Wykrywanie fałszywych opinii po zamknięciu Fakespot: co zostało

Wykrywanie fałszywych opinii po zamknięciu Fakespot w lipcu 2025 r. nie opiera się już na jednym popularnym narzędziu. Kupującym zostały nowe, mniej sprawdzone rozszerzenia oparte na AI, sygnały samych platform i ręczna analiza. Firmy mają więcej możliwości: dane o zamówieniach, eksport opinii, alerty o nowych recenzjach i analizę profilu w zwykłym arkuszu.

Co się stało z Fakespot i dlaczego to luka

Fakespot analizował opinie w dużych sklepach internetowych, przede wszystkim na Amazonie, i przypisywał produktom ocenę wiarygodności recenzji. W 2023 r. kupiła go Mozilla i wbudowała w Firefoksa jako funkcję Review Checker. W maju 2025 r. Mozilla ogłosiła zamknięcie usługi: Review Checker przestał działać 10 czerwca 2025 r., a rozszerzenia, aplikacje mobilne i strona Fakespot – 1 lipca 2025 r. Jako powód firma podała, że pomysł nie pasował do modelu biznesowego, który mogłaby utrzymać.

Zniknięcie Fakespot zbiegło się z rozwojem generatywnej AI, która pozwala pisać przekonujące recenzje w dowolnym języku w kilka sekund. Skalę zjawiska i metody stosowane przez platformy opisujemy w artykule o fałszywych opiniach generowanych przez AI. Dla polskich kupujących luka jest mniejsza, niż się wydaje – Fakespot i tak skupiał się na dużych sklepach zagranicznych – ale dla firm, które sprawdzały nim konkurencję lub dostawców, temat pozostaje aktualny.

Co zostało dla kupujących: przegląd alternatyw

Po zamknięciu Fakespot pojawiło się kilka narzędzi o podobnym celu, a część starszych straciła znaczenie. Poniższe zestawienie opiera się na publicznie dostępnych testach z 2025 r. i informacjach platform; stan narzędzi zmienia się szybko.

Polski kupujący ma przy tym łatwiej, niż sugeruje zamknięcie Fakespot. Największe krajowe serwisy zakupowe i porównywarki zbierają dużą część opinii od osób, które rzeczywiście złożyły zamówienie, i oznaczają to przy recenzji. Zanim kupisz u nieznanego sprzedawcy, porównaj jego oceny w dwóch–trzech niezależnych miejscach, przeczytaj kilka najnowszych opinii krytycznych i sprawdź, czy sprzedawca na nie odpowiada. Rozbieżność typu 4,9 na własnej stronie i 3,2 w niezależnym serwisie mówi więcej niż wynik dowolnego rozszerzenia.

Najbardziej stabilnym źródłem są sygnały samych platform. Oznaczenie zakupu powiązanego z zamówieniem mówi więcej niż ocena zewnętrznego rozszerzenia – jak działa taka weryfikacja, opisujemy w tekście o opiniach zweryfikowanych zakupem. Google może z kolei wyświetlać na profilu firmy ostrzeżenie, że usunięto z niego fałszywe recenzje, a Amazon pokazuje generowane przez AI streszczenia opinii – zmianę omawiamy w teczce o funkcji „Klienci mówią” na Amazonie.

Dlaczego automatyczna ocena wiarygodności często się myli

Ten drugi czynnik jest często pomijany. Przykład obliczeniowy: narzędzie poprawnie rozpoznaje 90% fałszywych opinii i 90% prawdziwych. W zbiorze 1000 recenzji jest 100 fałszywych. Narzędzie oznaczy 90 z nich, ale też 90 z 900 prawdziwych. Z 180 oznaczonych opinii tylko połowa jest fałszywa. Jeśli fałszywek jest 5%, precyzja spada do około jednej trzeciej: 45 trafnych oznaczeń wobec 95 fałszywych alarmów.

Błędy działają też w drugą stronę. Najtrudniejsze do wykrycia są opinie od prawdziwych osób, które kupiły produkt i dostały zwrot pieniędzy lub inną korzyść za pięć gwiazdek – tak działają grupy organizowane w mediach społecznościowych. Konto jest autentyczne, zakup zweryfikowany, a tekst napisany przez człowieka, więc analiza treści niczego nie wychwyci. Takie schematy ujawniają dopiero dane platform o powiązaniach między kontami.

Wniosek dla kupujących: czerwony wskaźnik przy produkcie nie dowodzi oszustwa. Wniosek dla firm: usuwanie opinii lub oskarżanie klientów na podstawie automatycznego wyniku to proszenie się o kłopoty – zwłaszcza że w zbiorze trafią się prawdziwe recenzje, które klient poprawił z pomocą AI.

Narzędzia dla firm: platformy, monitoring i detektory tekstu

Firma, która chce chronić swój profil lub sprawdzić konkurencję, ma do dyspozycji kilka warstw narzędzi.

Mechanizmy platform. Duże serwisy wykrywają większość nadużyć automatycznie. Trustpilot w raporcie z 2025 r. podał, że w 2024 r. usunął 4,5 mln fałszywych opinii, czyli 7,4% wszystkich zamieszczonych, a 90% z nich wykryły systemy automatyczne – szczegóły w teczce o raporcie przejrzystości Trustpilot. Własne profile firma może zgłaszać przez formularze serwisów; procedurę dla Google opisujemy w poradniku o tym, jak usunąć fałszywą lub obraźliwą opinię z Google.

Powiadomienia i monitoring. Alerty o nowych opiniach w panelu serwisu albo w narzędziu do zarządzania opiniami w wielu lokalizacjach pozwalają zauważyć falę recenzji w ciągu godzin, a nie tygodni. Narzędzia do monitoringu opinii i wzmianek pokazują z kolei nagłe skoki dyskusji o marce poza serwisami recenzji.

Detektory tekstu AI. Firmy rozwijające detektory, np. Pangram Labs, analizowały opinie na dużych platformach i opisywały wzorce tekstów generowanych masowo. Przy pojedynczych, krótkich recenzjach detektory są jednak zawodne, więc ich wynik traktuj jako jeden z sygnałów.

Czatbot jako asystent analizy. Ogólny model AI nie oceni wiarygodności opinii za Ciebie, ale przyspieszy porządkowanie danych. Wklej mu tabelę z datami, ocenami i treściami (bez nazwisk i danych kontaktowych) i poproś o pogrupowanie opinii według powtarzających się sformułowań oraz wskazanie dni z nietypową liczbą recenzji. Każdy wskazany przypadek sprawdź potem ręcznie w serwisie – model potrafi znaleźć wzorzec tam, gdzie go nie ma.

Własny system opinii. Najlepsza ochrona to zamknięcie drogi do opinii bez zakupu: indywidualny link po doręczeniu, limity na konto i urządzenie, rejestr moderacji. Systemy, które to zapewniają, porównujemy w zestawieniu narzędzi do zbierania opinii.

Metoda arkusza: wykrywanie fałszywych opinii bez specjalnego narzędzia

Do analizy profilu – własnego lub konkurenta – wystarczy arkusz kalkulacyjny i godzina pracy. Przepisz lub wyeksportuj opinie z ostatnich 12 miesięcy w kolumnach: data, ocena, nazwa autora, liczba opinii autora (jeśli serwis ją pokazuje), długość tekstu i pierwsze słowa treści.

1. Policz opinie w tygodniach. Tydzień z liczbą recenzji kilkukrotnie wyższą niż mediana to pierwszy kandydat do sprawdzenia – chyba że zbiega się z kampanią, otwarciem lokalu lub akcją zbierania opinii.
2. Porównaj rozkład ocen w podejrzanym okresie i poza nim. Jeśli w zwykłych tygodniach średnia wynosi 4,1, a w tygodniu skoku 4,9, rośnie prawdopodobieństwo zorganizowanej akcji.
3. Sprawdź autorów. Konta z jedną opinią w historii, założone w tym samym czasie, z podobnymi nazwami – to typowy ślad kupionych recenzji.
4. Posortuj według początku treści. Powtarzające się otwarcia zdań i identyczne zwroty łatwo zauważyć, gdy podobne teksty znajdą się obok siebie.
5. Zestaw z danymi sprzedaży. We własnym profilu porównaj liczbę opinii z liczbą zamówień lub wizyt w tym samym okresie. Opinii nie może być więcej niż klientów.

Szczegółową listę sygnałów i ich niewinnych wyjaśnień znajdziesz w artykule o tym, jak rozpoznać fałszywą opinię. Warto też pamiętać o wniosku z badania Mayzlin, Dover i Chevalier: więcej podejrzanych recenzji pojawiało się tam, gdzie opinię mógł dodać każdy, a nie tylko osoba z potwierdzoną rezerwacją – omawiamy je w teczce o fałszywych opiniach w TripAdvisorze i Expedii.

Co zrobić, gdy znajdziesz fałszywe opinie

Sposób działania zależy od tego, czyj profil analizujesz.

• Fałszywe opinie o Twojej firmie. Zgłoś każdą recenzję z opisem konkretnego naruszenia zasad serwisu. Do czasu decyzji możesz zamieścić krótką, rzeczową odpowiedź bez oskarżeń wobec autora.
• Fałszywe pochwały u konkurencji. Zgłoś je serwisowi. Jeśli masz dowody, że firma zleca lub kupuje opinie, możesz zawiadomić Urząd Ochrony Konkurencji i Konsumentów (UOKiK). Przegląd dotychczasowych decyzji zawiera teczka o karach UOKiK za handel opiniami.
• Fałszywe pochwały we własnym profilu, dodane np. przez nadgorliwego pracownika lub agencję. Usuń je, zanim zrobi to platforma, i zmień zasady współpracy. Od 1 stycznia 2023 r. zamieszczanie i zlecanie fałszywych opinii jest zakazane, a Prezes UOKiK może nałożyć karę do 10% obrotu – szczegóły w artykule o fałszywych opiniach a prawie.

Zestaw na 2026 rok – podsumowanie

1. Nie szukaj jednego następcy Fakespot – wyniki nowych rozszerzeń traktuj jako wskazówkę, nie dowód.
2. Jako kupujący opieraj się na sygnałach platform: zweryfikowanym zakupie, rozkładzie ocen, dacie opinii i profilu autora.
3. Jako firma ustaw powiadomienia o nowych opiniach we wszystkich serwisach, w których masz profil.
4. Raz na kwartał przeanalizuj profil w arkuszu: tygodniowa liczba opinii, rozkład ocen, autorzy, powtarzalne treści.
5. Pamiętaj o precyzji: przy niewielkim udziale fałszywek każdy automatyczny wskaźnik daje wiele fałszywych alarmów.
6. Zgłaszaj opinie z dokumentacją konkretnych naruszeń, a przy zorganizowanym procederze rozważ zawiadomienie UOKiK.
7. Zamknij we własnym systemie drogę do opinii bez zakupu – to skuteczniejsze niż jakiekolwiek wykrywanie po fakcie.