1. 引言
随着电商行业的蓬勃发展，电商交易规模持续上升，截至2024年，已突破50万亿元[1]。在这一背景下，评论作为消费者决策的核心参考依据，成为电商生态的“信用基石”。然而，虚假评论的泛滥正不断侵蚀这一基石。市场监管总局2024年“反不正当竞争”专项报告显示，电商虚假评论投诉量同比增长62%，其中“刷单炒信”“恶意差评勒索”“评论控评”三类行为占比超85% [2]。例如某电商平台刷单案中，商家通过“刷手团队”生成2万余条虚假好评，导致消费者因误导购买劣质商品，维权时却因无法证明评论虚假而败诉[3]，此类案例凸显虚假评论对消费者权益的直接侵害，以及传统追责模式的失效。
数据挖掘技术的成熟为虚假评论治理提供了新路径。通过自然语言处理(NLP)提取评论文本中的“夸张表述”“重复句式”等特征，结合机器学习算法分析用户行为，如同一IP地址短时间内高频评论，可实现虚假评论的精准识别。有领头电商平台引入数据挖掘系统后，虚假评论识别率从32%提升至79% [4]。但技术应用与法律追责的衔接仍存在空白：数据挖掘生成的“识别报告”能否作为法定证据？平台未有效运用技术手段监测虚假评论是否需承担责任？这些问题尚未在现行法律框架中得到明确回应，亟需构建“技术 + 法律”协同的追责机制。
2. 电商虚假评论的生成模式与法律追责现状
2.1. 电商虚假评论的核心特征与生成模式
电商虚假评论并非单纯的“不实表述”，而是具有“目的性、组织性、隐蔽性”的复合型侵权行为，其生成模式可分为三类：
1. 刷单炒信型：这是最普遍的虚假评论类型，由商家通过“刷手团队”或自动化工具生成虚假好评。具体流程为：商家与刷手团队签订协议→刷手通过“模拟真实购物”完成交易→按商家要求发布含“关键词”的好评→商家返还货款并支付佣金。此类评论的核心特征是“文本同质化”、“行为异常化”，某刷单案中甚至出现“同一刷手1天内为10家同类店铺评论”的极端情况[5]。
2. 恶意差评型：分为“勒索型”与“竞争型”两类。前者由“差评师”通过下单后发布负面评论，以“删除差评”为由向商家索要钱财；后者则是竞争对手雇佣团队，针对竞品发布“虚假负面评价”，破坏竞品口碑。2024年“某母婴用品商家恶意差评案”中，竞争对手通过“批量注册小号”发布200余条“产品导致婴儿过敏”的虚假差评，导致该商家销量下降40%，此类评论的特征是“负面表述极端化”“无具体事实依据”[6]。
3. 评论控评型：商家通过电商平台的“评论管理工具”，选择性展示好评、隐藏或删除真实差评，形成“虚假口碑闭环”。部分平台甚至为商家提供“付费控评”服务，如某平台曾推出“差评过滤套餐”，商家支付费用后，含“差评关键词”的评论将被自动屏蔽[7]。这种行为虽不直接生成虚假评论，但通过操控信息展示，本质上剥夺了消费者获取真实信息的权利，属于“间接虚假评论”。
2.2. 当前电商虚假评论的法律追责困境
尽管现行法律已对虚假评论有所规制，如《电子商务法》第十七条禁止“以虚构交易、编造用户评价等方式进行虚假或者引人误解的商业宣传”[8]，但在实践追责中仍面临三大核心困境：
1. 证据固定难：笔者通过中国裁判文书网检索2020-2-24年公开的电商虚假评论侵权案件共1247件，统计发现：因“无法证明评论虚假”“缺乏商家与刷手关联证据”等理由被驳回起诉案件占比高达68.3%1。传统取证方式无法应对虚假评论的隐蔽性。消费者主张虚假评论侵权时，需证明“评论内容虚假”“评论系人为操控”，但传统取证手段难以满足这一要求。一方面，虚假评论的文本与真实评论高度相似，消费者无法仅凭肉眼区分；另一方面，刷单交易的“物流信息”“付款记录”多为伪造，消费者难以获取商家与刷手的关联证据。更关键的是，电商平台通常不向消费者开放评论的后台数据，导致消费者“举证无门”。在“某服装商家刷单案”中，消费者虽怀疑评论虚假，但因无法提供平台后台数据，法院最终以“证据不足”驳回其诉讼请求[9]。
2. 责任划分乱：仅31.2%案件明确平台责任。上诉1247件案件中，仅31.2%明确认定平台需要承担责任，52.5%仅判决商家承担责任，16.3%因“责任主体模糊”未明确划分责任。这也充分表明，平台、商家、刷手的责任界定存在模糊地带，比如商家责任：虽《反不正当竞争法》明确商家刷单需承担赔偿责任，但对于“委托刷单但未直接参与评论撰写”的情形，是否需承担全部责任仍有争议[10]。再就刷单人责任而言：刷手作为直接实施者，现行法律多将其视为“不正当竞争的帮助者”，但因刷手多为个人且分散，消费者难以追责——上诉案件中仅2.8%涉及刷手追责，且均为团队组织者。最后平台责任：《电子商务法》要求平台“对平台内经营者的虚假宣传行为予以制止”，但未明确“平台应采取何种措施”——是仅需“接到投诉后处理”，还是需“主动监测虚假评论”？部分平台因未主动识别刷单评论被监管部门处罚，但平台辩称“已尽到形式审查义务”，反映出平台责任标准的不明确[11]。
3. 救济成本高：维权成本平均损失5倍。虚假评论侵权多为“小额分散型”，但维权需经过“收集证据–平台投诉–监管举报–诉讼”多个环节，耗时长达2~6个月。笔者统计上诉案件中消费者的维权成本，消费者平均达实际损失的5.2倍——某消费者因虚假评论维权花费8000元，最终仅获赔500元[12]，这种“高成本低收益”的现状，导致73.5%的消费者选择“自认倒霉”，放弃追责2。
3. 数据挖掘赋能电商虚假评论法律追责的路径
数据挖掘技术的核心价值在于“从海量数据中提取有效信息”，其在虚假评论识别、证据链构建、责任溯源中的应用，可精准破解传统追责的三大困境，为法律追责提供“技术抓手”。
3.1. 虚假评论识别：从“人工判断”到“算法精准定位”
传统虚假评论识别依赖消费者或监管人员的“主观经验”，效率低且准确率差，而数据挖掘可通过“文本挖掘 + 行为挖掘”实现自动化识别：
1. 文本挖掘：提取虚假评论的“语言特征”。通过自然语言处理(NLP)技术分析评论文本，识别虚假评论的典型特征：一是“词汇特征”，虚假好评多高频使用“绝对化表述”、“模糊表述”；二是“句式特征”，刷单评论常使用“模板化句式”，可通过“文本相似度算法”检测重复率；三是“情感特征”，虚假评论的情感倾向多为“极端化”，且缺乏情感波动，可通过“情感分析模型”(如LSTM神经网络)识别异常。某研究团队基于50万条电商评论数据训练模型，通过文本特征识别虚假评论的准确率达82%，远超人工识别的45% [13]。
2. 行为挖掘：捕捉虚假评论的“用户行为异常”。虚假评论的背后往往伴随异常的用户行为，数据挖掘可通过分析用户的“行为数据”识别异常：一是“账号特征”，刷手账号多为“新注册账号”“无真实购物记录的账号”，可通过“账号活跃度算法”标记高风险账号；二是“交易特征”，刷单交易多为“秒下单”、“同一IP地址多账号下单”“无真实物流信息”，可通过“交易行为聚类算法”(K-Means)识别批量刷单行为；三是“评价特征”，刷手多在“收货后1小时内评价”“同一时间段发布多条评论”，可通过“时间序列分析”捕捉这种异常节奏。
3.2. 证据链构建：从“碎片化证据”到“完整数据闭环”
证据不足是消费者追责的最大障碍，数据挖掘可通过“数据留存–验证–可视化”构建合法证据链，但需要同步建立数据安全和隐私保障机制：
1. 数据留存：合法固定生命周期数据。电商平台需基于数据挖掘技术，建立“评论全生命周期数据库”，留存三类关键数据：“评论基础数据”(评论文本、发布时间、用户账号信息)、“关联交易数据”(订单号、支付记录、物流信息)、“用户行为数据”(登录IP、浏览记录、设备信息)。数据需采用“区块链存证 + 哈希值校验”确保不被篡改，且需要符合《个人信息保护法》要求——对用户敏感信息采用“差分隐私”技术匿名化处理，仅保留“用于关联分析的非标识化数据”[14]。
2. 数据验证：多维交叉排除误差。数据挖掘可通过“多维度交叉验证”排除数据误差，确保证据的可信度。对疑似虚假评论，需通过“文本相似度 + 交易真实性 + 用户行为异常”三维验证：如某评论文本与其他10条评论相似度超90%、物流空包、用户1天内为5家同类店铺评价，方可认定为有效证据[15]。
3. 数据可视化：转化为法律可认的证据形式。数据挖掘生成的“算法报告”需通过可视化工具，如热力图、时间轴转化为直观的证据形式，便于法院、监管部门理解。例如，“某美妆品牌刷单案”中，平台用“资金关联图谱”证明刷手用金流向商家经销商，成为法院定案关键[16]。
3.3. 责任溯源：从“主体模糊”到“精准定位责任方”
数据挖掘可通过“关联分析算法”追踪商家、刷手、平台的责任链条，同时建立申诉与纠错机制：
1. 追踪商家责任：识别“刷单指令源头”。通过“账号关联分析”，挖掘刷手账号与商家的关联线索：一是“IP关联”，若刷手账号登录IP与商家办公IP、仓库IP一致，可证明商家直接参与刷单；二是“资金关联”，通过分析刷手的“佣金收款账户”，追踪资金是否来自商家或其关联企业；三是“指令关联”，若刷手与商家存在“聊天记录”(如微信、QQ)，可通过“文本关键词匹配”(如“按模板评价”“返佣”)识别刷单指令。在“某美妆品牌刷单案”中，监管部门通过资金关联分析，发现刷手的佣金最终流向该品牌的经销商，成功锁定了责任主体[2]。
2. 定位刷手责任：通过“社交网络分析算法”(如PageRank)识别团队核心成员，关联“手机号–银行号”对接公安身份系统。蒲绒刷手可通过“主动注销账号 + 承诺不再参与”申请从“黑名单”移除[17]。
3. 界定平台责任：评估“技术监测义务履行情况”。数据挖掘可作为判断平台是否尽到责任的“标尺”：若平台已部署虚假评论识别系统，但因“算法阈值设置过高”(如仅识别相似度90%以上的评论)导致大量虚假评论漏判，可认定平台“未充分履行监测义务”；若平台未部署任何数据挖掘监测工具，仅依赖“人工投诉处理”，则属于“未履行基本义务”。例如，2024年某平台因未升级虚假评论识别算法，导致某类新型“AI生成虚假评论”大量流入，被市场监管部门处以50万元罚款，这一案例明确了“平台需持续优化数据挖掘技术”的法定义务[2]。
4. 数据挖掘赋能下电商虚假评论法律追责机制的构建
数据挖掘为虚假评论追责提供了技术支撑，但需通过法律制度将“技术优势”转化为“治理效能”。本文从立法、平台义务、追责程序三个层面，构建“技术 + 法律”协同的追责机制。
4.1. 立法完善：明确数据挖掘在追责中的法律地位
现行法律尚未对“数据挖掘生成的证据效力”“平台技术义务”作出明确规定，需通过立法确立数据挖掘证据的法定地位：在《民事诉讼法司法解释》中新增“电子数据证据”的具体规定，明确数据挖掘生成的“虚假评论识别报告”“关联分析图谱”可作为法定证据，但需满足三个条件：一是数据来源合法，需来自电商平台依法留存的后台数据；二是数据具有真实性，需经第三方审计机构(如中国电子技术标准化研究院)出具“算法合规报告”，证明数据未被篡改、算法逻辑无偏见；；三是数据具有关联性，需与案件核心事实直接关联，如“刷手IP与商家IP一致”的数据，需直接指向“商家参与刷单”的事实。同时，建立第三方算法审计、专家辅助人制度、算法分级管理的司法具体审查制度。法院可委托国家认可的司法鉴定机构(如国家电子数据司法鉴定中心)，对算法的“逻辑透明度”“阈值设置合理性”进行审计，出具审计报告；聘请算法领域专家(如高校计算机学院教授)，就“算法原理”“识别误差原因”等出庭说明，帮助法官理解技术细节；对“核心算法”实行“备案制”，平台需向监管部门报备算法逻辑。从而解决“算法黑箱”导致的证据可信度争议。
通过立法细化平台的“技术监测义务”：在《电子商务法》修订中，明确平台需履行“主动监测 + 及时处理”的双重技术义务：一事前监测义务，要求平台在评论发布后24小时内，通过数据挖掘技术完成初步筛查，对高风险虚假评论进行“临时屏蔽”；二事中处置义务，对确认的虚假评论，需在48小时内删除，并留存相关数据供监管部门调取；三事后报告义务，若某商家虚假评论占比超过5%，平台需在7日内将该商家信息报送市场监管部门，并暂停其促销活动。同时规定“平台未履行技术义务的法律责任”，如逾期未处理虚假评论，按每条500元处以罚款，累计罚款不超过50万元[18]。
明确刷手的法律责任与追责路径：在《反不正当竞争法》中新增“刷手责任条款”，将刷手分为“普通刷手”与“团队组织者”：对普通刷手，可处违法所得1~3倍罚款；对团队组织者(如控制100个以上刷手账号)，除罚款外，可并处“行业禁入”(3年内不得参与电商交易)。同时，建立“刷手黑名单共享机制”，由市场监管部门建立全国统一的“虚假评论参与者黑名单”，电商平台需对黑名单中的用户采取“限制下单”“禁止评论”措施，从源头遏制刷手行为[2]。
4.2. 平台义务细化：建立“技术 + 管理”双轨制防控体系
电商平台是虚假评论治理的“第一责任人”，需在技术应用基础上，细化内部管理义务：
1. 搭建标准化数据挖掘监测系统：平台需按照“国家电商虚假评论监测技术标准”，可由市场监管总局牵头制定，搭建涵盖“文本识别、行为分析、关联追踪”的全流程监测系统：一是“文本识别模块”，采用“预训练语言模型(如 BERT) + 行业词典”，提高对“行业特定虚假表述”，如美妆行业的“敏感肌可用”虚假宣传的识别率；二是“行为分析模块”，对接物流、支付机构数据，实时核查交易真实性；三是“关联追踪模块”，运用图神经网络(GNN)分析商家、刷手、账号的关联关系，自动生成“风险主体图谱”。平台需每季度向市场监管部门提交“技术监测报告”，说明系统运行情况与虚假评论处置数据。
2. 建立消费者权益保障机制：平台需基于数据挖掘技术，为消费者提供“便捷化维权服务”：一是“虚假评论一键投诉”功能，消费者怀疑某评论虚假时，可点击“投诉”按钮，平台通过数据挖掘系统在24小时内反馈“是否属于虚假评论”的初步结论；二是“证据自动生成”服务，若确认评论虚假，平台需为消费者自动生成“评论虚假证明”(含文本分析报告、交易异常数据)，并同步至12315平台，减少消费者取证成本；三是“先行赔付”制度，对因虚假评论导致的消费者损失，平台需在确认责任后7日内先行赔付(最高不超过5000元)，再向商家追偿，提高消费者维权积极性。
4.3. 追责程序优化：构建“低成本、高效率”的维权路径
针对消费者维权成本高的问题，需优化追责程序，建立“多元化纠纷解决机制”：
1. 建立虚假评论快速投诉通道：由市场监管总局牵头，整合12315平台、电商平台投诉系统，建立“全国电商虚假评论投诉平台”：消费者仅需填写“订单号 + 疑似虚假评论链接”，平台即可通过数据挖掘技术自动核查，无需消费者提交额外证据。对于事实清楚、金额较小的投诉，监管部门可在7日内作出“责令商家赔偿”的决定，商家拒不履行的，由平台从其保证金中划拨赔偿款[2]。
2. 推行“举证责任倒置”规则：在虚假评论侵权诉讼中，适用“举证责任倒置”，消费者仅需证明“因评论误导购买商品”“评论存在明显异常”，如平台初步判定为虚假，即完成举证义务；商家需举证证明“评论真实”，如提供真实消费者的身份信息、购物凭证，若无法举证，则需承担赔偿责任。这一规则可大幅降低消费者的举证压力，解决“维权难”问题[19]。
3. 开展“公益诉讼 + 集体诉讼”专项行动：由检察机关、消费者协会针对“大规模虚假评论”提起公益诉讼，如某商家刷单评论超1万条，可由消协代表全体消费者提起诉讼，要求商家赔偿“市场秩序损害赔偿金”，并在平台显著位置公开道歉。同时，优化集体诉讼程序，允许消费者通过“线上登记”加入集体诉讼，无需单独出庭，降低参与成本。2024年“某食品商家虚假评论集体诉讼案”中，2000余名消费者通过线上登记参与诉讼，最终获赔总额超50万元，为集体诉讼的推广提供了实践经验[20]。
5. 结论
电商虚假评论的法律追责，本质是“数字经济中信用秩序与消费者权益的维护”问题。传统追责机制因无法应对虚假评论的“技术化、组织化”特征而失效，而数据挖掘技术通过精准识别、证据构建、责任溯源，为追责提供了“技术突破口”。但技术本身并非万能，需通过立法明确其法律地位，通过平台义务细化实现技术落地，通过程序优化降低维权成本，最终构建“技术赋能法律、法律规范技术”的协同治理格局[13]。
未来，随着AI生成评论、跨境电商虚假评论等新问题的出现，还需进一步优化数据挖掘技术，完善跨境追责机制。只有持续推动“技术创新”与“法律完善”的深度融合，才能彻底破解虚假评论治理难题，让电商评论回归“真实信用载体”的本质，为消费者营造安全、透明的购物环境[21]。
NOTES
1笔者基于中国裁判文书网2020~2024年公开案件的统计分析(检索关键词：“电商”“虚假评论”“刷单”“不正当竞争”)。
2同上。