De las reseñas incentivadas al brushing y la automatización del fraude.
Cuando el algoritmo se convierte en el campo de batalla
Los marketplaces no ordenan productos. Ordenan señales. Todo lo que una persona ve en pantalla qué aparece primero, es el resultado de una interpretación algorítmica de miles de micro-señales que intentan responder a una pregunta aparentemente simple: qué producto tiene más probabilidades de venderse ahora.
Ventas, reseñas, recurrencia, velocidad de compra, historial del vendedor o comportamiento de una persona usuaria, son solo algunas de las variables que alimentan estos sistemas. El diseño, en apariencia neutral, genera un efecto inevitable: cuando un algoritmo decide visibilidad, aparecen incentivos para influir en él. No es un fallo del sistema ni una anomalía puntual, es una consecuencia directa de cómo se construyen estos entornos.
Por eso la manipulación algorítmica en marketplaces no surge de repente, es una evolución lógica, progresiva y cada vez más sofisticada de prácticas que llevan más de una década desarrollándose. Entender ese recorrido es clave para comprender por qué fenómenos como el brushing no son una rareza aislada, sino el último eslabón de una cadena mucho más larga.
La primera etapa: manipulación manual y explícita
En los primeros años del marketplace moderno, el funcionamiento del algoritmo era relativamente sencillo. Dos señales destacaban por encima del resto: el volumen de ventas y las reseñas. La correlación entre ambas y el posicionamiento era clara, y los mecanismos de control, todavía limitados.
En ese contexto aparecen las primeras prácticas de manipulación. Eran directas, poco sofisticadas y sorprendentemente eficaces. Productos gratuitos o fuertemente rebajados se ofrecían a cambio de una reseña positiva, con comunicación abierta entre vendedor y comprador. Foros, correos electrónicos y pequeñas comunidades online funcionaban con una lógica casi artesanal. No se ocultaba la intención porque, sencillamente, no hacía falta.
Estas prácticas funcionaban porque el algoritmo no evaluaba intención, solo resultado. El aumento rápido del volumen de reseñas, la mejora de la valoración media y el incremento de la tasa de conversión generaban ventajas competitivas muy significativas frente a vendedores que operaban sin manipulación. El sistema premiaba la señal, no su origen.
La profesionalización del fraude
Con el crecimiento de los marketplaces estas prácticas se organizan. El fraude deja de ser individual y espontáneo para convertirse en sistémico. Aparecen estructuras coordinadas cuyo objetivo ya no es solo generar reseñas, sino simular comportamiento legítimo.
Surgen grupos privados en plataformas como Telegram, WhatsApp o WeChat donde se reclutan compradores y se dan instrucciones precisas: cómo buscar el producto, cuánto tiempo navegar antes de comprar, cuándo dejar la reseña o cómo espaciar las acciones para no levantar sospechas. La persona compradora deja de actuar de forma natural y pasa a ejecutar un guion cuidadosamente diseñado.
Paralelamente, el dinero deja de devolverse dentro del propio sistema. Los reembolsos pasan a realizarse por vías externas , PayPal, transferencias o cupones, separando la compra de la compensación económica. Desde el punto de vista del marketplace, la venta es real. Todo lo demás ocurre fuera de su radar. Es en este punto cuando la manipulación deja de ser ingenua y se convierte en fraude asistido por humanos.
La reacción de los marketplaces
Las plataformas reaccionan, no tanto por una cuestión ética como por la necesidad de proteger su modelo. Se endurecen los sistemas de control, se eliminan las reseñas incentivadas visibles, se da más peso al historial de las cuentas, se analizan patrones de comportamiento y se producen cierres masivos de vendedores y compradores sospechosos.
Durante un tiempo, parece que estas medidas funcionan. Sin embargo, ocurre algo previsible. Al aumentar la vigilancia, el fraude no desaparece, se ve obligado a evolucionar. El coste de manipular el algoritmo aumenta, el margen de error se reduce y las técnicas existentes dejan de ser suficientemente eficaces. El sistema exige nuevas formas de camuflaje.
El brushing: automatización y deshumanización del fraude
Es en este contexto donde aparece el brushing. No como una idea revolucionaria, sino como una optimización natural del fraude existente. El principio es simple, pedidos reales, direcciones reales y personas destinatarias que no participan conscientemente en el proceso. Los productos enviados suelen ser de bajo valor y no hay reembolsos, conversaciones ni humanos coordinados dejando rastro.
La víctima ya no es un cómplice, sino un elemento pasivo del sistema. Desde el punto de vista del marketplace, la señal es impecable: venta registrada, envío confirmado y entrega verificada.
En muchos casos, ni siquiera es imprescindible que se publique una reseña. El simple historial de ventas ya actúa como una señal positiva para determinados algoritmos, especialmente en las fases iniciales de posicionamiento de un producto.
El fraude deja así de depender de personas y pasa a depender de datos y automatización.
Más allá de las reseñas
Centrarse exclusivamente en las reseñas es quedarse en la superficie del problema. Los marketplaces modernos no posicionan productos por estrellas, sino por probabilidad de conversión. Las señales que realmente se buscan alterar incluyen la velocidad de ventas, la relación entre visitas y compras, la consistencia temporal del rendimiento, la confianza algorítmica asociada a un producto concreto y su historial acumulado frente a competidores similares.
Las reseñas son visibles para las personas usuarias, pero para el algoritmo son solo una señal más, a menudo secundaria frente al comportamiento real de compra. Precisamente por eso el brushing resulta tan atractivo. No alimenta al algoritmo con opiniones, sino con hechos: ventas registradas, envíos realizados y entregas confirmadas. Se trata de señales transaccionales verificables (señales duras), que el sistema trata como eventos reales y que resultan mucho más difíciles de cuestionar que una reseña o una valoración subjetiva. En muchos casos, ni siquiera es imprescindible que se publique una reseña: el simple historial de ventas ya actúa como una señal positiva para determinados algoritmos, especialmente en las fases iniciales de posicionamiento de un producto.
Analizar un marketplace con criterio: cómo interpretar un producto más allá de la puntuación
Comprender cómo funcionan estos algoritmos cambia también la forma de comprar. En un entorno donde las señales pueden ser manipuladas, la puntuación media deja de ser un indicador suficiente y pasa a ser únicamente un primer filtro.
Uno de los elementos más reveladores sigue siendo, paradójicamente, el menos consultado: las reseñas negativas. No tanto por su mera existencia, todos los productos las tienen, como por su contenido y coherencia. Las valoraciones de una y dos estrellas suelen reflejar problemas reales de uso, expectativas no cumplidas o defectos recurrentes que rara vez aparecen en reseñas positivas artificiales. Cuando varias personas usuarias señalan el mismo inconveniente, la señal es mucho más fiable que una media elevada.
El lenguaje utilizado en las reseñas también ofrece pistas relevantes. Textos excesivamente genéricos, repetitivos o carentes de contexto suelen ser indicativos de valoraciones poco orgánicas. Por el contrario, las reseñas que describen situaciones concretas de uso, comparaciones con otros productos o matices técnicos suelen responder a experiencias reales.
Otro aspecto clave es la distribución temporal de las valoraciones. Un pico repentino de reseñas positivas en un corto periodo de tiempo, especialmente en productos nuevos o poco conocidos, merece una lectura crítica. La evolución gradual y sostenida suele ser un mejor indicador de aceptación real que un crecimiento abrupto.
Por último, el propio perfil del vendedor aporta contexto: antigüedad, coherencia del catálogo, volumen de actividad y consistencia entre productos ayudan a diferenciar entre marcas consolidadas y vendedores oportunistas centrados en maximizar visibilidad a corto plazo.
Comprar en marketplaces hoy exige algo más que fijarse en una cifra. Requiere interpretar el conjunto de señales con la misma cautela con la que los propios algoritmos intentan hacerlo, aunque con un objetivo distinto: minimizar el riesgo, no maximizar la conversión.
Un fenómeno que no va a desaparecer
Pensar que el fraude algorítmico puede erradicarse por completo es ingenuo. El incentivo económico es demasiado claro, el coste de ejecutar estas prácticas es bajo, el impacto potencial en visibilidad es alto y la detección perfecta es, sencillamente, imposible.
Además, las plataformas no pueden endurecer indefinidamente sus sistemas sin asumir riesgos significativos. Los falsos positivos, la penalización de vendedores legítimos o la fricción en la experiencia de compra obligan a mantener un delicado equilibrio entre control y crecimiento comercial. Y esa tensión deja, inevitablemente, espacios explotables.
Para las personas consumidoras, esto implica que las reseñas ya no pueden interpretarse como una verdad absoluta. Son un indicador útil, pero no una garantía. Para las marcas, competir únicamente dentro del marketplace, sin construir una identidad sólida fuera de él, es cada vez más arriesgado. El algoritmo es volátil, la marca, no. Para las plataformas, la manipulación algorítmica no es una crisis puntual, sino una guerra constante de adaptación entre señales y contraseñales.
En definitiva, cada ajuste algorítmico genera nuevas estrategias para influir en él, y cada nueva forma de manipulación obliga a redefinir el sistema. No se trata de una anomalía, sino de la dinámica natural de cualquier entorno gobernado por incentivos automatizados. El brushing no es el final del camino. Es simplemente la versión actual de una historia que sigue escribiéndose.