市场：评分与刷单

一颗星值多少钱？经济学家 Michael Luca 给出过精确答案：Yelp（美国版大众点评）星级每提高一星，餐厅营收上升约 5% 到 9%。他用的识别办法叫回归断点：Yelp 显示的星级按四舍五入取整，真实均分 3.24 和 3.26 的两家餐厅，真实质量几乎一样好，取整线却把它们分到了两边，显示出来成了 3 星与 3.5 星。这两家餐厅之间唯一的差别，就只剩显示的星级本身，于是比较取整线两侧的营收，比出来的就是评分本身的因果效应，跟餐厅真实好坏无关。更妙的是，这个效应只存在于独立餐厅，连锁店不受影响。连锁店本来就有全国招牌撑着口碑，顾客心里早有数；独立餐厅没有这块招牌，星级评分就是顾客能拿到手的唯一外部信号。说明在线评分顶替的正是传统口碑。评分不只反映生意，评分制造生意，这是你在 R08 学过的反身性在消费市场里的直接测量。而市场评分与其他领域的根本差别就在这里：博弈的回报可以精确计价。一旦一颗星有了明码的营收价值，假评论就成了一件有明确回报率的投资品。有回报率摆在那儿，刷单从个体越轨长成产业，只是时间问题。从刷单产业链到 LIBOR（被博弈出天价罚单的金融基准利率），再到信用评分下的策略性行为，三层是同一件事：信号有价，则信号必被生产。

产业链的每一环都有执法或研究档案。平台内的规模估计：Luca & Zervas 发现约 16% 的 Yelp 餐厅评论被过滤算法标记为可疑，也就是每六七条评论里就有一条疑似假货；且声誉薄弱（评论少、近期差评）的商家更可能造假，竞争越激烈的商家越可能被投放虚假差评。造假是对处境的理性反应，方向由竞争结构决定。平台外的供给侧：2022 年亚马逊起诉逾 1 万个 Facebook 假评论中介群组的运营者，其中一个群组被关停前有逾 4.3 万名成员；中国的刷单灰产已成完整链条，据执法数据的媒体转述，一款刷单 App 曾对接逾 3.6 万家电商与 60 万名刷手，制造超 2 亿笔虚假订单（单一来源，按存疑证据处理）。六十万人的「就业规模」，说明这已经是一个行业，不是一撮骗子。社媒指标的对应物是 Devumi 案：这家公司掌握至少 350 万个机器人账号，向约 20 万客户售出超 2 亿个粉丝，其中至少 5.5 万个假号盗用真实用户的姓名与头像；纽约州总检察长 2019 年的和解首次认定出售虚假社媒互动违法。监管的修补线随后拉直：FTC（美国联邦贸易委员会）2019 年首罚付费假评论（1280 万美元），2022 年就隐藏差评与 Fashion Nova 和解 420 万美元，2024 年 8 月发布《消费者评论与推荐最终规则》，全面禁止买卖虚假评论，每次违规最高罚 51,744 美元。机制标注：直接造假与规则套利，监管以立法事后封堵。

评分操纵是双向武器，抬自己和砸对手用的是同一批账号。豆瓣的毕志飞案两头都有档案：导演起诉平台「锁定最低分」逼迫撤档，法院认定证据不足驳回；同一平台又常年被反向刷分，某剧开播前 6 小时涌入 6752 条五星评价，一星仅 649 条，水军按账号质量分级报价。剧还没播完一集，评价已经写好了，分布本身就是供词。Rotten Tomatoes（美国影评聚合站）同样两头占全：公关公司 Bunker 15 以每篇约 50 美元招募边缘影评人抬分，一部影片的新鲜度从 46%（烂）做到 62%（新鲜）；反向则有《Captain Marvel》上映前的评分轰炸，观众分一度被刷到 33%，平台清除约 5.4 万条评论并从此禁止上映前打分。畅销书榜的套利更直接：营销公司按合同收费约 21 万美元，用协调化批量购书把一本书送上纽约时报榜首，次周即跌出前十。只在榜上停留一周的「畅销书」，买的不是读者，是榜位本身的广告价值。机制标注：直接造假与刷分，且攻防双方在同一个市场采购弹药。

把「评分被博弈」放大到金融基础设施的尺度，就是 LIBOR。这个基准利率为数百万亿美元级的合同定价（Wheatley Review 常引口径约 300 万亿美元，房贷、企业贷、衍生品都挂在它身上），生成方式却简陋得惊人：面板银行每天自报「你能以什么利率借入资金」的估计值，掐头去尾取平均。不基于实际交易，纯自我申报。K01 案例库的第二定律（自我申报等于造假温床）在此应验成天价。操纵分两型：交易员为衍生品头寸微调本行报价，属于顺手牵羊；危机期间银行整体压低报价，以免高利率暴露自身的融资困境，属于集体求生。2012 年 6 月 Barclays 率先与英美监管当局和解约 4.5 亿美元，CEO 辞职；随后 UBS、RBS、Deutsche Bank（2015 年 25 亿美元）等相继和解，行业累计罚没常被引为约 90 亿美元。个人刑责一波三折：交易员 Tom Hayes 2015 年成为首个被定罪的个人，初判 14 年监禁，2025 年 7 月英国最高法院以陪审团指引失当为由撤销其定罪。制度终局最能说明问题：治理改革救不回这个基准，LIBOR 被整体废止，美元面板 2023 年 6 月停止发布，继任基准（如美元的 SOFR）改从实际交易数据计算。修不好，只能换信号源：当一个测量被博弈到不可修补，唯一的防御是换一个不可自报的信号。机制标注：对抗型 Goodhart 的顶格案例。此为课程补充案例，事实取自监管处罚公告与 Wheatley Review，未入研究底稿，证据分级见来源。

信用评分是市场评分的镜像面：不是商家刷高自己的分，而是被评者按公开规则改造自己，这正是 Y10 策略性分类的原型场景。把还款概率的预测模型公开，申请人有两条路：一条是 gaming，塞进能骗过模型的表面特征（关键词、临时刷流水），预测变好而真实信用没变；一条是 improvement，真的攒下储蓄、降低负债，真值随之变好。Hardt 等 2016 年把它形式化为 Stackelberg 博弈（一方先公布规则、另一方看着规则接招的先后手博弈）并证明，朴素分类器在博弈下性能急剧退化。后续工作补了两刀：区分 gaming 与 improvement 本质上是因果推断问题（哪些特征是真值的因，哪些只是相关）；而机构为防博弈，会把门槛抬到博弈最优的位置：光靠表面手脚已经骗不过关，要合格就得真做出改变。真做改变是要花成本的，这笔成本机构不担，落在被分类者自己身上。改造特征的成本却不是人人一样，弱势群体改起来更贵、负担更重。防博弈的账单，最后落在了最没能力博弈的人头上。机构级的评分通胀给这条线收尾：2008 年前的评级机构在 issuer-pays（发行方付费请人给自己打分）结构下，把 AAA 评到「平均只有 BBB 支撑」的水平（Griffin & Tang 对 916 个 CDO 的计量），终局是 S&P 13.75 亿、Moody's 8.64 亿美元的司法和解。市场把每一种评分都变成价格，因此也把每一种评分都变成靶子。

留一个问题：平台已开始把非互动信号（用户调查、质量代理）掺进排序以对冲刷分，但这些新信号是否只是下一轮博弈的靶子？刷调查与伪造质量信号的成本并不高，而不可自报的信号清单看起来正越用越短。

一句话带走：评分一旦能换钱，就一定有人生产评分；防线不在道德呼吁，在改写造假的供需曲线。