中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導語：說到用戶畫像，大家應該不陌生，本篇文章會通過幾個維度介紹用戶畫像的內容，從三個方向驗證其解決了什么問題，并提出構建畫像的難點。推薦對用戶畫像感興趣的朋友閱讀，希望對你有所幫助，一起來看看吧。

在日常的風控實戰中，經常會有業務部門的同學提問：

• 業務中的黑產用戶 / 羊毛用戶是誰？他們長什么樣子？
• 他們是怎么進來的？進來之后又去了哪里？
• 風控會不會誤攔？誤攔之后的客訴怎么去處理？
• ……

圍繞這些實戰問題，我們需要借助【用戶畫像】這個產品，來做詳細的解釋。

一、畫像包括哪些內容

網上其實對這個問題做了很多的介紹，只不過大家使用的場景不同，所以對于畫像的定義和使用方法也不盡相同。

簡單來說：畫像就是一個人的wiki百科，在這個百科中，介紹了用戶的來歷、身份介紹、做了什么事情、在某些業務場景下的成就或者比較“有名”的事情。

只不過，繁雜的文字，對于平臺或者運營而言，閱讀和理解成本過高，所以又在該百科基礎上，做了標簽的提煉，因此出現了用戶標簽體系。目前市面上看到的用戶畫像，其實大部分是用戶標簽庫。

用戶標簽庫的構建程度，代表著平臺對用戶的認知程度。

風控場景下，平臺往往會通過以下幾個維度來建設：

1. 基礎維度

這個維度比較大，包括用戶的身份子維度、設備子維度、支付子維度、手機號子維度等，在這些子維度下去構建標簽；

• 身份子維度：年齡、性別、地區、姓名、實名記錄、擴散關聯等；
• 支付子維度：渠道、支付方式、擴散關聯等；
• 手機號子維度：是否小號、是否接碼號、是否二次放號、風險等級、擴散關聯等；
• 設備子維度：虛擬設備、設備root、設備篡改、常用設備等。

擴散關聯，一般是指以該維度為主體，基于關系圖譜，查看該主體的周邊關聯度數，比如關聯設備數、關聯賬號數、關聯支付賬號數、關聯訂單數等。

2. 行為維度

主要基于用戶在APP中的埋點數據和請求數據，來制定用戶的行為軌跡，并基于行為軌跡，提煉用戶的風險標簽。

• 切換頻次：近N天設備切換頻次、近N天IP切換頻次（geoHash、POI）、近N天時速異常切換等；
• 數據缺失：完整路徑缺失率、請求參數缺失率、關聯因子異常（例如UA、IP、設備信息等）；
• APP速度：近N天機器行為（頻次和時間間隔接近）、近N天用戶CV時間過短等；
• ……

3. 訂單維度

主要跟交易相關，重點查看交易鏈路上的維度標簽：

• 占庫存：下單率、完單率、SKU商品等；
• 羊毛下單：打折（低價）商品的占比、平臺貢獻度（帶來的收入 – 支出）等；
• 聯合刷單：同一商家的占比、低價商品的占比等；
• 虛假交易：收貨地址的真實性、地址中帶有特殊編號的占比、無完整或實際軌跡的占比、接單完單時效過快的占比等。

4. 資金維度

主要在提現環節，大部分的平臺基本在提現環節做了同人認證，即資金只能進入賬號本人賬戶。因此這里主要做監控為主，監控短期內資金規模、大額資金的占比、提現賬號的數量等。

二、畫像解決了什么問題

畫像的構建是否成功，是否滿足業務場景的訴求，需要在實際應用中提現出來。這里從三個方向來驗證畫像：

1. 策略規則的生命管理

風險運營同學對風險的感知和作案方式的還原，風險策略同學對風險用戶群體的定位和特征的提煉，線上部署了相應的攻防策略規則。

但所謂“道高一尺魔高一丈”，黑產的攻擊手法不斷的變換，原有的策略規則會進入相應的“失效期”。而感知到這一變化，可借助畫像的標簽內容進行水位的統計展示，以此來快速感知到。

例如：惡意占庫存場景，可以查看下單率超過一定閾值用戶的占比，與之前的正常占比進行比較，來感知到規則是否正在失效。

2. 單用戶的風險下探

集中在客訴場景，C端用戶被攔截后發起客訴，運營同學需要對風控攔截做出相應的解釋，即對攔截的規則進行解釋。

注意，上面講到風控畫像主要是標簽庫，規則依賴標簽庫，如果仍然是以標簽庫進行解釋，那么意味著規則必須100%準確，太難了。

所以，在畫像中，仍然需要構建風險的下探鏈路。構建的思路是基于用戶實際發生的業務數據、行為數據、訂單數據，進行反向的驗證。

例如：切換設備頻次過高和時速異常被攔截，那么在畫像中則以詳細列表的方式展示用戶近N天的登錄記錄（因為切設備就要重新登錄），在登錄記錄中列出設備的IMEI、設備指紋、經緯度、和登錄時間，以這些數據來幫助運營進行定性。

因此，畫像要支持用戶風險標簽的提煉，同時還要支持對于這些標簽的解釋。

3. 用戶群組的挖掘

風險的攻防，不是單一用戶的攻防，而是群體的攻防和管控，而群體中的用戶表現，往往是具有相似度的。

畫像是單一用戶的標簽集，此時可通過標簽集的相似度對相似用戶進行挖掘。

當然，必須承認，準確率不高，比如：下單率低，很多小姐姐只看不買，太正常了。因此往往是多個維度相加來做相似度挖掘。同時再借助關系圖譜，將用戶之間的強關聯屬性提煉出來，一個簡單的群組就產生了。

而此時用戶的標簽，則會上升到群組，形成群組的標簽，群組畫像。

三、構建畫像中的難點

1. 標簽的實時性

畫像中的標簽，多則幾千個，少則也有幾百個，如果全部要求實時或者離線，前者造成計算資源的浪費，后者造成線上風險的漏過。

在這里，則采取一個原則來進行分類：標簽的增益，即該標簽在風險中的影響力 + 標簽本身的動態性。

標簽本身的動態性：一般是指標簽的更新頻率，例如身份信息，基本是不會變的；用戶近30分鐘的切換設備數量，這種是30分鐘要重新統計的。

標簽在風險中的影響力：舉個例子，30分鐘內用戶切換設備超過3個，這個不能定義為用戶有風險；30分鐘內用戶切換了虛擬設備超過3個，這個可以認定為用戶有風險。因此前者的實時性要求不高，但后者就要求實時。

因此，在實戰中，跟風控規則強關聯的，往往是實時性要求高的。

2. 標簽的完整度

是否所有的用戶，標簽體系都要建設成一樣的，比如活躍用戶和剛注冊的新戶是否一樣？

這里，需要借助一個分類思想：業務場景 – 用戶角色 – 用戶價值 – 用戶風險度，將此定義為一個空間，每往下走一級，則建設的標簽內容就不一樣。這個方式，有助于后續不斷枚舉并迭代補充遺漏的信息維度。

3. 標簽的區分度

實際上，不是每個標簽都會被用到，也不是每個標簽都能代表用戶，也就是無效標簽。往往建設一個標簽，用該標簽對用戶進行分層，無論是閾值多少，發現動不動就是80%+的用戶被圈在一起，這就代表該標簽是無效的。

這里有一個小的檢驗方式，即通過該標簽 + 風險閾值，將用戶進行白戶、黑戶、灰戶的分層，如果其實現的比例接近1:8:1，則代表該標簽具有一定的區分度。

當然，像年齡、城市、性別這些基礎中的基礎標簽，是不能使用這種方式的。

四、總結

其實，用戶畫像實際上不只有一種，上面的觀點論述，更多還是在賬號維度出發，給到大家的更多是一個方法論的介紹。在實戰中，還有設備畫像、IP畫像、手機號畫像、訂單畫像等多種風險畫像。

畫像這個產品，從早期的滿足業務需求下進行創建標簽，到龐大標簽庫下的創建變量，未來的方向希望是能夠自出創造標簽給到業務方使用。

而在創造標簽這個方向上，對于風控團隊而言，除了需要加強自身的風險挖掘能力之外，還需要工程側提供一套標準的、快捷的驗證標簽的產品流程，后續將會為大家介紹下這套流程的構建方式。

本文由 @話多的熊仔 原創發布于人人都是產品經理，未經許可，禁止轉載。

題圖來自 Unsplash，基于CC0協議