关注
“
金科应用研院
”
，回复“
礼包
”
领取
风控资料合集
文末有惊喜小福利，记得看到底呦
交易欺诈防控埋点设计和特征分析在防控交易欺诈中起到至关重要的作用。埋点设计能够精准捕捉用户交易行为数据，为欺诈识别提供基础；而特征分析则能深入挖掘数据中的欺诈模式，提升欺诈识别的准确性和效率，从而有效防范交易欺诈风险。
下面从三个方面来认识交易欺诈防控中的核心环节
1.交易欺诈特点和常见指标
2.交易欺诈防控埋点设计
3.交易欺诈策略常用特征分析方法
作案方式隐蔽：作案手法隐蔽，难以被察觉。
团伙作案普遍：团伙作案，成员之间分工明确，配合默契
作案时间集中：选择特定的时间段进行集中作案，如节假日、网购高峰期
跨境犯罪增多：信用卡交易欺诈呈现出跨境犯罪的趋势
技术手段先进：欺诈分子不断采用新的技术手段进行作案，如伪造网站、伪造邮件、钓鱼软件等
下面主要介绍几个在交易欺诈中常见的指标：
欺诈覆盖率：
欺诈覆盖率通常指的是在所有交易活动中，被识别为欺诈交易的比例。这个指标是衡量风控策略是否合适的一个重要指标。
拦截率：
拦截率是指在风控决策建议中，针对疑似欺诈交易进行拦截操作所占的百分比。
退款率：
因欺诈交易而导致的退款比例。
交易欺诈防控埋点设计是指在交易过程中，通过预先设定的数据收集点（即埋点）来收集和分析用户行为、交易数据等信息，以识别和预防潜在的欺诈行为，是防控交易欺诈中十分重要的一环。
埋点设计思路一：现有业务决定风控流程
一般情况下，商户或者平台的业务流程已经确定了，再确定风控流程，这种先后的顺序决定了风控服务于业务，也就是我们要在现有的业务环节下去设计风控环境，比如哪些环节容易出现纰漏，哪些环节容易被黑灰产入侵的。
埋点设计思路二：协助业务制定流程规避风险
比较适合运用在新模式，或者新的项目，协助业务制定新的流程去规避比较明显的风险。
交易大致流程就是，客户进入到平台注册，成为一个账户，然后到登录账户，到选购商品，购物车下单，确认信息，再到最后的售后环节。环节越往后，我们能获取到的用户信息越多。风控手段和埋点的布局应该更靠前，能拦截到的风险也就越多。
换句话来说，你的风控手段和埋点布置在交易完成后，那样起到的作用就很小了。上图中所有环节的信息都能成为我们布置埋点的一个选择。
基础字段：也就是我们肉眼可见的信息，这些信息从系统上都是比较容易获取的，如下图：
行为字段：可以理解为基础字段的组合关联字段，举几个例子：
行为字段举例1：同一个收货国家的卡号超过xx个
行为字段举例2：同一个收货国家在xx天内的卡号超过xx个
行为字段举例1：同一个人名的卡bin超过xx个
行为字段举例2：同一个人名在xx天内的卡bin超过xx个
行为字段举例1：注册时间在xx天内的卖家下，交易的买家均为注册时间xx天内。
行为字段举例2：注册时间在xx天内的卖家下，交易的买家均为注册时间xx天内的买家账户数量超过xx个。
分析特征的目的是为了了解特征，布控策略，让策略更合适，更好地去防范交易欺诈。下面从策略上线前中后来介绍几个特征分析方法。
聚类分析法：通过将交易数据划分为不同的群组或类别，梳理出来一条条特征，形成特征点，在梳理到一定的特征点后，就可以形成特征集，以揭示潜在的欺诈模式和行为特征。数据字段越多，涉及维度越广，越精准，我们能够看出来的特征也就更多更准确。
有了特征集之后，我们就要考虑在上线策略的时候怎么定特征集的一个阈值，主要有斜率法。
斜率法：基于数据的斜率变化来检测边缘或突变点。斜率表示数据点之间变化的速率，通过计算相邻数据点之间的斜率，并设定一个阈值，当斜率超过这个阈值时，就认为检测到了一个边缘或变化点（即异常点）。
ABtest：策略上线后，要对策略上线前用聚类分析方法找出来的各种不同的特征集，去进行AB测试。比如.特征集1：同卡bin的订单数量超过xx，特征集2：同买家的卡片数量超过xx。
如果想了解更多关于交易欺诈埋点数据应用实操，请关注FAL-知识星球第32期大咖课。
感谢Joey
的精彩分享～如果你喜欢、想要看更多的干货类型的文章，可以把公众号设为星标🌟，顺便转发分享～
FAL长期对外征稿，邀请各大风控人士加入我们，在风控圈分享你的经验与知识
👉
征稿，快到碗里来，有稿费那种！
感谢您看到这里
微信公众号对话框回复
“小福利”
领取粉丝专属优惠券
