摘要:圖計算可以說是互聯網電商風控的有力武器,不僅在複雜關係的存儲和分析上優於關係型數據庫,而且能夠有效利用數據間關聯關係和結構,提供更爲精準可靠的決策依據。
隨着大數據時代的到來,互聯網電商風控已經從無風控、人工抽取規則爲主的簡易規則模型發展到當前基於大數據的風控。與金融風控不同,互聯網電商風控呈現出業務量大、防控面廣、流程長等特點,對研判效率和響應時效性要求更高。另一方面,風控是不斷對抗升級的過程,需要不斷優化並挖掘非法用戶的新特徵,進而提高風控的成功率。圖計算可以說是互聯網電商風控的有力武器,不僅在複雜關係的存儲和分析上優於關係型數據庫,而且能夠有效利用數據間關聯關係和結構,提供更爲精準可靠的決策依據。下面通過典型場景分析圖計算如何賦能互聯網電商風控。
一、虛假賬號註冊
1、場景現象:
電商中存在着大量的虛假賬號,在評論區通過傳播虛假信息、發佈垃圾評論等擾亂正常交易秩序,這不僅對用戶造成了很大的困擾,而且也增加了企業運營成本。已有的基於特徵和分類的方法,在檢測時效性上存在不足,可能產生較大延遲,導致檢測生效時大量非法行爲已發生。在賬號註冊時即對其潛在風險進行檢測,能夠更早的研判其合規性。
2、解決思路:
(1)對註冊賬號提取基於同步和異步的特徵,並根據兩兩間的共性和差異性分別構建“同步註冊模式特徵”和“異步註冊模式特徵”。若一對賬戶間存在較多的同步或異常特徵,則它們間應具有較高的分數權重。
(2)爲解決賬號間關聯強弱的問題,可通過機器學習方法學習自動對不同特徵加權的同步異常特徵評分,並根據評分判斷是否在賬號間構建帶權重的連邊。
(3)據經驗,正常賬號和正常賬號間,虛假賬號和虛假賬號間往往具有較強的緊密連接,而虛假賬號和正常賬號間具有一定的隔離性或稀疏連接。基於此,通過社團發現算法進行虛假賬號檢測是最佳選擇。若節點通過較大的邊權重連接到其它節點,則節點間的同質性更強。若社團中某點是虛假賬號,則其關聯節點更有可能是虛假的。
二、虛假賬號裂變
1、場景現象:
賬號裂變強調流量的有效轉化,通過已有用戶找到更多新用戶。常見的手段包括拼團裂變、助力裂變、邀請裂變、分享裂變等。但普遍情況下,做轉化裂變要有補貼,補貼就會招致羊毛黨。因此,賬號裂變風控的重點就是從入口掐斷“薅羊毛”的可能性。
常見的薅羊毛手法有:
- 老帶新玩法
老用戶通過批量註冊獲取大量賬號,參與邀請活動(可能是砍價、拼團、分享等),將低價購買的優惠商品發送到指定地址歸集,再通過自己的分銷平臺加價倒賣給真實顧客獲利,或與商家勾結,幫助商家刷單的同時騙取補貼並完成套現。
- 師徒/分銷模式
可認爲是簡化的分銷模式,老用戶不僅可以獲得邀請新用戶的返現獎勵,如果新用戶再邀請其他新用戶進入平臺,老用戶還可以獲得進貢獎勵。
2、解決思路:
對於互聯網創業公司而言,創業的初期其實更爲關注擴大企業影響力,提高營收。該階段企業對於羊毛黨是有較高容忍度的,甚至可能希望藉助羊毛黨的力量進行推廣。基於此,可通過常見的關係分析進行一些簡單的管控:
- 基於作弊的賬號鏈式特性進行作弊行爲識別,發現中間節點普遍存在較小度的節點。
- 基於“羊毛黨”的特徵進行關聯分析與挖掘
本文分享自華爲雲社區《扒一扒GES如何賦能互聯網電商風控》,原文作者:Dr Thunder 。