劳动节结束了。.
是 第 86 天 ，昨天我还在想 Nextdoor 是否会放长假，今天我又查看了一下。
我尚未收到关于我所要求的两项详细洞察研究的任何回复。.
NXDR 呢？
截至发稿时，股价徘徊在 2.20美元。市场消息人士称，周五收盘价为2.24美元后，今天下午晚些时候股价约为2.24美元，因此在我撰写本文时，确切数字仍在波动。
嘿，至少我们现在谈论的是几分钱了。.
Nextdoor 是否正在努力工作？
我还在努力弄明白。.
但 Nirav Tolia 9 月 3 日在 X 上发表的一篇文章引起了我的注意。.
“一项2025年的研究发现……”
尼拉夫在帖子中写道：
“2025年的一项研究发现，人工智能生成的虚假评论现在与真实评论已经无法区分……”
我立刻想到：
又来了。.
一项研究。.
哪项研究？
谁写的？
它在哪里发表的？
具体方法是什么？
样本量是多少？
“无法区分”究竟是什么意思？
任何关注过我为期 86 天的 Nextdoor 研究透明度调查之旅的人，可能都会对这番话感到熟悉。
有趣的是：我查了一下，发现尼拉夫的说法背后是有可查证的研究依据的。
在同一天发表于《财富》杂志的一篇文章中，Nirav 更具体地指出，这是 诺丁汉大学商学院 2025 年的一项研究。
2025 年的同行评审研究调查了 AI 生成的虚假评论，其中包括《零售与消费者服务杂志》的一项研究，该研究分析了 714,016 条评论，并发现了 AI 生成的虚假评论、人工生成的虚假评论和真实评论之间有意义的语言差异。.
所以我的批评并非：
“根本没有这项研究。”
我的问题是：
为什么不在原文中引用呢？
如果你要用研究来建立信誉，那就给读者提供足够的信息，让他们自己来评估研究结果。.
研究名称。作者。出版物。链接。.
四件事。.
完毕。.
尤其是当你是一家正在大力宣传产品来源重要性的公司的首席执行官时 。
这简直太完美了。.
ChatGPT并未出现虚假评论
这场讨论还有一部分让我感到困扰。.
人工智能并非虚假评论的始作俑者。.
人工智能使 大规模生产变得更快、更便宜、更容易。
人类操纵名誉的历史由来已久。.
事实上，这段历史相当有趣。.
19世纪： 沃尔特·惠特曼匿名发表了对自己作品 《草叶集》。这本质上是19世纪版的创建小号并给自己打五星好评。
20 世纪初： 报纸已经开始处理捏造的信息、夸大的说法和“造假者”。到 1913 年，《 纽约世界报》 设立了准确性和公平竞争局，部分原因是为了处理投诉并“打击造假者和造假者”。
互联网广告出现之前： 企业使用客户评价和代言作为营销工具，这造成了我们今天面临的同样根本问题： 这个人推荐产品是因为他们真心喜欢它，还是因为有人从代言中受益？
早期互联网： 留言板、评论网站，以及最终的电子商务，让企业和个人能够创建账户，制造好评，或者攻击竞争对手。
具有讽刺意味的是，尼拉夫本人正是1999年Epinions的联合创始人之一，Epinions是最早的用户生成评论平台之一。他现在承认，评论经济最终变得容易受到操纵。
2010年代： 虚假评论业务发展成为一个产业。商家可以购买好评，竞争对手可以遭受差评攻击，而评论者可以使用多个身份。
2020年代： 刷好评的手段日益高明。调查人员发现，一些协同刷好评者跨越国界，为互不相关的企业撰写好评，有时甚至出现署名不同的相同评价。
如今： 生成式人工智能彻底改变了评论行业的格局。人们不再需要雇佣人工撰写数百条评论，而是可以快速生成海量极具说服力的文本。研究表明，即使研究人员仍然能够通过统计方法识别出一些语言差异，语言生成模型（LLM）也能生成媲美人类水平的欺骗性评论。
同样的骗局。.
更好的机器设备。.
这让我想起了隔壁。
Nextdoor 目前的宣传重点是，经过身份验证和社区问责制可以使推荐内容更值得信赖。.
这真是一个有趣的策略。.
但仅仅经过核实并不能证明某个观点是正确的。.
真人也会夸大其词。.
经过核实的人也可能怀恨在心。.
真正的邻居会推荐朋友的公司。.
合法客户可以获得奖励。.
两个经过核实的邻居对同一家商户的体验可能完全不同。.
正如我之前记录的那样，我对 Nextdoor 的验证系统究竟有多强大也一直存有疑问。.
所以， “已验证”是一种信任信号。
它不是什么神奇的吐真剂。.
出处很重要吗？我同意。.
这正是尼拉夫的帖子如此引人入胜的原因。.
他的总体论点本质上是：
信息来源很重要。.
我同意。.
完全地。.
所以当CEO说：
“2025年的一项研究发现……”
我需要出处证明。.
请说出这项研究的名称。.
请列出研究人员姓名。.
提供链接。.
让读者自己去查吧。.
而这正是我一直要求 Nextdoor 提供其自身研究方面的信息。.
持续了 86天。
Nextdoor 发布了 Insights 调查结果。.
Nextdoor 公开告知读者，他们可以索取详细数据。.
我提出了要求。.
我已经发邮件了。.
我已跟进。.
我扩大了分发范围。.
我周六又发了一份请求。.
我仍在等待那两份详细的研究报告。.
第86天
昨天是劳动节。.
今天我想问的是：
Nextdoor 是否正在努力工作？
因为我还在做这项工作。.
正在等待 Nextdoor 的工作人员回答问题。.
Nirav 的帖子认为 出处很重要。
这一点，我们同意。.
这是我第 86 天的建议：
练习一下。.
引用研究时，请展示研究成果。.
Nextdoor发布研究报告时，请展示研究方法。.
当你的博客告诉读者他们可以索取详细数据时，请提供详细数据——或者解释你为什么不提供。.
因为无论是餐厅评价、人工智能生成的推荐，还是企业洞察报告，其原理都是一样的：
别只是告诉我应该相信它，要给我足够的信息来决定是否相信它。.
请访问NielFlamm.com/blog继续关注 Nextdoor 案例研究。
