大數據揭秘：誰在薅互聯網金融的羊毛

卒于“羊毛黨”，P2P公司的一大死因

2014年6月，廣州新成立一家互聯網金融公司。為了吸引消費者購買自己的理財產品，這家公司發行了價值2個億的各類優惠券。但僅僅不到半年的時間，公司便宣告倒閉。原來這些優惠券，全部都被一個“人”搶走了，確切的說，是一個5000人的“羊毛黨”團隊。

他們搶了優惠券后，全部用于購買期限在半年內兌換的理財產品，而金融公司在短期內沒有足夠的資金應對，最終導致破產。

在互聯網金融行業中，類似這樣被“羊毛黨”傷害的例子還有很多。

羊毛黨，起源于互聯網金融的P2P平臺，是指那些專門選擇互聯網渠道的優惠促銷活動，以低成本甚至零成本換取物質上的實惠的人。拼搶這些促銷活動的行為被稱為“薅羊毛”。具體到互聯網金融公司的業務，就是很多在手機App中搶紅包、代金券的羊毛黨對互聯網金融有什么影響?有什么辦法可以識別出他們么?

進階的羊毛黨，已開始規模化專業化

我們TalkingData團隊根據羊毛黨的不同特點將他們劃分成了四個類型。

初級羊毛黨多是一些“愛占小便宜”的散客，他們常常是零散進行薅羊毛活動。中級羊毛黨常通過一些羊毛群獲得相關資訊，積極參加薅羊毛活動，開始呈現出一種松散的組織形態。初級和中級羊毛黨都屬于第一代羊毛黨，是“業余玩家”。

第三類是“專職羊毛黨”，他們是工具化的“職業玩家”，屬于第二代羊毛黨。一方面，他們會使用代理IP讓反欺詐系統無法判斷它的位置;另一方面，他們還使用大量的虛擬號自動注冊。甚至有專門的收碼平臺幫你輸入驗證碼，費用從每次1毛到2.5毛不等。

最高級的第四類是“團長羊毛黨”，屬于第三代羊毛黨。他們是羊毛黨中的“正規軍”，有組織、有紀律，利用手中的羊毛聯盟等資源進行刷單刷量，獲取經濟效益。有一家團長羊毛黨公司，憑借幾千萬個蘋果賬號刷單規模，他們可以決定每日Appstore中游戲的下載排名。一個月僅App刷量業務就可以達到兩三個億的流水，收入非常可觀。

“大數據”羊毛黨，靠大數據識別

越過層層反欺詐手段、利用大量的id和帳號進行刷單……仔細一看，這些羊毛黨也可以算是“大數據公司”了。那么對付“大數據公司”，當然也要用大數據的手段。針對不同客戶的需求，我們在實踐中總結出了一套完整的“羊毛黨反欺詐評分模型”。

我們從設備物理地址、App內部行為信息、交易信息、App競品安裝情況等四個維度大數據信息，構建了評分模型。這套模型主要用了圖數據庫(graphdatabase)技術，它可以通過點和邊把所有數據連在一起，便于發現數據中的關系。Neo4j是目前較優秀的一款圖數據庫開源軟件，在處理關系型數據時效率很高。

如果想看一個設備上有多少個用戶數。原始的數據庫是很難看出規律的，但如果用關系型數據庫做一些圖譜計算和可視化處理，模型就好看多了。

上圖中紅點代表了一個手機設備，其他顏色的則代表了不同的元素。從圖中可以清晰地看出，這一個手機設備通過多次刷機形成了19臺虛擬設備，這19臺設備注冊了19個賬號完成了19次薅羊毛行動的數據軌跡。這是通過設備物理地址來判斷羊毛黨的案例之一。

其次，App內的點擊行為也可以是判斷依據。由于羊毛黨都是機器操作，它們在App中瀏覽優惠券并點擊的時間間隔要遠小于普通用戶，而且往往一旦搶到紅包就再也不登錄了。通過這些特點我們可以找出一些疑似羊毛黨。

此外，注冊和交易時間間隔，單個用戶參與活動頻率，交易頻次，提現頻率、營銷返現、刷訂單等行為，都是羊毛黨反欺詐評分模型的判斷依據。通過這個模型，公司就可以將所有用戶打分，找出不同類型的羊毛黨。

讓人“又愛又恨”的羊毛黨

羊毛黨雖然讓很多互聯網金融公司遭受了巨大損失，但是這些公司也并不想將羊毛黨們“趕盡殺絕”。因為一定數量的羊毛黨能夠有效幫助那些處在成長期的互聯網金融公司，為它們快速積累用戶規模和交易規模，推動平臺快速發展。這些數據的提升可以作為企業下一步找風投的融資籌碼。

但這也是一枚硬幣的正反面：羊毛黨如果太多，就會大大加大互聯網金融公司的獲客成本，使他們無法接觸到自己的目標客戶，甚至發生惡性擠兌，導致公司破產。

所以互聯網金融公司對于羊毛黨的感情是愛恨交織的：一方面要屏蔽掉那些“專職羊毛黨”和“團長羊毛黨”，另一方面又要吸引第一代羊毛黨幫助提升流量和用戶數。基于圖數據庫的“羊毛黨反欺詐評分模型”能夠幫助企業識別出它“愛”的羊毛黨，拒絕那些它“恨”的羊毛黨。