Reseñas falsas

De Wiki del Marketing
Ir a la navegación Ir a la búsqueda

Introducción

Las reseñas falsas son opiniones, calificaciones, comentarios, testimonios o valoraciones publicadas con apariencia de experiencia real, pero que no reflejan una interacción auténtica, independiente o verificable con el producto, servicio, marca, empresa, vendedor, plataforma o experiencia evaluada.

Pueden ser positivas, negativas o neutrales. Una reseña falsa positiva busca mejorar artificialmente la reputación, conversión o visibilidad de una marca. Una reseña falsa negativa busca dañar a un competidor, reducir confianza, afectar calificaciones o modificar la percepción pública.

En Marketing digital, las reseñas falsas se relacionan con Reputación digital, Protección del consumidor, Ecommerce, Social commerce, Marketplace, Prueba social, Contenido generado por usuarios, Astroturfing, Marketing encubierto, Stealth marketing, Bots, Inteligencia artificial, Customer Experience, Ética en marketing y Publicidad encubierta.

Las reseñas influyen en decisiones de compra porque funcionan como evidencia social. Cuando esa evidencia se fabrica, se altera la confianza del consumidor, se distorsiona la competencia y se debilitan los sistemas de reputación de plataformas, buscadores, marketplaces y negocios locales.

Reseñas falsas

Nombre Reseñas falsas
Nombre original Fake reviews
Tipo Práctica engañosa de manipulación reputacional y prueba social
Área Reputación digital, Ecommerce, Ética en marketing, Protección del consumidor
Otros nombres Opiniones falsas, reseñas fraudulentas, fake reviews, testimonios falsos, calificaciones manipuladas, reseñas fabricadas
Desarrollado por Prácticas de reputación digital, ecommerce, marketplaces, marketing encubierto, astroturfing, bots, granjas de reseñas e inteligencia artificial generativa
Década de origen 2000s
Propósito Influir artificialmente en percepción, confianza, conversión, reputación, ranking, visibilidad o competencia mediante opiniones no auténticas
Variables evaluadas Autenticidad, experiencia real, verificación de compra, patrón de publicación, lenguaje, calificación, sentimiento, recurrencia, origen, reputación, impacto en ventas
Técnicas relacionadas Astroturfing, marketing encubierto, bots, review bombing, seeding opaco, testimonios incentivados, manipulación de calificaciones, reputación digital, social proof fraud
Herramientas Plataformas de reseñas, marketplaces, Google Business Profile, ecommerce, social listening, herramientas antifraude, análisis de texto, moderación, verificación de compra, IA
Disciplinas relacionadas Marketing, Comunicación, Psicología del consumidor, Derecho del consumidor, Analítica de marketing, Ciencia de datos, Ética, Sociología digital
Aplicaciones Ecommerce, marketplaces, negocios locales, turismo, restaurantes, salud, educación, apps, software, servicios profesionales, productos digitales, social commerce y reputación de marca
Nivel de evidencia Empírico, regulatorio, técnico y reputacional; evaluable mediante patrones, verificación, auditoría, detección de anomalías y cumplimiento normativo
Limitaciones Son difíciles de detectar con certeza absoluta, pueden ser generadas por humanos o IA, y pueden contaminar métricas, reputación, confianza y decisiones de compra

Las reseñas falsas atacan uno de los mecanismos centrales de confianza en internet: la recomendación entre pares. Cuando un consumidor lee una reseña, suele asumir que proviene de alguien con experiencia directa. Si esa experiencia no existe, el sistema de confianza queda contaminado.

La Federal Trade Commission publicó en 2024 una regla final contra reseñas y testimonios falsos, prohibiendo prácticas como su venta o compra. La Comisión Europea ha señalado problemas de autenticidad en reseñas online y la OCDE ha estudiado la influencia de calificaciones y reseñas en el comportamiento del consumidor.

Este artículo examina la definición, evolución, fundamentos, tipos, aplicaciones, riesgos, herramientas, buenas prácticas, errores comunes, desafíos éticos y relación de las reseñas falsas con otros conceptos del marketing digital.

Definición

Las reseñas falsas son valoraciones publicadas con apariencia de opinión real, pero creadas, compradas, incentivadas, manipuladas, automatizadas o coordinadas para alterar artificialmente la percepción pública.

Pueden ser falsas por distintas razones:

  • La persona nunca usó el producto o servicio.
  • La persona no existe.
  • La reseña fue generada por un bot.
  • La reseña fue escrita por inteligencia artificial sin experiencia real.
  • La reseña fue comprada.
  • La reseña fue publicada por empleados sin revelar vínculo.
  • La reseña fue publicada por familiares, socios o agencias sin transparencia.
  • La reseña fue incentivada sin disclosure.
  • La reseña exagera o inventa una experiencia.
  • La reseña negativa busca dañar a un competidor.
  • La reseña fue parte de una campaña coordinada.
  • La calificación fue manipulada por presión, amenaza o compensación.
  • La plataforma presenta reseñas de manera engañosa.
  • La empresa oculta reseñas negativas legítimas.

La falsedad no depende solo de que el texto contenga mentiras explícitas. También puede surgir por ocultar la relación comercial, manipular el origen de la opinión o presentar como espontáneo algo que fue coordinado.

Diferencia entre reseña falsa, reseña incentivada y reseña negativa legítima

Una reseña falsa no refleja una experiencia auténtica o independiente.

Una reseña incentivada puede ser legítima si la persona sí tuvo experiencia real y si el incentivo se declara claramente. Se vuelve problemática cuando el incentivo se oculta o condiciona el tono de la opinión.

Una reseña negativa legítima expresa una mala experiencia real. No debe confundirse con reseña falsa solo porque afecte a una marca.

La diferencia práctica puede entenderse así:

  • Reseña auténtica: experiencia real, opinión propia, sin manipulación.
  • Reseña incentivada transparente: experiencia real con beneficio declarado.
  • Reseña falsa positiva: opinión fabricada para mejorar reputación.
  • Reseña falsa negativa: opinión fabricada para dañar reputación.
  • Review bombing: oleada coordinada de reseñas negativas o positivas, muchas veces vinculada a conflicto cultural, político, comercial o comunitario.
  • Testimonio falso: declaración promocional atribuida a una persona sin experiencia real o con relación no revelada.
  • Astroturfing: simulación de apoyo orgánico mediante opiniones coordinadas.

No toda crítica es falsa. No toda recomendación incentivada es ilegítima. El criterio central es autenticidad, experiencia real y transparencia.

Contexto histórico y evolución

Las reseñas falsas tienen antecedentes en testimonios pagados, cartas de recomendación fabricadas, publicidad testimonial engañosa, recomendaciones de empleados y prácticas de relaciones públicas encubiertas.

Con internet, las reseñas se volvieron visibles, acumulativas y decisivas. Plataformas como marketplaces, buscadores, sitios de turismo, apps, directorios, redes sociales y ecommerce permitieron que las opiniones de usuarios influyeran en millones de decisiones.

La evolución puede organizarse en varias etapas:

  • Testimonios comerciales tradicionales.
  • Opiniones en foros.
  • Comentarios en blogs.
  • Calificaciones en ecommerce.
  • Reseñas en marketplaces.
  • Reseñas locales en buscadores.
  • Plataformas de turismo y restaurantes.
  • Sistemas de reputación en apps.
  • Redes sociales.
  • Programas de afiliados.
  • Granjas de reseñas.
  • Bots de comentarios.
  • Review bombing.
  • Reseñas generadas por inteligencia artificial.
  • Sistemas antifraude y verificación de compra.
  • Regulación específica contra reseñas falsas.

Durante la década de 2010, las reseñas falsas se convirtieron en un problema visible para ecommerce, turismo, restaurantes, apps y marketplaces. Durante la década de 2020, la inteligencia artificial generativa aumentó el riesgo porque permite producir reseñas creíbles a gran escala.

La FTC publicó en 2024 una regla final que prohíbe la venta o compra de reseñas y testimonios falsos. La Comisión Europea ha señalado que muchas páginas revisadas no informaban adecuadamente cómo garantizaban la autenticidad de sus reseñas. La OCDE también ha desarrollado guías sobre reseñas online y política del consumidor.

Fundamentos teóricos

Las reseñas falsas se apoyan en la manipulación de mecanismos sociales de confianza.

Entre sus fundamentos principales se encuentran:

El fundamento central es que las reseñas falsas explotan una señal de confianza para producir ventaja comercial o daño reputacional.

Tipos y variantes

Reseñas falsas positivas

Buscan mejorar artificialmente reputación, calificación, ranking, confianza o conversión.

Reseñas falsas negativas

Buscan dañar a competidores, reducir ventas, afectar reputación o provocar desconfianza.

Reseñas compradas

Se generan mediante pagos directos a personas, agencias, granjas de reseñas o intermediarios.

Reseñas incentivadas no declaradas

Son opiniones generadas a cambio de descuentos, regalos, puntos, comisiones o beneficios sin disclosure claro.

Reseñas de empleados o familiares

Son publicadas por personas vinculadas a la empresa sin declarar su relación.

Reseñas generadas por bots

Son creadas o publicadas automáticamente mediante cuentas falsas o sistemas automatizados.

Reseñas generadas por IA

Son textos creados por modelos de inteligencia artificial sin experiencia real de consumo.

Review bombing

Consiste en una oleada coordinada de reseñas, generalmente negativas, para castigar a una marca, producto, película, juego, servicio, persona o institución.

Reseñas duplicadas

Repetición de textos idénticos o muy similares en varias cuentas, productos o plataformas.

Reseñas con experiencia fabricada

Narran detalles falsos para parecer auténticas.

Reseñas filtradas selectivamente

La empresa muestra reseñas positivas y oculta negativas legítimas, alterando la percepción general.

Reseñas trasladadas engañosamente

Se presentan reseñas de un producto, versión, tienda, servicio o experiencia como si correspondieran a otro.

Testimonios falsos

Se usan en publicidad, landing pages, videos o redes sociales atribuyendo experiencia a personas inexistentes o sin experiencia real.

Metodología de análisis

Analizar reseñas falsas requiere combinar señales técnicas, lingüísticas, conductuales y contextuales.

Una metodología básica incluye:

  • Identificar plataforma y producto evaluado.
  • Revisar fecha de publicación.
  • Revisar historial del revisor.
  • Verificar si hubo compra comprobada.
  • Analizar patrón de calificaciones.
  • Detectar textos repetidos.
  • Revisar lenguaje extremadamente genérico.
  • Revisar lenguaje excesivamente promocional.
  • Detectar picos anómalos de reseñas.
  • Comparar reseñas con ventas reales.
  • Revisar IP, ubicación o dispositivo cuando sea posible.
  • Analizar vínculos entre cuentas.
  • Revisar relación con campañas o promociones.
  • Verificar si hubo incentivos.
  • Analizar si se ocultan reseñas negativas.
  • Revisar respuestas de la marca.
  • Contrastar con quejas externas.
  • Evaluar impacto en calificación promedio.
  • Documentar evidencias.
  • Reportar a plataforma o autoridad cuando corresponda.

La pregunta clave es: ¿esta reseña proviene de una experiencia real, independiente y transparente?

Señales de posible reseña falsa

Ninguna señal aislada prueba falsedad absoluta, pero varias juntas pueden indicar riesgo.

Señales frecuentes:

  • Cuenta recién creada.
  • Solo una reseña publicada.
  • Muchas reseñas en poco tiempo.
  • Textos muy similares entre cuentas.
  • Calificaciones extremas sin detalle.
  • Lenguaje excesivamente promocional.
  • Uso repetido de palabras clave.
  • Mención artificial de nombre completo de producto.
  • Falta de detalles verificables.
  • Detalles demasiado perfectos o guionizados.
  • Reseñas negativas sin información concreta.
  • Picos repentinos después de una crisis.
  • Reseñas positivas justo después de una mala reseña.
  • Patrón de cinco estrellas repetido.
  • Reseñas publicadas desde ubicaciones poco coherentes.
  • Revisores con actividad en productos no relacionados.
  • Comentarios que parecen copiados de ficha comercial.
  • Reseñas con traducción automática.
  • Fotos reutilizadas.
  • Reseñas de productos no comprados.
  • Calificaciones muy distintas al contenido del texto.

También debe considerarse que algunas reseñas auténticas pueden ser breves, emocionales o mal redactadas. La detección debe evitar juicios apresurados.

Aplicaciones en marketing

El tema de reseñas falsas afecta diversas áreas del marketing:

Para una marca ética, el objetivo no debe ser fabricar reseñas, sino crear experiencias dignas de ser reseñadas y facilitar que clientes reales compartan su opinión.

Impacto en el consumidor

Las reseñas falsas afectan al consumidor porque alteran señales de calidad, confianza y riesgo.

Pueden provocar:

  • Compras equivocadas.
  • Sobrevaloración de productos.
  • Subvaloración de alternativas legítimas.
  • Pérdida económica.
  • Mala experiencia.
  • Exposición a productos inseguros.
  • Confusión sobre calidad real.
  • Desconfianza general en plataformas.
  • Decisiones basadas en información manipulada.
  • Dificultad para comparar opciones.
  • Mayor vulnerabilidad ante fraude.

La OCDE ha señalado que calificaciones y reseñas online influyen en el comportamiento del consumidor. Si esas señales se manipulan, el proceso de decisión queda alterado.

Impacto en marcas y plataformas

Las reseñas falsas también afectan a empresas y plataformas.

Para marcas honestas, generan competencia desleal. Una empresa que trabaja por buena experiencia puede perder visibilidad frente a competidores que inflan calificaciones.

Para plataformas, dañan la confianza del sistema. Si los usuarios dejan de creer en reseñas, se reduce el valor de marketplaces, buscadores, apps y sitios de recomendación.

Para marcas que las usan, el riesgo incluye:

  • Sanciones.
  • Crisis reputacional.
  • Pérdida de confianza.
  • Suspensión de cuentas.
  • Eliminación de productos.
  • Penalizaciones en plataformas.
  • Demandas.
  • Quejas de consumidores.
  • Daño a largo plazo.
  • Pérdida de alianzas.
  • Cobertura negativa.
  • Erosión de marca.

Las reseñas falsas pueden producir una ganancia táctica, pero dañan la infraestructura de confianza que permite vender.

Ventajas aparentes

Algunas organizaciones recurren a reseñas falsas porque perciben beneficios inmediatos:

  • Aumentar calificación promedio.
  • Mejorar conversión.
  • Superar a competidores.
  • Lanzar productos con prueba social inicial.
  • Compensar malas reseñas.
  • Influir en rankings internos.
  • Mejorar reputación local.
  • Simular demanda.
  • Reducir incertidumbre del comprador.
  • Apoyar campañas de lanzamiento.

Estas ventajas son frágiles. Dependen de una manipulación detectable y sancionable. Una vez descubierta, la marca puede perder más confianza que la que intentó fabricar.

Riesgos y limitaciones

Las reseñas falsas presentan riesgos graves:

  • Engañan al consumidor.
  • Dañan competencia.
  • Contaminan reputación.
  • Violentan políticas de plataformas.
  • Pueden ser ilegales.
  • Pueden generar sanciones.
  • Dañan SEO local.
  • Dañan marketplaces.
  • Debilitan confianza del sistema.
  • Pueden activar crisis.
  • Pueden ser denunciadas.
  • Pueden ser detectadas por patrones.
  • Pueden ser generadas contra la propia marca.
  • Pueden afectar decisiones de inversión publicitaria.
  • Pueden contaminar dashboards.
  • Pueden inducir decisiones internas erróneas.

La principal limitación estratégica es que sustituyen mejora real por simulación. Si la experiencia del cliente es mala, las reseñas falsas solo retrasan el problema.

Consideraciones técnicas o estadísticas

La evaluación de reseñas falsas requiere métricas de autenticidad, distribución y anomalía.

Indicadores relevantes:

  • Calificación promedio.
  • Volumen de reseñas.
  • Frecuencia de reseñas.
  • Antigüedad de reseñas.
  • Porcentaje de reseñas verificadas.
  • Distribución de estrellas.
  • Picos de publicación.
  • Longitud de reseñas.
  • Similitud textual.
  • Repetición de palabras clave.
  • Actividad del revisor.
  • Diversidad de revisores.
  • Ubicación de revisores.
  • Relación entre reseñas y ventas.
  • Relación entre reseñas y tráfico.
  • Porcentaje de reseñas eliminadas.
  • Porcentaje de reseñas reportadas.
  • Sentimiento.
  • Polaridad extrema.
  • Frecuencia de fotos.
  • Evidencia de compra.
  • Historial de respuesta de la marca.
  • Cambios repentinos de calificación.
  • Concentración temporal.
  • Red de cuentas conectadas.
  • Reviews por IP o dispositivo, cuando sea legal y técnicamente posible.

La detección automática tiene límites. Investigaciones sobre fake review detection han señalado que algunos modelos pueden sobreestimar su rendimiento cuando los datasets contienen sesgos o confusores. Con IA generativa, la detección se vuelve más difícil porque los textos pueden parecer variados y naturales.

Herramientas y mecanismos de detección

Entre las herramientas y mecanismos relacionados con reseñas falsas se encuentran:

  • Verificación de compra: identifica reseñas de usuarios que compraron realmente.
  • Moderación de reseñas: revisión automática y humana.
  • Análisis de texto: detección de similitud, patrones y lenguaje sospechoso.
  • Análisis de redes: identificación de grupos coordinados.
  • Herramientas antifraude: detección de cuentas falsas, bots y actividad anómala.
  • Social listening: monitoreo de conversación externa.
  • Auditoría reputacional: revisión de reseñas en múltiples plataformas.
  • Reportes de usuarios: mecanismo para denunciar reseñas sospechosas.
  • Historial de revisores: análisis de actividad previa.
  • Dashboards de reputación: integración de reseñas, calificaciones y sentimiento.
  • Machine learning: clasificación de patrones sospechosos.
  • Análisis de picos: detección de oleadas inusuales.
  • Revisión manual especializada: interpretación contextual de casos complejos.
  • Políticas de plataforma: reglas contra reseñas manipuladas.
  • Cumplimiento legal: revisión de incentivos, testimonios y disclosures.

La herramienta más confiable suele ser la combinación de verificación de compra, análisis de patrones y revisión humana.

Relación con otros conceptos

Las reseñas falsas se relacionan con:

Buenas prácticas

  • No comprar reseñas.
  • No fabricar testimonios.
  • No usar empleados como clientes ficticios.
  • No incentivar reseñas sin disclosure.
  • Pedir reseñas solo a clientes reales.
  • Facilitar reseñas después de una experiencia verificable.
  • No condicionar beneficios a reseñas positivas.
  • Permitir reseñas negativas legítimas.
  • Responder críticas de forma profesional.
  • Investigar quejas recurrentes.
  • Reportar reseñas falsas ante la plataforma.
  • Documentar evidencia de abuso.
  • Usar verificación de compra cuando sea posible.
  • Auditar patrones de reseñas.
  • Mantener políticas claras de testimonios.
  • Declarar incentivos.
  • Evitar granjas de reseñas.
  • Capacitar equipos de marketing y atención.
  • Medir reputación junto con experiencia real.
  • Convertir críticas legítimas en mejora operativa.

Errores comunes

  • Confundir reseña negativa con reseña falsa.
  • Comprar reseñas para mejorar lanzamiento.
  • Pedir a empleados que califiquen la empresa.
  • Ofrecer descuentos solo por cinco estrellas.
  • Ocultar reseñas negativas legítimas.
  • Borrar críticas sin explicación.
  • Responder agresivamente.
  • Usar IA para fabricar opiniones.
  • Publicar reseñas con lenguaje de anuncio.
  • No verificar compra.
  • No revisar picos anómalos.
  • No denunciar ataques coordinados.
  • No distinguir entre incentivo y manipulación.
  • Usar testimonios sin autorización.
  • Publicar reseñas de un producto en otro.
  • No revisar políticas de plataformas.
  • Medir reputación solo por promedio de estrellas.
  • Ignorar recurrencia de quejas reales.

Desafíos éticos y legales

Las reseñas falsas plantean un desafío ético central: manipulan la confianza entre consumidores. Una reseña aparenta ser una experiencia independiente, pero cuando es falsa funciona como publicidad disfrazada, prueba social fabricada o ataque reputacional.

La FTC publicó en 2024 una regla final contra reseñas y testimonios falsos, prohibiendo prácticas como su venta o compra y permitiendo buscar sanciones civiles contra infractores conscientes. También aborda testimonios de personas inexistentes, personas sin experiencia real y contenido generado por IA cuando se presenta engañosamente como experiencia auténtica.

La Comisión Europea ha identificado problemas de transparencia en sitios con reseñas online y ha señalado que muchos no informan adecuadamente cómo garantizan autenticidad. Sus políticas de protección del consumidor consideran problemático comprar, vender o enviar reseñas falsas para promover productos.

En México, la protección frente a publicidad engañosa se vincula con la Ley Federal de Protección al Consumidor y con criterios de PROFECO sobre información veraz y prácticas comerciales. Aunque el tratamiento específico de reseñas puede variar por caso, una reseña falsa usada como herramienta promocional puede integrarse a un problema mayor de información engañosa, reputación manipulada o publicidad no transparente.

A nivel organizacional, la responsabilidad involucra a marca, agencia, equipo de reputación, ecommerce, marketplace, afiliados, influencers, empleados y plataformas. El cumplimiento debe integrarse al sistema de marketing, no quedar como reacción ante denuncias.

Una práctica responsable debe construir reputación desde experiencia real, no desde simulación.

Impacto actual

Las reseñas falsas tienen impacto directo en ecommerce, turismo, restaurantes, servicios profesionales, apps, salud privada, educación, marketplaces, software, productos digitales y negocios locales.

En mercados donde el consumidor no puede probar físicamente el producto antes de comprar, las reseñas sustituyen parte de la experiencia. Por eso tienen poder comercial. Una calificación alta puede aumentar conversión; una calificación baja puede bloquear ventas.

El problema se intensifica con inteligencia artificial generativa. Estudios recientes han señalado que reseñas falsas generadas por modelos de lenguaje pueden ser difíciles de distinguir tanto para humanos como para sistemas automáticos. Esto eleva la importancia de verificar compra, historial y contexto, no solo estilo textual.

Para plataformas, las reseñas falsas son un problema de confianza sistémica. Si los usuarios dejan de creer en las reseñas, el valor del marketplace, buscador o app se reduce.

Para marcas, el impacto es doble. Pueden ser tentadas a manipular reseñas para competir, pero también pueden ser víctimas de ataques, review bombing o campañas falsas. La gestión ética requiere prevenir ambos escenarios.

Futuro y tendencias

El futuro de las reseñas falsas estará marcado por inteligencia artificial, verificación de compra, identidad digital, moderación automatizada, regulación, reputación algorítmica y mayor escrutinio público.

La IA facilitará generar reseñas más variadas, convincentes y adaptadas a productos específicos. También permitirá detectar patrones, comparar historiales, identificar anomalías y asistir a moderadores.

Las plataformas tenderán a reforzar señales de autenticidad: compra verificada, antigüedad de cuenta, historial de actividad, evidencia multimedia, consistencia contextual y mecanismos de reporte.

La regulación seguirá avanzando. La regla de la FTC de 2024 contra reseñas falsas marca una tendencia internacional hacia sancionar la manipulación reputacional. La Unión Europea también ha reforzado atención sobre autenticidad de reseñas y protección del consumidor.

La tendencia más sólida será pasar de reseñas abiertas sin control a sistemas de confianza verificable. Las marcas tendrán que demostrar que sus opiniones provienen de clientes reales y que no manipulan artificialmente su reputación.

Véase también

Referencias

  • Federal Trade Commission. Federal Trade Commission Announces Final Rule Banning Fake Reviews and Testimonials. 2024.
  • Federal Trade Commission. Final Rule on the Use of Consumer Reviews and Testimonials. 2024.
  • European Commission. Protecting consumers from misleading reviews. 2022.
  • OECD. Understanding Online Consumer Ratings and Reviews. OECD Digital Economy Papers, 2019.
  • OECD. Good Practice Guide on Online Consumer Ratings and Reviews. 2019.
  • Procuraduría Federal del Consumidor. Guía de procedimientos de publicidad engañosa. México.
  • Procuraduría Federal del Consumidor. Buró Comercial.
  • Meng, Weiyao; Harvey, John; Goulding, James; Carter, Chris James; Lukinova, Evgeniya; Smith, Andrew; Frobisher, Paul; Forrest, Mina; Nica-Avram, Georgiana. “Large Language Models as 'Hidden Persuaders': Fake Product Reviews are Indistinguishable to Humans and Machines”. 2025.
  • Soldner, Felix; Kleinberg, Bennett; Johnson, Shane. “Confounds and Overestimations in Fake Review Detection: Experimentally Controlling for Product-Ownership and Data-Origin”. 2021.
  • Berry, Shawn. “Fake Google restaurant reviews and the implications for consumers and restaurants”. 2024.

Bibliografía

  • Berry, Shawn. “Fake Google restaurant reviews and the implications for consumers and restaurants”. 2024.
  • European Commission. Protecting consumers from misleading reviews. 2022.
  • Federal Trade Commission. Federal Trade Commission Announces Final Rule Banning Fake Reviews and Testimonials. 2024.
  • Federal Trade Commission. Final Rule on the Use of Consumer Reviews and Testimonials. 2024.
  • Meng, Weiyao; Harvey, John; Goulding, James; Carter, Chris James; Lukinova, Evgeniya; Smith, Andrew; Frobisher, Paul; Forrest, Mina; Nica-Avram, Georgiana. “Large Language Models as 'Hidden Persuaders': Fake Product Reviews are Indistinguishable to Humans and Machines”. 2025.
  • OECD. Good Practice Guide on Online Consumer Ratings and Reviews. 2019.
  • OECD. Understanding Online Consumer Ratings and Reviews. OECD Digital Economy Papers, 2019.
  • Procuraduría Federal del Consumidor. Buró Comercial.
  • Procuraduría Federal del Consumidor. Guía de procedimientos de publicidad engañosa. México.
  • Soldner, Felix; Kleinberg, Bennett; Johnson, Shane. “Confounds and Overestimations in Fake Review Detection: Experimentally Controlling for Product-Ownership and Data-Origin”. 2021.
Obtenido de «https://sabermarketing.org/wiki/index.php?title=Reseñas_falsas&oldid=23364»