互聯網急需一臺“除濕機”，來抽取數據中大量的水分
315 晚會曝光了淘寶刷單黑幕，主流媒體開始關注電商刷數據這一問題，刷單到了像假貨一樣讓民眾憤怒喊打的高度。阿里巴巴隨后表示將對這一行為進行嚴懲，也呼吁法律介入監管。然而在當前的法律框架下，刷單行為并不會承擔法律責任，刷單正在蔓延到電商和 O2O 的各個領域，輸數據更是互聯網行業的普遍現象。
今年十分火爆的醫美行業也未能幸免，某醫美 App 近日就陷入了“刷單”口水戰。
早在 2015 年 8 月，知乎上就有人質疑該醫美 App“單周交易額破 1 億”是放衛星。隨后該 APP 聯合創始人親自站出來澄清，表示數據真實。今年 315 前后，網絡上又出現指責該醫美 APP 數據造假嚴重的文章，隨后還有人在知乎貼出錄音，暗指該 APP 有要求醫院配合刷單的行為。
不久后，該醫美 App 在多個媒體發表強硬聲明，稱刷單系謠言，要報警處理。從表象上來看，確實有媒體博弈的痕跡，整個事件樸樹迷離，仿佛上演了一次“羅生門”。我并不想去探究某個 APP 是否有刷單，因為刷單是行業共性問題，為什么會出現這樣的現象，又該如何解決，值得深思。
除了電商、醫美之外，外賣 O2O、出行服務、到家服務、二手車平臺…幾乎所有 C2C、B2C 和 O2O 電商行業，都曾被爆出過刷單問題。刷單，已是電商行業繞不過去的坎。再放大到能夠看到數據的行業，“刷”的現象就更明顯了：微博僵尸粉、AppStore 刷榜、微信公眾賬號刷閱讀、電影點評…
互聯網上的 UGC 數據，相當一部分都是“水”。刷，是互聯網行業繞不過去的坎。在創業項目紛紛選擇將融資額夸大數倍的今天，如果刷數據能帶來利益，并且無需承擔太大的風險時，刷數據就成為了偶然中的必然，這就好像美圖秀秀批量生產出“照騙”一樣，人們處于不同目的希望某些數據“更好看一些”。道理很簡單：如果別人都用了美圖秀秀你不用，你就相對不那么漂亮了。
為什么大家會去刷數據？只為利益二字。不過，數據由誰來刷，為了什么利益，答案卻很不一樣。根據筆者觀察，互聯網“刷”數據大概有以下幾種目的：
第一，刷數據欺騙投資者
許多創業者都會對其數據進行處理，注冊用戶、網站排名、市場份額、交易量，這些投資者關注的關鍵指標，很可能都被“處理過”，美其名曰包裝。就連一些大公司，都會去對數據進行處理，比如自家業務在第三方數據機構報告中的份額和排名這類關鍵數據，如果投資者關心某個數據，該數據就有被操作的可能性。
現在投資人學聰明了，一般不會依賴單個數據來源，而是綜合多方數據判斷，實力強大的投資機構還擁有自己的調查團隊。
第二，刷數據欺騙廣告主
如果廣告主根據數據來決定是否投放廣告、投放多少錢，那么這個數據就會出現“被注水”的可能，一個例子是微信公眾賬號閱讀數，當一些運營者在苦心經營內容以斬獲 10w+ 時，不乏有走捷徑者直接去淘寶花點錢買一個 10w+ 閱讀。
如果有需要，刷數據這還可量身定制，為你刷點贊，為你模擬數據增長曲線，以假亂真，廣告主看到這么好的數據，投放意愿大大增長，投放之后也不會露陷：因為數據還在持續刷著呢。
第三，刷數據欺騙消費者
你在網上看到一部電影評分高達 8 分，但進到電影院之后會想回家睡覺；你在點評網站看到一家餐廳評級五星，但點餐之后發現難吃得一塌糊涂；你在淘寶看到一個商品好評如潮，買回家發現完全貨不對板…
這時候，你是“刷數據”的受害者，商家刷數據這一行為跟過去實體店的“托兒”性質一樣，往小了說是一種營銷手段，往大了說這是一種詐騙手法，它通過虛假的數據導致你做出了錯誤的消費決策，但你又拿不到證據，因為托兒是不會承認自己是托兒的。
許多電商平臺還會參與這類行為，比如秒殺活動時你看到的訂單量其實是代碼生成的，這是一種常規運營手段。還有 App Store 上的“刷榜”行為，本質可歸到這一類，目的都是要欺騙消費者。
第四，刷數據欺騙平臺
如果平臺有補貼時，就很可能出現這樣的套現行為。出行和外賣 O2O 瘋狂打補貼戰時，就出現了大量的刷單行為，網上還有專門的教程售賣，不過，這類“刷數據”行為已觸犯法律，滴滴等平臺上就有“刷數據”者因涉嫌詐騙罪被批捕。
除了平臺有補貼會有刷數據的之外，如果一個廣告平臺是分成模式，那么有可能會出現刷廣告騙平臺分成的。總之，這類行為是用戶違背平臺本意去制造虛假數據來騙取平臺金錢，涉嫌詐騙。
第五，刷數據搞死對手
這是一種比較小眾的刷數據行為。給對手刷數據，是惡意競爭的終極玩法，近日，Uber 在印度就遭到了印度版 Uber“ola”的“惡意刷單”，在過去半年，ola 在 Uber 平臺創造了超過 9.3 萬個虛假賬戶，并制造了超過 40 萬個虛假訂單，影響了 Uber 在印度的正常運營，諷刺的是，Uber 員工 2014 年曾用類似手段對付過它的美國對手。除了這種行為之外，還有去幫助對手刷榜的——因為刷榜如若被蘋果發現，將被 AppStore 下架。
刷數據的人各有不同，目的不同，受害者也不同，但總的來說，都是“爾虞我詐”地騙來騙去，本質上屬于欺騙行為。只是有的行為已明顯觸犯法律，有的行為還屬于灰色地帶僅僅是有道理上的壓力。值得注意的是，刷單并不是中國互聯網獨有的現象，美國 Amazon 等平臺同樣有水軍存在。不過對于這類行為，Amazon 發現之后將直接將水軍告上法庭，用法律解決。
刷數據有什么危害呢？
從直接結果來看，不同刷數據行為，將會直接導致投資者、廣告主、消費者、平臺或競爭對手利益受損。盡管有一些損失并不明顯，例如用戶看到水軍的評論去看了一部垃圾電影，被欺騙感并不會很明顯，但不管怎么說，都是有人有目的地用數據去欺騙了另一些人，所以所有刷數據都是欺騙行為。
從間接結果來看，刷數據是互聯網行業的毒瘤，比假貨更甚。
第一，刷數據導致“劣幣驅逐良幣”。在對手通過刷數據贏得投資人親睞之后，在對手通過刷數據沖擊 AppStore 之后，在對手通過刷數據吸引廣告主之后，你刷還是不刷？大部分創業者，哪怕有節操的創業者，最終都會在現實面前妥協，因為當別人都刷，你不刷，你就吃虧了。因此最終結果是大家都刷刷刷，形成一個惡性循環，導致互聯網上的“水”越來越多，刷數據的公司賺得缽滿盆滿。
第二，刷數據影響互聯網運轉。當一個微信運營者可花幾十塊錢去買一個“10 萬+”閱讀，他一定不會再去思考如何做出更好的內容，他的對手也會質疑自己的認真是否有意義。當一個淘寶賣家可靠刷單輕松形成好看的信用數據時，他一定不會去努力改善服務以求更多好評。總之，當原本需要努力才能獲得的“好看數據”可通過“刷”輕易獲得時，就沒人去努力了。就像靠駕照，如果人人都可舞弊，還有人會認真學習駕駛嗎？答案是不會。
第三，刷數據讓“大數據”形同虛設。許多科技巨頭都愛說，“我們有多少多少大數據”，并將大數據作為戰略。但如果你的數據里面相當一部分是“水”，基于這些虛假數據分析出來的結果又有多大價值？
可能是錯誤的結果。如果平臺說可以區分真實和虛假數據，你能做到這一點為什么不能去發現并懲罰“刷數據”的人呢？刷數據讓互聯網最基礎的“數據體系”錯亂，影響了其應有的巨大價值，對于行業和企業來說都是損失，因為數據是互聯網的財務，是互聯網的金礦，現在這個金礦被人為破壞了。
長期來看刷數據對互聯網已形成根深蒂固的消極影響，它降低了整合行業的誠信標準，如果人們在數據上輕而易舉地撒了小謊，那么很可能在別的地方撒更多小謊乃至彌天大謊，比如虛假宣傳。
互聯網數據水太多了，讓我想起一本書《未來是濕的》。其實，互聯網才是濕的。
短期來看，刷數據現象很難有效解決，平臺必須自律，不做共謀，更不要做主謀。如果平臺都刷數據，誰去管理平臺上的商家呢？還有，隨著刷數據問題的日益嚴重，幫助人們“還原數據”的服務會陸續出現，比如幫助你區分淘寶評價真實度的插件。不過，這些方法都是治標不治本，互聯網急需一臺“除濕機”來抽取數據中大量的水分。
來自: 鈦媒體