亚马逊买家自以为不会留下把柄的操纵评论不是没有痕迹的，可以通过亚马逊算法被找到。
首先，比较每个评论中的单词数量，然后确定不符合常规的内容。虽然买家评论的内容不受个人偏见的影响，但一些评论数组的异常情况可以通过分析所有评论中的单词数量的算法得到。
例如，这种评论性评论更习惯于简短的评论，但突然出现了一些不符合常规的长评论，长评论将成为目标，然后通过短语的分布数和词语的夸张来区分哪些评论是假的。
一般而言，有三个原因导致评论词数偏差：
1、买家要求粉丝写作或赠送礼物。然后，大多数想要礼物的人会改变他们通常的评论风格，并倾向于卖家更喜欢的模式。
2、卖家组织的专业评论人员写了一篇长而详细的评论，看起来非常诚实。他们自己的评论出现了不同于其他真实评论的东西。
3、刷单。无论是卖家自己的账号还是中介，数据都会有问题。典型的人工评论会一次又一次地使用一些单词，有些是为了节省时间而写的，这些行为会因为数据异常而被亚马逊锁定。
最后，报告会在listing中挑出不合理的词数组，如果超出了算法的预期，就会标注为unnatural。另外，如果listing中词数组多，超出了合理范围，这个listing组的评论可信度就会很低。
而且包含重复短语评论也会对评价权重产生影响。
首先，卖家需要找到一个具有现实意义的短语，它是由3个或更多的单词组成的，这些短语出现在多个不同的评论下面。
如果有大量的评论使用某个重复词组，这些评论可能会有问题。例如，经常看到买家提到某个产品的功能，这是正常的，这是写详细评论的必要内容。但如果某种营销短语或者主观语言完全被一群买家一字不差的重复使用，那幺这些评论就有人为操纵的嫌疑了。
