Workflow
虚假营销治理
icon
搜索文档
小红书成立“战队”重拳打击虚假营销,半年清理违规内容超千万条
北京商报· 2025-09-19 15:56
平台治理策略与成果 - 小红书成立跨部门“打击虚假营销战队”,通过系统性协同作战实现从账号识别、内容拦截到品牌溯源的全链路打击[3][4] - 自3月战队成立以来,平台封禁虚假账号超1200万个,处置虚假营销笔记1376万篇,清理虚假评论超3.6亿条,虚假营销内容曝光整体下降60%[1] - 治理响应速度从“周级别”缩短至“小时级/实时拦截”,搜索结果用户负反馈率下降20%,用户对社区内容满意度提升10%[9][13] 五大治理板块具体措施 - 账号治理板块重点打击“伪素人”账号和“众包”账号,通过捕捉异常行为并结合多维度识别,半年封禁1200多万虚假账号[5][6] - 内容治理板块升级“模板化笔记识别大模型”和“虚假评论识别大模型”,半年处置1376万篇虚假笔记和超3.6亿条虚假评论[6] - 行业治理板块在留学、婚恋、房产、母婴等领域清退违规账号,使留学婚恋行业违规账号浓度下降90%,房地产文旅行业下降50%[6] - 品牌治理板块建立“品牌清源系统”,将违规品牌纳入黑名单并采取阶梯处罚,削弱品牌造假动机[7] - 搜索治理板块通过深度理解作假流程,从低质发文、团伙铺量、获利行为全方位识别,封死搜索曝光机会[8] AI技术应用与升级 - 平台上线50余项核心治理策略,迭代20多个AI识别大模型,包括“模板化笔记识别大模型”和“伪素人账号识别模型”[9][11] - “模板化笔记识别大模型”通过丰富模板库批量化识别同质内容,两个月内模板化笔记曝光违规浓度降低82%[11] - 技术团队建立“生态哨兵”系统和“黑种子库”(含18万条违规样本),实现新内容与违规数据多模态对比,治理响应速度提升至实时[12] - 发现虚假营销新变体后,技术团队可在1-2天内优化模型,例如8月针对广州假货团伙升级模型,处置数万账号并清理近20万条违规内容[11] 行业影响与未来方向 - 虚假营销套路效果变差,部分造假团队转向正规品牌孵化或优质内容创作,平台推动“虚假营销成本高于收益”的长期目标[13][14] - 平台未来将持续迭代技术模型、优化算法提升真实营销体验,并邀请行业专家讨论治理逻辑,打造更透明治理环境[14]
小红书与虚假营销上演“猫鼠游戏”
华尔街见闻· 2025-09-18 22:41
公司治理行动与成果 - 小红书成立“打击虚假营销战队”,自3月以来封禁虚假账号超1200万个,处置虚假营销笔记1376万篇,清理虚假评论超3.6亿条 [2] - 虚假营销内容曝光整体下降60%,搜索结果的用户负反馈率下降20%,用户对社区内容满意度提升10% [2][9] - 治理体系构建账号、内容、行业、品牌、搜索五大板块,进行全方位打击 [4] 平台规模与行业地位 - 小红书已发展成为集社交、内容创作和电商于一身的综合平台,月活跃用户突破3亿 [3] - 平台是中国新一代智能手机用户获取旅行评测与生活方式建议的首选平台 [3] 虚假营销的挑战与对策 - 虚假营销治理难点在于利益驱动下的“强隐蔽性”和“强对抗性”,呈现跨账号、跨笔记/评论、跨环节的特点 [4] - 行业治理团队针对留学、房产、婚恋等重大消费决策领域制定严格资质准入标准和内容规范,清退大批违规账号 [6] - 品牌治理通过“品牌清源系统”将违规品牌纳入黑名单,并采取阶梯处罚措施 [6] 技术驱动治理 - 平台升级AI大模型,采用“一场景一模型”设计提升识别精度和效率,针对性解决通用模型适配不足问题 [8] - 通过“模板化笔记识别大模型”批量化识别拦截同质内容,两个月内模板化笔记曝光违规浓度降低82% [8] - “生态哨兵”系统可快速识别大量同质异常内容,“黑种子库”已积累18万条违规数据样本用于多模态对比拦截 [8]
重拳出击虚假营销,小红书组建了一支“战队”
36氪· 2025-09-18 17:44
文章核心观点 - 互联网内容平台成为品牌营销关键阵地,虚假营销成为普遍乱象,破坏平台信任[1] - 小红书将“真实”视为社区核心特质,对虚假营销采取零容忍态度,并成立专门战队进行系统性治理[3][4] - 治理行动已取得显著成效,虚假营销内容曝光大幅下降,并推动行业向合规营销转型[4][16][17] 虚假营销的挑战与危害 - 虚假营销手段包括精心策划的软文、利用“伪素人”账号、刷量控评等,对社区真实属性构成挑战[3][6][8] - 此类行为严重扰乱社区生态,损害合规经营的品牌与商家权益,并侵蚀用户信任[3][14] - 虚假营销已进化至精细化运营,具有对抗性强、场景复杂的特点,与平台治理形成“猫鼠追逐战”[8][9] 小红书的治理策略与体系 - 公司成立跨职能“打击虚假营销战队”,形成系统化、全链路的协同作战方案[4][6] - 治理体系涵盖账号、内容、行业、品牌、搜索五大板块,并辅以技术团队支持[6] - 技术驱动是核心,通过升级AI大模型、“生态哨兵”系统、“黑种子库”等提升识别精度与效率[7][13] 治理行动的具体成果 - 自今年3月战队成立以来,已封禁虚假账号超1200万个,处置虚假营销笔记1376万篇,清理虚假评论超3.6亿条[4] - 虚假营销内容曝光整体下降60%,搜索结果的用户负反馈率下降20%,用户对社区内容满意度提升10%[4][16] - 技术响应敏捷,发现新变体后可在1-2天内升级模型,实现小时级/实时响应[13] 治理行动的行业影响 - 平台治理手段升级使“伪素人账号+模板化笔记”的虚假营销套路效果变差,转化数据直线下降[16] - 优质品牌因惧怕“恶流量反噬”而逐渐放弃虚假营销,部分虚假营销公司开始向孵化品牌或正规营销转型[16][17] - 公司坚持治理与发展并重,不惜牺牲部分搜索数据指标以维护内容真实性,旨在使虚假营销成本高于收益[14][16][17]
重拳出击虚假营销,小红书组建了一支“战队”
36氪未来消费· 2025-09-18 17:43
文章核心观点 - 互联网内容平台成为品牌营销必争之地,但虚假营销乱象普遍,破坏平台信任生态[2] - 小红书将“真实”视为社区核心特质,对虚假营销采取零容忍态度,并成立专门战队进行系统性治理[3][8] - 治理行动取得显著成效,虚假营销内容曝光下降60%,并致力于通过持续提高造假成本使其成为历史[9][26] 打击虚假营销的背景与重要性 - 虚假营销典型案例:通过精心策划的生活场景分享(如在校门口的育儿分享)引导至商业推广链接[6][7] - 虚假营销挑战小红书社区的真实属性,扰乱社区生态并损害合规商家的正当权益[8] - 区别于“先发展后治理”模式,公司坚持发展与最高标准治理并行[22] 治理策略与组织架构 - 成立跨职能“打击虚假营销战队”,整合生态治理、产品、算法等部门,形成系统化协同作战方案[9][11] - 治理涵盖五大板块:账号治理、内容治理、行业治理、品牌治理与搜索治理,并辅以技术团队支持[12] - 技术团队是核心驱动力,通过升级AI大模型提升识别精度和效率[12] 治理成果与关键数据 - 自3月战队成立以来,封禁虚假账号超1200万个,处置虚假营销笔记1376万篇,清理虚假评论超3.6亿条[9] - 虚假营销内容曝光整体下降60%[9] - 近半年搜索结果用户负反馈率下降20%,用户对社区内容满意度提升10%[25] 技术对抗与手段创新 - 虚假营销组织对抗性强,会不断改变策略(如将长图文改为“大字报”编故事)以绕过平台风控[14] - 战队创新利用社区用户对虚假内容的敏感度,将“用户原声”反馈作为线索召回可疑笔记[15] - 针对新变体(如“钓鱼笔记+评论区引导+个人页导流”),技术团队可在1-2天内升级模型进行快速打击[16][18][19] - “生态哨兵”系统将治理响应从“周级别”提升至“小时级/实时”,“黑种子库”已积累18万条违规样本用于高效拦截[19] 治理决心与行业影响 - 公司不惜牺牲部分搜索数据指标,优先展示真实内容,封死虚假内容的搜索展示[24] - 治理升级使“伪素人账号+模板化笔记”的虚假营销套路效果变差,转化数据直线下降[25] - 治理目标是持续提高造假门槛,降低其投资回报率,直至虚假营销成本高于合规营销[26]
小红书成立“打击虚假营销战队”,半年封禁1200万个虚假账号
新浪科技· 2025-09-17 21:09
治理成果与数据 - 自3月成立专项战队以来,公司封禁虚假账号超1200万个,处置虚假营销笔记1376万篇,清理虚假评论超3.6亿条,虚假营销内容曝光整体下降60% [2] - 通过专项治理,留学和婚恋行业违规账号浓度下降90%,房地产和文旅行业违规账号浓度下降50% [3] - 专项治理使平台搜索结果的用户负反馈率下降20%,用户对社区内容满意度提升10% [4] 治理策略与方法 - 公司打破部门壁垒组建虚拟团队,构建账号、内容、行业、品牌、搜索五大治理板块,进行系统化全链路治理 [2] - 团队主要打击两类造假账号:机构自建编辑团队运营的“伪素人”账号,以及在众包平台招募普通用户作假的“众包”账号 [2] - 团队通过捕捉账号“异常行为”并结合内容、关联违规品牌等多维度进行识别 [2] - 公司建立“品牌清源系统”,将违规品牌纳入“黑品牌库”,对虚假营销行为进行全面扫描并采取阶梯处罚措施 [3] 技术应用与模型迭代 - 公司通过总结典型虚假营销笔记特征升级“模板化笔记识别大模型”,通过识别评论同质化话术升级“虚假评论识别大模型” [3] - 半年间战队上线“虚假营销内容识别”、“异常账号监测”等50余项核心治理策略,迭代“模板化笔记识别大模型”、“伪素人账号识别模型”等20多个AI识别大模型 [3] - 针对“模板化写作”的虚假笔记,团队通过丰富模板库升级识别模型,在两个月内使模板化笔记曝光违规浓度降低82% [4]