如何通过数据指标判断刷单司机 - 商业数据分析03 作业

打车软件的优惠券大战时期，投资人的钱大笔大笔的砸，用户们都开开心心的拿着优惠券做免费车，没办法，培养使用习惯时期，用户粘性比一切都重要。可是与此同时，很多司机发现虽然是优惠券付款，却可以体现出真金白银，这其中必然存在一些规则漏洞，而利用这些漏洞，应该有一些可以套利的机会。事实上，当时通过刷单行为获取高额现金收益的也不在少数，作为运营方，在推广期要如何避免这些刷单行为呢？或者说，如何通过数据来识别判断出谁在利用系统漏洞赚钱呢？

先看看一个普通用户的优惠券使用场景：

1. 抢到红包中的优惠券
2. App 内下单
3. 司机端接单
4. 司机成功接到乘客
5. 行驶至目的地
6. 使用优惠券结账（通常加少量现金）

刷单用户呢，一定会在交易频次，交易金额，交易地点等行为上与普通用户不同，具体哪里不同呢？我们可以根据以上的使用步骤分析刷单用户，他们也许会出现这样几个非常规动作：

1. 每天抢很多的打车红包；
2. 连续多天连续下打车订单；
3. 同样的一位或几位司机频繁接单；
4. GPS 记录与司机端记录不符；
5. 行程与GPS 记录偏移较高；
6. 结账使用现金比例极低。

作为期望刷单的司机，可能刷单的方式大概有如下几种：

1. 两个手机，在接到线下订单时使用同一手机同时下线上订单，订单与真实行程相符；
2. 两个手机，互相下单，订单与真实行程不符；
3. 熟人群，在接到线下订单时线上熟人同时下单，订单与真实行程相符；
4. 熟人群，互相下单，订单与真实行程不符；

从上表可以看到，司机如果追求更高的刷单收益，必然伴随着更多的数据异常，也就更容易被识别到，低收益的刷单行为相对隐蔽，但也不是不可识别。

了解了刷单用户的行为，下一步就是根据行为来设定预警指标，也可以从乘客行为和司机行为两方面来设定：

乘客方：

1. 订单产生量：连续多日超过限定值；
2. 优惠券/现金支付比：极低；
3. GPS记录 与司机GPS 记录重合度：极低；
4. GPS 记录与预期行程重合度：极低；
5. 司机重复接单率：极高；

司机方：

1. 乘客重复接单率：极高；
2. GPS记录 与订单路线重合度：极低；
3. GPS 记录与乘客 GPS 记录重合度：极低；
4. 优惠券/现金收益比：极低。

通过以上预警指标，分别设定参数与权重，建立一个预警模型，就可以在发现订单异常时及时的采取措施。

---

本文为 泰阁志-解密大数据 学习笔记，了解更多请关注微信“泰阁志”