析报告,列出了马蜂窝在用户评论、游记等数据上存在的抄袭问题。

 

这篇文章来自自媒体“小声比比”,负责人梓泉在接受AI财经社采访表示,发现马蜂窝点评数据造假的是乎睿数据团队。4个月以前,乎睿数据团队计划开发一个分辨餐饮点评真实性的模型,想用马蜂窝的数据来做机器训练,结果却发现了马蜂窝点评数据的造假问题。

 

上述分析报告显示,马蜂窝平台上2100万条点评数据中,有7454个抄袭账号,这些抄袭账号从携程、艺龙、美团、Agoda、Yelp上抄袭搬运了572万条餐饮点评,1221万条酒店点评,占马蜂窝平台全部点评数量的85%。

 

 

马蜂窝是一家成立于2006年的在线旅游服务网站,2017年完成1.33亿美元的D轮融资,以游记、攻略等UGC(用户原创)内容作为最大的特色,目前已经发展成为国内最大的在线旅游服务平台。相比同类型的去哪儿、携程等旅游服务平台,内容是马蜂窝最核心的竞争力,“数据造假”指控的严重性不言自明。

 

空口无凭难以服人,乎睿数据给出的证据有如下几点:

 

1,部分账号的点评内容中,时间地点自相矛盾。




2,语句不通,疑似直接调用翻译结果,并在内容中出现”简明英汉词典“字样。




3,抓取到有特殊标记的反爬取内容。




除开存在抄袭现象的7454个账号,报告中还提到另外选择了1万5千个活跃账号,通过对其行为习惯的分析,得出这些账号并非真人使用账号的结论。乎睿数据将调查的过程和结论整理出了一份75页的“马蜂窝起底报告”,在公众号中贴了出来。

 

抄袭点评内容加伪造虚假账号,这份报告的指控直击马蜂窝最核心的商业竞争资源,对这样一家以内容为特色的平台来说,这种指责可以说是致命的打击。

 

“马蜂窝数据造假事件”迅速发酵。在接受AI财经社采访时,小声比比负责人梓泉表示,这篇20日晚上11:40发布的文章,在第二天的阅读量已经超过百万。

 

22日早晨,马蜂窝官方发表一则声明,表示已经对全站游记、攻略、嗡嗡(旅行故事)、问答、点评等数据进行了核查,并对涉嫌虚假的信息展开查处,同时承认了点评内容中存在涉嫌虚假点评的账号,但是其数量在整体用户中的占比“微乎其微”,并进行了清理。

 

 

除开这一处正面回复,对于报告中提到的点评内容抄袭、爬取同类网站内容等问题并未作出回应。

 

但是马蜂窝付诸了一些实际行动。现在在马蜂窝网站上搜索上述报告中提到的涉嫌抄袭和虚假信息的账号时,许多账号的数据显示为0。21日晚上,小声比比推送文章,声称马蜂窝已经将报告中提及的账号数据清空。22日,马蜂窝将乎睿数据团队和小声比比创始人告上法庭。

 

马蜂窝被捅了蚂蜂窝,爬取数据也再次成为一个热议话题。

 

“爬取数据是互联网平台惯用的方法。”网络安全行业从业者司马子羽告诉刺猬公社(ID:ciweigongshe),爬取数据在互联网行业中已经算不上不能说的秘密,而是人尽皆知的潜规则。

 

“互联网产品在上线之初都会经历‘冷启动’的阶段,在这个阶段中是很难获得足够数量的用户数据的,所以爬取别家的数据是很普遍的做法。”司马子羽认为,爬取数据在新平台冷启动阶段是惯用方式,以至于当一家平台的数据和另一家平台出现重复时,很难说是哪一方爬取了对方的数据,“甚至有可能是两方共同爬取了另一家平台的数据。”

 

“但是马蜂窝在事情发生之后选择删除数据,这相当于承认了自己的爬取行为。”

 

爬取指的是利用爬虫程序自动抓取某个网页的信息,从技术角度来看,爬取数据的门槛并不高,具备基础互联网开发技术的工程师即可搭建爬取程序,因此,具有一定规模的互联网公司都会具备反爬取技术。

 

“所以说一个三人的数据团队,可以在一家互联网公司毫不知情的情况下,爬取对方2000万条数据,一般来说这是很难做到的,需要很强的技术和长时间的准备。”一位互联网黑产研究员告诉刺猬公社。

 

因为爬取而产生的纠纷并不鲜见,最早在2008年,淘宝屏蔽了百度的搜索爬虫,禁止百度搜索引擎抓取淘宝网页的内容,一度引发关于爬取数据的讨论。去年8月,今日头条在未经微博授权的情况下,自动抓取了微博自媒体账号的内容,致使微博暂停了第三方接口。时间再往前,脉脉也曾因非法抓取微博用户信息被判为不正当竞争。

 

 

“爬取数据本身是一个常用的数据收集手段,是否违法或者违规要看你怎么用,爬取了什么内容。”TMT领域分析师付亮告诉刺猬公社,类似爬取用户点评和游记这种行为,爬取程序只是代替人工完成了“复制+粘贴”的行为,本身没有问题,但是可能会涉及到用户原创内容的著作权或者知识产权问题。

 

不止一位互联网从业人士指出,在电商、视频、图文等领域,刷量、爬取数据冒充原生内容都是常见的手段。百度搜索“大众点评 刷量”“去哪儿刷量”等字样,都可以检索出大量刷量教程。

 

即使不使用爬取技术,内容造假的方式也有很多。在淘宝上搜索“代发 游记”,可以检索到专门代发游记的淘宝商店。

 


22日晚上,小声比比再次推文《我承认,我们是有组织攻击马蜂窝的》,当晚阅读量便达到十万加。至此,三篇十万加把马蜂窝逼到了舆论中央。有报道称,马蜂窝正在计划进行的新一轮融资和估值都将受到这次事件的影响。

 

2014年,陈罡在写给去哪儿的那篇长微博中,结尾有这样一段:

我相信,旅行社区会让大家的旅行体验和感受完全不同,基于用户的真实点评及数据也会让产业链条的升级发生翻天覆地的变化。我和吕刚最初创建马蜂窝网站的梦想很简单,帮助全球的旅行者作出靠谱有爱的履行决策。

 

当然,这一梦想,依靠500块的“正面评价”是不可能完成的。

现在的马蜂窝还能完成这一梦想吗?



运营那些事儿
分享到朋友圈
收藏
收藏
评分

综合评分:

我的评分
Xinstall 15天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
一书一课30天会员体验卡
领30天VIP会员,110+门职场大课,250+本精读好书免费学!助你提升职场力!
20羽毛
立即兑换
顺丰同城急送全国通用20元优惠券
顺丰同城急送是顺丰推出的平均1小时送全城的即时快送服务,专业安全,准时送达!
30羽毛
立即兑换
运营那些事儿
运营那些事儿
发表文章43456
确认要消耗 羽毛购买
捅了马蜂窝一刀的“数据造假”竟是内容行业默认潜规则?吗?
考虑一下
很遗憾,羽毛不足
我知道了

我们致力于提供一个高质量内容的交流平台。为落实国家互联网信息办公室“依法管网、依法办网、依法上网”的要求,为完善跟帖评论自律管理,为了保护用户创造的内容、维护开放、真实、专业的平台氛围,我们团队将依据本公约中的条款对注册用户和发布在本平台的内容进行管理。平台鼓励用户创作、发布优质内容,同时也将采取必要措施管理违法、侵权或有其他不良影响的网络信息。


一、根据《网络信息内容生态治理规定》《中华人民共和国未成年人保护法》等法律法规,对以下违法、不良信息或存在危害的行为进行处理。
1. 违反法律法规的信息,主要表现为:
    1)反对宪法所确定的基本原则;
    2)危害国家安全,泄露国家秘密,颠覆国家政权,破坏国家统一,损害国家荣誉和利益;
    3)侮辱、滥用英烈形象,歪曲、丑化、亵渎、否定英雄烈士事迹和精神,以侮辱、诽谤或者其他方式侵害英雄烈士的姓名、肖像、名誉、荣誉;
    4)宣扬恐怖主义、极端主义或者煽动实施恐怖活动、极端主义活动;
    5)煽动民族仇恨、民族歧视,破坏民族团结;
    6)破坏国家宗教政策,宣扬邪教和封建迷信;
    7)散布谣言,扰乱社会秩序,破坏社会稳定;
    8)宣扬淫秽、色情、赌博、暴力、凶杀、恐怖或者教唆犯罪;
    9)煽动非法集会、结社、游行、示威、聚众扰乱社会秩序;
    10)侮辱或者诽谤他人,侵害他人名誉、隐私和其他合法权益;
    11)通过网络以文字、图片、音视频等形式,对未成年人实施侮辱、诽谤、威胁或者恶意损害未成年人形象进行网络欺凌的;
    12)危害未成年人身心健康的;
    13)含有法律、行政法规禁止的其他内容;


2. 不友善:不尊重用户及其所贡献内容的信息或行为。主要表现为:
    1)轻蔑:贬低、轻视他人及其劳动成果;
    2)诽谤:捏造、散布虚假事实,损害他人名誉;
    3)嘲讽:以比喻、夸张、侮辱性的手法对他人或其行为进行揭露或描述,以此来激怒他人;
    4)挑衅:以不友好的方式激怒他人,意图使对方对自己的言论作出回应,蓄意制造事端;
    5)羞辱:贬低他人的能力、行为、生理或身份特征,让对方难堪;
    6)谩骂:以不文明的语言对他人进行负面评价;
    7)歧视:煽动人群歧视、地域歧视等,针对他人的民族、种族、宗教、性取向、性别、年龄、地域、生理特征等身份或者归类的攻击;
    8)威胁:许诺以不良的后果来迫使他人服从自己的意志;


3. 发布垃圾广告信息:以推广曝光为目的,发布影响用户体验、扰乱本网站秩序的内容,或进行相关行为。主要表现为:
    1)多次发布包含售卖产品、提供服务、宣传推广内容的垃圾广告。包括但不限于以下几种形式:
    2)单个帐号多次发布包含垃圾广告的内容;
    3)多个广告帐号互相配合发布、传播包含垃圾广告的内容;
    4)多次发布包含欺骗性外链的内容,如未注明的淘宝客链接、跳转网站等,诱骗用户点击链接
    5)发布大量包含推广链接、产品、品牌等内容获取搜索引擎中的不正当曝光;
    6)购买或出售帐号之间虚假地互动,发布干扰网站秩序的推广内容及相关交易。
    7)发布包含欺骗性的恶意营销内容,如通过伪造经历、冒充他人等方式进行恶意营销;
    8)使用特殊符号、图片等方式规避垃圾广告内容审核的广告内容。


4. 色情低俗信息,主要表现为:
    1)包含自己或他人性经验的细节描述或露骨的感受描述;
    2)涉及色情段子、两性笑话的低俗内容;
    3)配图、头图中包含庸俗或挑逗性图片的内容;
    4)带有性暗示、性挑逗等易使人产生性联想;
    5)展现血腥、惊悚、残忍等致人身心不适;
    6)炒作绯闻、丑闻、劣迹等;
    7)宣扬低俗、庸俗、媚俗内容。


5. 不实信息,主要表现为:
    1)可能存在事实性错误或者造谣等内容;
    2)存在事实夸大、伪造虚假经历等误导他人的内容;
    3)伪造身份、冒充他人,通过头像、用户名等个人信息暗示自己具有特定身份,或与特定机构或个人存在关联。


6. 传播封建迷信,主要表现为:
    1)找人算命、测字、占卜、解梦、化解厄运、使用迷信方式治病;
    2)求推荐算命看相大师;
    3)针对具体风水等问题进行求助或咨询;
    4)问自己或他人的八字、六爻、星盘、手相、面相、五行缺失,包括通过占卜方法问婚姻、前程、运势,东西宠物丢了能不能找回、取名改名等;


7. 文章标题党,主要表现为:
    1)以各种夸张、猎奇、不合常理的表现手法等行为来诱导用户;
    2)内容与标题之间存在严重不实或者原意扭曲;
    3)使用夸张标题,内容与标题严重不符的。


8.「饭圈」乱象行为,主要表现为:
    1)诱导未成年人应援集资、高额消费、投票打榜
    2)粉丝互撕谩骂、拉踩引战、造谣攻击、人肉搜索、侵犯隐私
    3)鼓动「饭圈」粉丝攀比炫富、奢靡享乐等行为
    4)以号召粉丝、雇用网络水军、「养号」形式刷量控评等行为
    5)通过「蹭热点」、制造话题等形式干扰舆论,影响传播秩序


9. 其他危害行为或内容,主要表现为:
    1)可能引发未成年人模仿不安全行为和违反社会公德行为、诱导未成年人不良嗜好影响未成年人身心健康的;
    2)不当评述自然灾害、重大事故等灾难的;
    3)美化、粉饰侵略战争行为的;
    4)法律、行政法规禁止,或可能对网络生态造成不良影响的其他内容。


二、违规处罚
本网站通过主动发现和接受用户举报两种方式收集违规行为信息。所有有意的降低内容质量、伤害平台氛围及欺凌未成年人或危害未成年人身心健康的行为都是不能容忍的。
当一个用户发布违规内容时,本网站将依据相关用户违规情节严重程度,对帐号进行禁言 1 天、7 天、15 天直至永久禁言或封停账号的处罚。当涉及欺凌未成年人、危害未成年人身心健康、通过作弊手段注册、使用帐号,或者滥用多个帐号发布违规内容时,本网站将加重处罚。


三、申诉
随着平台管理经验的不断丰富,本网站出于维护本网站氛围和秩序的目的,将不断完善本公约。
如果本网站用户对本网站基于本公约规定做出的处理有异议,可以通过「建议反馈」功能向本网站进行反馈。
(规则的最终解释权归属本网站所有)

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接