核心是看它有没有具体的消费事实和可核对的细节。真实投诉通常围绕一次具体的购买或服务经历,有时间、有场景、有明确诉求;AI 批量生成的内容往往模板化、细节空泛、账号行为异常。但区分的目的不是急着给对方贴标签,而是决定用售后还是用投诉的方式处理,避免把真实用户也推到对立面。
一、看内容有没有具体细节
真实用户会说清楚什么时候买的、遇到了什么问题、沟通过哪些人、想要什么结果,细节往往还带着个人情绪和具体场景。AI 生成的差评常常是一堆正确的套话,比如态度差、质量不行、不推荐,却没有可核对的订单信息和具体情节,不同账号的措辞还高度雷同,甚至出现和本行业无关的常识性错误。
二、看账号行为是否异常
留意发布账号是不是新注册、几乎没有其他内容、短时间内在多个商品或品牌下发布相似内容,差评之间的句式和结构是否像一个模子刻出来的。批量账号、集中时间、雷同文案同时出现,往往是有组织生成的信号。还要看这些账号之间有没有互相关注、互相点赞,形成协同传播的小圈子。
三、看诉求是否合理
真实投诉一般有明确诉求,比如退款、换货、维修、道歉,也愿意配合提供订单信息。AI 生成的内容很多只负责输出负面情绪,没有沟通意愿,甚至拒绝提供订单信息,也不回应售后的核实请求。只抹黑、不解决问题,被追问细节就回避或消失,是很重要的判断点。
四、先按真实投诉走一遍
无论多像假的,都先按正常售后流程回应一次,要求对方提供订单和具体情况,表达解决问题的意愿。这一步既保护了真实消费者,也留下了对方拒绝配合的记录。如果对方拿不出任何事实依据、继续重复套话,后续投诉平台时,这些沟通记录就是认定其恶意的有力佐证。
五、用平台规则去核实
把疑似批量生成的内容整理成组,标注雷同点和账号异常,提交给平台,由平台结合后台数据判断。企业能看到的只是表面,平台可以核对设备、注册信息和发布行为,认定恶意内容后会做相应处理。成组提交比单条投诉更有说服力,也更容易让平台识别出背后的批量操作。
六、不要公开和对方吵
即便确认是 AI 生成的,也不要在评论区逐条揭穿、对骂,或者用同样的话术去刷好评对冲。这样做容易把页面变成战场,还可能被截图反咬,甚至被平台判定为异常经营。专业的事走平台和法务,公开页面只保留诚恳、统一的售后回应,让任何点进来的人都先看到解决问题的态度。
七、把真实口碑做厚
批量差评之所以能造成影响,往往是因为店铺本身的真实评价不够多、不够具体。持续引导满意的客户留下带具体细节的真实评价,把服务和售后过程公开化,假内容混在其中就更容易被识别,也更难靠数量拉低整体评分。真实口碑越厚,恶意内容的边际伤害就越小。