Cómo funciona la puntuación de confianza
Una puntuación de confianza evalúa las reseñas de un anuncio — no el producto, ni el vendedor, ni si debería comprarlo. Esta página explica exactamente qué compone la cifra, cómo se calcula cada una de las cinco dimensiones, de dónde proceden los datos y en qué casos se sabe que el método falla.
- La puntuación de confianza es una puntuación de 0–100 con una calificación de A–E que describe cuán fiable parece el conjunto de reseñas de un anuncio.
- Combina tres elementos: la valoración por estrellas después de eliminar las reseñas presuntamente falsas, la proporción de reseñas que no superaron nuestras comprobaciones de autenticidad y cinco dimensiones de calidad de las reseñas.
- Con menos de 20 reseñas publicamos «Evidencia insuficiente» en lugar de una calificación. Con menos de 5, no hay puntuación. Las puntuaciones de muestras pequeñas se acercan al centro, por lo que un anuncio con 6 reseñas no puede obtener una A ni una E.
- Cada puntuación es una instantánea de las reseñas visibles en la fecha indicada en la página. Las reseñas que la plataforma ya ha eliminado son invisibles para nosotros.
- Una puntuación alta no significa que el producto sea seguro, que el vendedor sea fiable, que el artículo sea auténtico ni que sea adecuado para usted.
1. Qué mide la puntuación de confianza — y qué no mide
El error de interpretación más común de este sitio es tratar la puntuación de confianza como una valoración del producto. No lo es. La puntuación responde a una única pregunta concreta: si lee las reseñas de este anuncio para decidir si compra, ¿hasta qué punto puede fiarse de lo que lee?
Dentro del alcance — propiedades del conjunto de reseñas
- Si las valoraciones por estrellas y el texto de las reseñas dicen lo mismo
- Si las reseñas contienen detalles de primera mano y comprobables
- Si la conversación abarca ampliamente el producto o gira en torno a un único argumento
- Si la distribución de estrellas tiene la forma que producen los productos reales
- Si el texto suena a propietario o a página de producto
- Qué proporción de reseñas coincide con patrones conocidos de manipulación
Fuera del alcance — no medimos estos aspectos
- Calidad, durabilidad, seguridad o estado de retirada del producto
- Si el artículo es auténtico o falsificado
- Conducta del vendedor: envío, devoluciones, garantía, capacidad de respuesta
- Precio, relación calidad-precio o si una oferta es real
- Si un reseñador concreto recibió un pago o un reembolso
- Si este producto se ajusta a su presupuesto, talla o caso de uso
Cómo se combinan las partes
Tres entradas independientes alimentan la puntuación, y cada una se calcula mediante código convencional a partir de anotaciones por reseña — no se pide a ningún modelo que produzca la cifra final.
La primera es la valoración ajustada: la media de estrellas del anuncio recalculada tras retirar las reseñas que etiquetamos como falsas y aplicando una contracción para muestras pequeñas, de modo que eliminar unas pocas reseñas no pueda alterar por sí solo la media. Es la entrada más cercana a la cifra que ya muestra la plataforma.
La segunda es la autenticidad — la proporción de reseñas clasificadas que no fallaron nuestras comprobaciones, aplicada como penalización y no como bonificación. Las reseñas que no pudimos clasificar con confianza en ningún sentido quedan fuera de ambos lados de la fracción, en vez de contarse como limpias, de modo que una reseña ambigua nunca beneficia a un anuncio.
La tercera son las cinco dimensiones de la sección 2, combinadas en una única cifra de calidad de las reseñas que corrige las dos primeras. La contribución de cada entrada se calibra con productos evaluados manualmente y se fija a la versión de puntuación, en lugar de elegirse por intuición.
Después se aplica un paso adicional sobre las tres. La confianza — determinada por cuántas reseñas tenemos y cuántas pudimos clasificar con seguridad — acerca el resultado a una referencia neutral cuando la evidencia es escasa. Por tanto, un anuncio con seis reseñas queda cerca del centro del intervalo, por muy favorables o demoledoras que sean. La certeza debe ganarse mediante el tamaño de la muestra, y este es el paso que la mayoría de sistemas de puntuación omiten.
Las calificaciones por letras son percentiles, no cortes fijos
Las calificaciones se dividen según cuantiles de la distribución de puntuaciones de todo lo analizado recientemente, no según números redondos elegidos por alguien. Una calificación expresa el rango: cómo se comparan las reseñas de este anuncio con las del resto de anuncios examinados.
| Calificación | Proporción de anuncios analizados | Interpretación |
|---|---|---|
| A | 15% superior | El conjunto de reseñas parece limpio en todas las dimensiones que medimos |
| B | 30% siguiente | Normal; debilidades menores que no cambian el panorama |
| C | 30% siguiente | Señales mixtas; lea el detalle de las dimensiones antes de confiar en las reseñas |
| D | 18% siguiente | Varias dimensiones están alteradas; considere poco fiable la media de estrellas |
| E | 7% inferior | El conjunto de reseñas coincide con patrones de manipulación en varios frentes |
Los límites se vuelven a calcular a partir de un conjunto de al menos 500 anuncios puntuados recientemente, se comprueban con una muestra evaluada manualmente y se fijan a una versión de puntuación. Si cambian los límites, también cambia el número de versión, y cada página de producto indica la versión con la que se calculó su puntuación. Conviene conocer dos consecuencias: una calificación es relativa al corpus, y un anuncio situado a un punto de un límite podría razonablemente haber quedado a cualquiera de los dos lados — considere las calificaciones adyacentes casi equivalentes.
2. Las cinco dimensiones
Cada dimensión es una estadística calculada sobre las reseñas del anuncio y trasladada a una escala de −1 a +1, donde −1 es el patrón que asociamos con conjuntos de reseñas manipulados y +1 el patrón de los conjuntos saludables. Un modelo de lenguaje anota reseñas individuales — sentimiento, tipos de evidencia, temas mencionados y tono; nunca calcula una tasa, media o puntuación. Toda la aritmética se realiza mediante código determinista, por lo que las mismas reseñas producen las mismas cifras al repetir el análisis. La combinación de las cinco se calibra con productos evaluados manualmente y se versiona con la puntuación; publicamos los umbrales que activan cada dimensión, pero no la combinación, porque esa es la parte susceptible de manipulación.
RTA Concordancia entre valoración y texto
¿Coincide la valoración por estrellas con lo que realmente dice la reseña?
Los reseñadores reales puntúan lo que escriben. Una valoración de cinco estrellas unida a una descripción de un producto que falla a los dos días indica que la valoración y el texto se produjeron por separado.
- Cálculo
- El sentimiento del texto se anota en una escala de −1 a +1 y la valoración por estrellas se coloca en la misma escala mediante
(estrella − 3) / 2, de modo que 1★ → −1 y 5★ → +1. La dimensión depende de la diferencia absoluta media entre ambas. La concordancia perfecta puntúa +1, una diferencia media de media estrella puntúa 0 y una estrella completa o más puntúa −1. - Dónde falla
- El sarcasmo, los textos muy breves y las reseñas que enumeran problemas antes de concluir que el autor está satisfecho se interpretan como desacuerdo y reducen ligeramente el RTA de un anuncio auténtico.
SPEC Especificidad y evidencia
¿Cuántas de estas reseñas dicen algo comprobable?
«Gran producto, funciona como se describe» puede escribirlo alguien que nunca abrió la caja. «Nueve horas de batería, unas dos más que el modelo al que sustituyó» no.
- Cálculo
- Cada reseña se etiqueta según cinco tipos de evidencia — una medición o cantidad, una entidad nombrada, un contexto de uso, una comparación o un proceso o duración — y se considera que aporta evidencia si contiene al menos uno. Si el 20% o menos del conjunto aporta evidencia, puntúa −1; si lo hace el 70% o más, puntúa +1; entre ambos valores la progresión es lineal.
- Dónde falla
- Esta es la dimensión más expuesta a las reseñas escritas por IA, que por diseño son específicas y moderadamente detalladas. SPEC por sí sola no puede distinguir una reseña automática bien escrita de una reseña real bien escrita — consulte qué no puede detectar este análisis.
TCBR Cobertura, equilibrio y redundancia de temas
¿Se habla de todo el producto o se repite un único argumento?
El uso real genera una variedad de temas — lo que hace bien, la parte molesta, cómo encaja en una rutina. Una campaña genera un mensaje expresado con palabras diferentes.
- Cálculo
- Se combinan tres mediciones. Cobertura: la proporción de reseñas que menciona al menos un tema sustantivo. Equilibrio: la entropía normalizada de la distribución de temas — 0 cuando todas las menciones recaen en un solo tema y 1 cuando se distribuyen uniformemente. Redundancia: el solapamiento medio entre los conjuntos de reseñadores de cada par de temas, que detecta dos etiquetas que en realidad son un mismo tema y que, de otro modo, inflarían el equilibrio. Observe lo que la redundancia no hace: nunca pregunta si dos palabras se parecen, solo si las plantearon las mismas personas.
- Dónde falla
- Los artículos de un solo propósito — un cable de carga, un filtro de repuesto — producen legítimamente conversaciones estrechas, por lo que un TCBR bajo nunca determina por sí solo una calificación. Cuando pueden extraerse menos de dos temas, se omite la dimensión en lugar de adivinarla.
EXT Salud de la distribución de valoraciones
¿Tiene la distribución de estrellas la forma que producen los productos reales?
Los anuncios auténticos tienden a formar una J: cinco estrellas es lo más común, una estrella el segundo pico y las franjas intermedias son escasas pero existen. Casi todos los productos reales decepcionan levemente a alguien. La señal de un conjunto de reseñas comprado es la ausencia de valores intermedios.
- Cálculo
- Dos penalizaciones independientes sobre el histograma de estrellas. Concentración: la franja individual más grande empieza a restar puntos por encima del 55% y alcanza la penalización completa al 90%. Ausencia de valores intermedios: si las franjas de 2–4 estrellas suman menos del 15%, empiezan a restar puntos; la penalización es completa cuando suman cero. Cuando la plataforma publica un histograma completo, usamos ese en lugar de nuestra muestra, y la página del producto indica cuál se utilizó.
- Dónde falla
- Los productos excelentes en nichos pequeños pueden producir honestamente distribuciones concentradas, por lo que la penalización es gradual y no binaria, y ningún anuncio se rebaja únicamente por esta dimensión.
HYPE Lenguaje promocional frente a voz auténtica
¿Suena a propietario o a página de producto?
Quienes realmente poseen un producto matizan lo que dicen. Admiten un inconveniente, indican cuánto tiempo lo han tenido y dicen para quién no es. El texto publicitario no hace nada de eso, porque no ayuda a vender.
- Cálculo
- Dos indicadores por reseña. Tono promocional: superlativos, expresiones propias de una descripción de producto y ausencia de detalles en primera persona. Voz auténtica, derivada por código de tres anotaciones independientes — la reseña admite un inconveniente, aporta detalles de uso de primera mano o establece un límite de aplicabilidad; cualquiera de las tres basta. Una reseña promocional mueve deliberadamente la cifra más que una auténtica: escribir como una persona es simplemente normal, mientras que escribir como un anuncio es una señal activa.
- Dónde falla
- Los entusiastas auténticos escriben como anuncios, y algunas categorías — belleza, suplementos — incorporan vocabulario publicitario al habla habitual. Además, como ocurre con SPEC, un modelo que escriba una reseña evitará precisamente los patrones que penaliza esta dimensión.
Una dimensión que no puede medirse no devuelve ningún valor y su peso se redistribuye entre las demás; la confianza disminuye en consecuencia. Nunca se rellena con un valor neutral. «No pudimos medir esto» nunca debe parecer «esto fue promedio» — esa sustitución es la forma en que los sistemas de puntuación fabrican silenciosamente calificaciones intermedias a partir de datos ausentes. Cada página de producto indica qué dimensiones estaban disponibles.
3. Datos, tamaño mínimo de la muestra y frecuencia de actualización
De dónde proceden los datos
Todo lo que analizamos es información pública de las páginas de producto y reseñas del propio minorista — principalmente Amazon, con compatibilidad para Target y Best Buy. No poseemos registros de compra, identidades de reseñadores más allá del nombre público, datos facilitados por vendedores ni acceso privilegiado a plataformas.
| Nivel | Campos | Se utiliza para |
|---|---|---|
| Por reseña | Valoración por estrellas, título, texto, fecha de publicación, indicador de compra verificada, variante o estilo seleccionado, votos de utilidad, fotos o vídeos adjuntos, nombre público del reseñador | Las cinco dimensiones; la capa de reglas que etiqueta cada reseña |
| Por producto | Título, marca, categoría, precio actual, histograma de valoraciones de la plataforma, total de valoraciones frente a total de reseñas escritas, familia de variantes, primera fecha disponible | Distribución EXT, comprobaciones de muestra frente a población y detección de reseñas anteriores al anuncio |
Cuántas reseñas leemos
Hasta 100 reseñas por anuncio. El límite es una decisión estadística, no técnica: para las medidas de proporción de las que depende este método — tasa de evidencia, tasa promocional, tasa sospechosa — el intervalo de confianza se estrecha con rapidez hasta unas 50 reseñas y alcanza aproximadamente ±10% con 100. A partir de ahí, obtener más reseñas aporta muy poca precisión.
| Reseñas disponibles | Qué muestra la página |
|---|---|
| n < 5 | Sin puntuación. Las dimensiones no se calculan. |
| 5 ≤ n < 20 | Evidencia insuficiente. Se muestran las cifras de las dimensiones y las propias reseñas; no se emite una calificación por letra. |
| n < 50, todas de cinco estrellas | Se emite una calificación, pero se reduce y se añade una nota explícita de que no puede descartarse la manipulación con este tamaño de muestra. |
| n ≥ 20 | Puntuación y calificación completas, con la cifra de confianza al lado. |
La confianza aumenta con el tamaño de la muestra y con la proporción de reseñas que pudimos clasificar en un sentido u otro, y alcanza su máximo en torno a 50 reseñas utilizables. Se muestra en cada página de producto y determina la contracción hacia la referencia de la sección 1 — el mecanismo que impide que una muestra escasa produzca una calificación que parezca segura.
Cuándo se actualizan las puntuaciones
Cada análisis es una instantánea, y cada página de producto imprime la fecha en que se tomó. Nada de este sitio es una fuente de datos en directo.
- El primer análisis de un anuncio nuevo suele completarse en aproximadamente un minuto.
- Un análisis almacenado con más de 7 días se actualiza en segundo plano cuando se solicita la página. Se muestra inmediatamente el resultado existente, etiquetado con su antigüedad, y la versión actualizada aparece en la siguiente visita para no hacerle esperar.
- Los anuncios consultados con frecuencia se vuelven a analizar cada noche antes de alcanzar esa antigüedad, por lo que las páginas populares rara vez muestran datos obsoletos.
- Los anuncios que nadie ha solicitado durante meses no se actualizan. La fecha de la página es la real.
Como cada análisis es independiente, una puntuación puede cambiar entre instantáneas por motivos ajenos a la manipulación: la plataforma eliminó reseñas, llegaron reseñas nuevas o el vendedor editó el anuncio. Cuando una puntuación cambia sustancialmente, conservamos el resultado anterior en vez de sobrescribirlo en silencio.
4. Errores y límites conocidos
Estos son modos de fallo del método tal como está construido, distintos de la sección 5, que trata aspectos que el método no puede ver incluso cuando funciona perfectamente.
| Límite | Qué significa para la puntuación que está leyendo |
|---|---|
| Distribuciones muestreadas | Cuando no está disponible el histograma completo de valoraciones de la plataforma, EXT se ejecuta sobre nuestra muestra — y el orden de las reseñas de la plataforma no es aleatorio, por lo que la muestra se inclina hacia las reseñas que otros consideraron útiles. Las páginas de producto indican qué fuente se utilizó. |
| La anotación no es perfectamente repetible | Las anotaciones por reseña proceden de un modelo de lenguaje. Las instrucciones son fijas y están versionadas, y un conjunto de productos de referencia fijos se vuelve a puntuar con cada cambio para detectar desviaciones, pero dos ejecuciones sobre las mismas reseñas pueden diferir ligeramente. Las diferencias de uno o dos puntos son ruido. |
| Los umbrales se calibran, no se derivan | Cifras como «55% de concentración» y «20% de tasa de evidencia» proceden del ajuste respecto a productos evaluados manualmente, no de la teoría. Son el mejor ajuste actual para las categorías que hemos evaluado y se equivocarán en los extremos de las categorías menos evaluadas. |
| Efectos de categoría | Los libros, suplementos y moda generan conjuntos de reseñas estructuralmente distintos a los de la electrónica. Un único conjunto de umbrales para todas las categorías favorece sistemáticamente a unas y penaliza a otras. |
| Sensibilidad a los límites de calificación | Las calificaciones se dividen por cuantiles. Un anuncio situado un punto a cada lado de un corte recibe una letra diferente por una diferencia que no es significativa. Las calificaciones adyacentes deben interpretarse como el mismo resultado. |
| Reseñas no clasificables | Las reseñas que no podemos considerar reales o falsas con confianza se excluyen por completo de la proporción en vez de suponerse limpias. Es la opción conservadora, pero significa que un anuncio con muchas reseñas ambiguas tiene un término de autenticidad menos informativo de lo que sugiere la cifra por sí sola. |
| Reseñas en otros idiomas | El análisis se ejecuta sobre el texto original de la reseña. Las páginas traducidas traducen nuestro resumen, no el juicio subyacente, y la calidad de la anotación varía según el idioma. |
Cada juicio que publicamos se expresa como un hecho cuantificable acompañado de su evidencia — cuántas reseñas coincidieron con qué señal, con citas — y no como un veredicto sobre un producto o vendedor. Si es una marca o vendedor y cree que un análisis interpreta mal su anuncio, contáctenos con la URL del anuncio; volveremos a analizarlo y publicaremos una corrección cuando el análisis haya sido incorrecto.
5. Qué no puede detectar este análisis
A continuación se enumeran dos tipos de puntos ciegos, etiquetados por separado a propósito. Algunas cosas son indetectables en principio a partir del texto de las reseñas — ninguna versión futura podrá resolverlas. Otras simplemente no están cubiertas en esta versión, y esperamos eliminarlas de esta lista. Mezclar ambas sería más fácil de escribir y menos útil de leer.
No podemos saber si un reseñador recibió un pago o un reembolso Indetectable en principio
La forma más común de manipulación de reseñas es también la más difícil de ver. Un vendedor reembolsa la compra o envía una unidad gratis a cambio de una reseña positiva. El comprador es real, la compra es real, el producto se utilizó realmente — y la reseña lleva una auténtica etiqueta de «Compra verificada». Nada en el texto resulta anómalo. Las reseñas incentivadas suelen ser más detalladas que las orgánicas, porque los vendedores las orientan.
Observe la consecuencia al leer un anuncio: una proporción alta de compras verificadas no demuestra que el conjunto de reseñas esté limpio, y no la tratamos como tal. Lo que sí podemos ver es la forma a nivel de grupo — un hueco inusual en la franja de cuatro estrellas, una semana en la que el volumen supera ampliamente la referencia del propio anuncio, o expresiones de divulgación que sobrevivieron a la edición. La motivación de un reseñador individual no está en el texto; la huella estadística de una campaña a veces sí. Ambas afirmaciones son ciertas y publicamos las dos.
Una reseña escrita por IA puede puntuar como fiable — o incluso más Debilidad abierta
Las reseñas generadas por grandes modelos de lenguaje son específicas, moderadamente detalladas y suelen incluir una pequeña crítica para parecer equilibradas. Son las mismas propiedades que nuestras dimensiones de Especificidad y evidencia y Sesgo promocional usan para juzgar una reseña como creíble. Por tanto, una reseña escrita por IA puede puntuar más alto que una reseña real escrita con desgana. Lo consideramos una debilidad abierta, no un problema resuelto.3
No podemos saber si una reseña se escribió sobre otro producto No cubierto en esta versión
Las reseñas pueden heredarse de otro artículo — mediante anuncios con variantes o cuando un vendedor reutiliza un anuncio antiguo para mercancía nueva. Amazon empezó a separar las reseñas entre variantes funcionalmente distintas el 12 de febrero de 2026, con finalización el 31 de mayo de 2026, pero las reseñas siguen compartiéndose entre variantes de color, talla, cantidad por paquete, aroma y compatibilidad con dispositivos. Analizamos las reseñas mostradas hoy en el anuncio; no podemos verificar qué variante describe realmente cada una.1, 2
Solo vemos las reseñas visibles en este momento Instantánea única
Este análisis es una instantánea tomada en la fecha indicada arriba. Las reseñas que la plataforma ya ha eliminado son invisibles para nosotros. También lo son los patrones que solo aparecen con el tiempo — un aumento repentino de reseñas en una semana o una valoración que desciende meses después del lanzamiento. Eso requiere un historial de reseñas que todavía no recopilamos.
No evaluamos el producto Fuera del alcance
Una puntuación de confianza trata sobre las reseñas, no sobre el artículo. Un producto puede tener reseñas totalmente auténticas y aun así ser falsificado, estar mal fabricado o ser inseguro. No probamos productos, verificamos su autenticidad ni comprobamos retiradas de seguridad.
No evaluamos al vendedor Fuera del alcance
Que el vendedor envíe a tiempo, respete las devoluciones, responda a los mensajes o siga operando el mes próximo no es algo que el texto de las reseñas revele de forma fiable. Nuestra puntuación no dice nada sobre la experiencia posterior a la compra.
No sabemos si este producto es adecuado para usted Fuera del alcance
Presupuesto, caso de uso, compatibilidad, talla, sensibilidad cutánea — nada de eso está incluido. «Estas reseñas parecen auténticas» no equivale a «debería comprarlo».
6. Una puntuación alta no es una recomendación
Si solo recuerda una cosa de esta página, que sea esta. Una puntuación de confianza describe la evidencia disponible en un anuncio. No dice nada sobre lo que ocurre después de pulsar comprar.
Una calificación A no significa que el producto sea seguro o esté bien fabricado
Nunca abrimos, probamos ni inspeccionamos un producto. Uno bien fabricado y otro mal fabricado pueden tener reseñas totalmente honestas — y las reseñas honestas de un mal producto lo dirán, por eso el detalle de las dimensiones y las reseñas citadas importan más que la letra.
Una calificación A no significa que el vendedor sea fiable
Los plazos de envío, la gestión de devoluciones, el soporte de garantía y si la tienda seguirá existiendo el próximo trimestre no son visibles de forma fiable en el texto de las reseñas. Un conjunto de reseñas limpio no dice nada sobre la experiencia posterior a la compra.
Una calificación A no garantiza la autenticidad
Los productos falsificados se venden junto a existencias auténticas en los mismos anuncios y acumulan reseñas reales de compradores que nunca lo advirtieron. No podemos verificar que la unidad que recibe sea el producto descrito en el anuncio.
Una calificación A no aconseja comprarlo
Ajuste, talla, compatibilidad, presupuesto, sensibilidad, si lo usará — nada de esto está incluido, y un conjunto de reseñas fiable para un producto inadecuado para usted sigue siendo una compra equivocada.
Algunos enlaces salientes a minoristas nos generan una comisión. La comisión es idéntica con independencia de la puntuación que publiquemos — no existe ningún acuerdo por el que una calificación más alta nos pague más, y los vendedores no pueden pagar por una puntuación, un nuevo análisis o una retirada. Somos una herramienta independiente y no estamos afiliados, respaldados ni patrocinados por ningún minorista cuyos anuncios analicemos.
Vea el método aplicado a un anuncio que le interese.
Analizar un producto7. Preguntas
¿Por qué un producto con 4,8 estrellas obtiene una C?
La media de estrellas es una de las tres entradas y es la que la plataforma ya muestra. Una C significa que, aunque la media sea alta, algún aspecto de cómo están escritas o distribuidas las reseñas no coincide con el aspecto de los conjuntos auténticos — el detalle de dimensiones de la página de producto indica cuál.
¿Por qué no califican un producto con 8 reseñas?
Porque con 8 reseñas no podemos distinguir un buen producto de uno manipulado, y decirlo es más útil que adivinar. Evidencia insuficiente es un resultado, no un fallo — seguimos mostrando las reseñas y las cifras subyacentes para que pueda leerlas.
¿Indican qué reseñas concretas son falsas?
Etiquetamos las reseñas internamente y mostramos la evidencia que sustenta los hallazgos a nivel de grupo, incluidos fragmentos citados. Expresamos hechos cuantificables — cuántas reseñas coincidieron con cada señal — en vez de declarar que una persona concreta escribió una reseña falsa, porque el texto de una sola reseña no permite sostener esa afirmación.
¿En qué se diferencia esto de leer las reseñas por mi cuenta?
Principalmente en lo que una persona no puede hacer a mano: comparar cada reseña con todas las demás para hallar textos casi duplicados, comprobar si falta la zona media de la distribución de estrellas, medir la concentración de los temas y calcular qué proporción del conjunto contiene alguna evidencia de primera mano. Usted juzga mejor que nosotros si una queja concreta le importa.
¿Puede un vendedor pagar para cambiar una puntuación?
No. Los vendedores no pueden pagar por una puntuación, un nuevo análisis o una retirada, y nuestra comisión de afiliación es idéntica con independencia de la calificación publicada. Si un análisis es objetivamente incorrecto, contáctenos; lo repetiremos y publicaremos una corrección.
8. Fuentes y cita
Esta página describe nuestro propio método, por lo que la mayor parte solo se cita a sí misma. Cuando depende de un hecho externo, se indica a continuación. La investigación más amplia sobre qué proporción de la economía de las reseñas es fabricada se recopila por separado en cuántas reseñas en línea son falsas en 2026.
- PPC Land. Amazon divide las reseñas de variantes para frenar las valoraciones engañosas. 8 de enero de 2026. Fuente de las fechas de inicio, 12 de febrero de 2026, y finalización, 31 de mayo de 2026, de la separación de reseñas de variantes.
- Ecomclips. Actualización de Amazon sobre el uso compartido de reseñas por variantes en 2026: qué deben corregir los vendedores antes de la separación. 24 de febrero de 2026. Fuente sobre qué dimensiones de variante — color, talla, cantidad por paquete, aroma y compatibilidad con dispositivos — continúan compartiendo un conjunto de reseñas tras la separación.
- Confianza en riesgo: detección de desinformación en reseñas de productos generadas por LLM y sus implicaciones para el comportamiento del consumidor y la gobernanza de plataformas. ScienceDirect, 2025. Fundamento para tratar las reseñas escritas por máquinas como una debilidad abierta y no como un problema de detección resuelto.
Review Detector. «Cómo funciona la puntuación de confianza». Versión de puntuación v2, 27 de agosto de 2026. https://reviewdetector.ai/es/methodology