Volg een reviewcampagne van signalen tot bewijs
Alle reviews, accountgeschiedenissen, apparaten en platformfeeds in deze feitelijke applicatiescreenshots zijn synthetisch. Het primaire voorbeeld volgt 15 gemodelleerde concurrentreviews van een campagnebevinding via een menselijke beoordelingsroute naar het geëxporteerde record.
Uitgewerkt voorbeeld: 15 aannemelijke reviews, één relatiepatroon
De fixture labelt deze casus als een volledig menselijke betaalde campagne, maar noch het auteurschap noch de betaling wordt vastgesteld door de detector. Elf van de 15 reviews hebben een stylometrische component van maximaal 4: weinig afwijking in het schrijfpatroon in deze implementatie. Hun accountgeschiedenissen vormen de reden om ze gezamenlijk te onderzoeken.
1. Inspecteer wat de accounts verbindt
De 15 reviews delen voldoende overlappende productgeschiedenissen op dezelfde vermelding binnen de geconfigureerde limiet van 72 uur. Dit creëert 105 productoverlap-paaredges, die elk paar in het cluster verbinden, met cohesie 1,0. Er zijn in deze casus geen edges van gedeelde apparaten; de bevinding is niet afhankelijk van apparaathergebruik. Timing alleen zou geen edge creëren.
2. Vergelijk het tekstsignaal met de resulterende route
De lokale baseline op basis van alleen tekst markeert vier van de 15 records. Daarmee mist deze detectie op campagneniveau onder de regel van deze testomgeving dat ten minste 60% van een geplaatst label moet worden gemarkeerd. Het ensemble combineert schrijf-, gedrags-, timing- en netwerkcomponenten en stuurt alle 15 door naar REVIEW, in plaats van AUTO.
| Bewijs of beslissing | Waargenomen resultaat | Interpretatie |
|---|---|---|
| Signaal voor schrijfpatroon | 11 van de 15 hebben stylometrische component maximaal 4 | Lage anomalie is geen certificaat van menselijk auteurschap. |
| Accountrelatie | 105 productoverlap-paaredges; geen edges van gedeelde apparaten | Een gedeeld geschiedenispatroon ondersteunt het gezamenlijk onderzoeken van de accounts. |
| Lokale baseline op basis van alleen tekst | 4 van de 15 gemarkeerd | Deze geïmplementeerde vergelijker mist de campagne onder de 60%-regel. |
| Ensembleroute | 15 REVIEW; 0 AUTO | Alle 15 worden doorgestuurd voor menselijk oordeel. Er wordt geen review verwijderd. |
3. Houd het narratief gescheiden van de beslissing
Deterministische scoring bepaalt de niveaus voordat het optionele model de bevinding beschrijft. Het vastgelegde onderzoek speelt een gecachte respons af van de echte Codex-bridge. Het aardingsfilter controleert getallen, token-overlap en oordeelomkeringen; behouden proza vereist nog steeds beoordeling door een analist en kan de score of het niveau niet wijzigen.
4. Behoud de bevinding in een inspecteerbare export
De feitelijke JSON-export behoudt campagnelidmaatschap, niveau-uitsplitsing, bijdragende signalen en de componentscores van elk record. De afdrukbare HTML rendert een campagneprofiel, het gecachte narratief, indicatieve regelkoppeling, een niet-ingediend geschilconcept en alle 15 gemarkeerde rijen. Een analist kan controleren waarom een record werd doorgestuurd in plaats van uitsluitend op het narratief te vertrouwen. Het oorspronkelijke geschilconcept overschat de tijdstempeldekking: het JSON- en afdrukbare rapport bevatten een tijdstempel van recordaanmaak, maar geen tijdstempels per review. Die zouden moeten worden toegevoegd en geverifieerd vóór extern gebruik.
Een cross-platform contrast: positieve en negatieve reviews in één cluster
Een afzonderlijk synthetisch cluster verbindt 67 records: 47 vijfsterrenreviews op de gemodelleerde vermelding van de Amazon-concurrent, plus 12 Google- en acht Yelp-reviews gericht op het gemodelleerde merk. Over 71,8 uur heeft het cluster 90 edges van gedeelde apparaten en 1.175 productoverlap-paaredges. Het bevat 24 AUTO- en 43 REVIEW-records; AUTO is geschiktheid onder een gemodelleerd beleid, geen automatische verwijdering.
Deze casus laat zien waarom een beoordelaar mogelijk relaties over gemodelleerde feeds heen nodig heeft in plaats van alleen een telling van negatieve berichten. Eenendertig van de 67 records vertonen weinig stylometrische afwijkingen. Zelfs met een verbonden patroon stelt de detector geen daadwerkelijke betaling, klantstatus of schuld vast.
Een timingpiek is context, niet het aantal campagteleden
De gemodelleerde vermelding van de Amazon-concurrent piekt op 69 reviews in een venster van 72 uur tegen een verwachte 7,8, ongeveer 8,85 keer de geconfigureerde baseline. Dat aantal binnen het vermeldingsvenster is niet de omvang van het cross-platform cluster van 67 records. Een piek draagt bij aan een temporeel signaal; accountrelaties leveren de graafkoppelingen.
Lees de vergelijking binnen dezelfde fixture met bijbehorende beperkingen
De bredere fixture bevat 1.530 synthetische records over een gemodelleerde geschiedenis van 90 dagen. De volgende resultaten reproduceren de huidige geladen drempels op datzelfde gelabelde corpus. Beide methoden leiden hier tekstpercentielen uit af, en de REVIEW-drempel van het ensemble werd afgestemd op de labels ervan. Dit zijn geen resultaten op basis van een evaluatieset of productienauwkeurigheid.
| Meting | Campaign Firewall-ensemble | Lokale baseline op basis van alleen tekst |
|---|---|---|
| Geplaatst reviewrecords gemarkeerd | 82 van de 82 | 40 van de 82 |
| Als authentiek gelabelde records onterecht gemarkeerd | 0 van de 1.448 | 306 van de 1.448 |
| Geplaatst campagnelabels gedetecteerd | 3 van de 3 | 0 van de 3 |
Markering omvat REVIEW en AUTO, geen verwijderingen. De drie geplaatste labels vormen twee graafclusters omdat de promotie- en spiegellabels verbinding maken in hetzelfde cross-platform cluster. Het fout-positieve contrast is alleen van toepassing op deze geïmplementeerde baseline en afgestemde fixture, niet op commerciële detectors of nieuwe reviews.
