<menuitem id="fbl3r"></menuitem>
      <var id="fbl3r"><ol id="fbl3r"><nobr id="fbl3r"></nobr></ol></var>
      <menuitem id="fbl3r"></menuitem>

        <var id="fbl3r"><ol id="fbl3r"></ol></var>
          <meter id="fbl3r"><ol id="fbl3r"></ol></meter>

          <menuitem id="fbl3r"></menuitem>
              <var id="fbl3r"><ol id="fbl3r"><nobr id="fbl3r"></nobr></ol></var>
              <menuitem id="fbl3r"></menuitem>

                <var id="fbl3r"><ol id="fbl3r"></ol></var>
                  <meter id="fbl3r"><ol id="fbl3r"></ol></meter>

                  <menuitem id="fbl3r"></menuitem>
                      <var id="fbl3r"><ol id="fbl3r"><nobr id="fbl3r"></nobr></ol></var>
                      <menuitem id="fbl3r"></menuitem>

                        <var id="fbl3r"><ol id="fbl3r"></ol></var>
                          <meter id="fbl3r"><ol id="fbl3r"></ol></meter>

                          如何查出誰在薅羊毛?

                          15天0基礎極速入門數據分析,掌握一套數據分析流程和方法,學完就能寫一份數據報告!了解一下>>

                          活動最怕遇上羊毛黨,一旦被羊毛黨盯上,輕則遭受經濟損失,重則商家、店鋪破產。那么為了避免遭受損失,我們又該如何避免被“薅羊毛”呢?本文將向大家分享了一份“方法論+案例”,幫助大家找出羊毛黨。

                          大到頭部平臺(如去年的拼多多和京東),小到電商平臺里的個體戶,為了引流,提高轉化率,許多平臺會選擇通過一些優惠福利吸引用戶,然而,羊毛黨的存在,卻讓企業和商家面臨著巨大的威脅。

                          投入上百萬甚至上千萬的活動資金,結果卻被羊毛黨迅速薅光,比如去年的京東和拼多多,拼多多被羊毛黨薅取優惠券,后來因為被薅取的優惠券和正常優惠券的總和突破了平臺預設閾值,系統監控到異常并自動報警后被發現才修復了漏洞。

                          羊毛黨表面上看像是貪圖小利,但是其實羊毛圈已經發展出一套專業的作戰模式。

                          本文將通過一個方法論和一個案例來解析如何查出究竟誰在薅羊毛。

                          一、如何找到羊毛黨?

                          1. 找到1:找到一個具有明顯特征的一個人或者一個設備

                          發現數據異常:異常的增高且無理由流量 ,這種肯定是有問題的。

                          工作人員觀察:無論是產品還是運營,相信大家平時都會觀察自己產品的數據。

                          人工舉報:比如內容型的或者社交類型的產品,會有來自其他用戶的舉報。

                          2. 找到模式:分析找到的這個1的運作模式或者是所具備到特征

                          (1)明確其目的

                          刷量:

                          比如說刷渠道量,播放量、閱讀量這些關鍵指標,這種行為呢,他有一些特征:比如說他刷播放量,那就一直看視頻,很難產生一些其他的特征。

                          薅羊毛:

                          比如我們平臺有些返現的紅包,補貼,他的特征是有大量的新用戶,來到我們的平臺不干什么其他事兒,直接進到套現的流程,沒有任何后續的行為路徑。

                          spam:

                          垃圾廣告,我們的產品里面有哪些地方是可以發表內容出來給別人看的。在這個關鍵的地方去看用戶的調用頻次或者是發表內容的重復度,可以快速的找到一個他們做壞事兒的基本模式是什么樣的。

                          (2)觀察其特征

                          機刷:

                          比如說,有些是機刷,機刷不同于真人,就是模擬器或者是真機,但是是機器在操作這些真機。

                          像這種的有很多特征可以被暴露出來,比如設備信息、所處的地理位置、手機傳感器的數據(比如:擺在機架上的手機如果沒有去做模擬的話,手機是不會動的)。

                          另外也可以通過我們自己產品接口的調用次數去判斷,比如說,一個正常的用戶進來,先訪問的是首頁的接口,然后再去看一個寶貝的詳情頁,最后加入購物車,但是如果是機器的話,它可能是寫好的一套程序——從哪進來、幾秒鐘后干什么——基本都是這種復制粘貼的操作

                          人肉刷:

                          如果你平臺的羊毛比較多,在利益的驅使下,他們會在全國各地的群里去發動這樣的任務,人肉刷找出他們比較難,但是還是有一些特征的。

                          我們可以用前面講到的行為序列分析法去觀察——

                          人肉刷的話這些羊毛黨還是特忙的,他們不會在一個平臺上停留太多時間,他們在發布任務時,比如說:第一步首頁,第二步某商品詳情頁,第三步直接購買,第四步購買成功。

                          這種行為序列是高度一致的,所以,我們可以通過前面講過的行為序列分析法去觀察。

                          (3)觀察不同維度的特征

                          多:

                          有些東西明顯變多,比如說做直播的時候 ,有些用戶會去薅新用戶的羊毛——像一些平臺,注冊的新用戶會有獎勵紅包,一般我們會限制紅包的使用途徑,比方說,如果是直播類的產品只能去買東西或者打賞主播,不能直接提現。

                          但有一種情況,羊毛黨讓自己的一個同伙去直播,其他的同伙去打賞,把所有的新用戶的紅包打賞給這個同伙主播,然后再變現。

                          但這一點還是可以發現的——一個新主播突然多了成千上萬個新用戶關注、打賞,而且都是用紅包打賞的,這種行為明顯是異常的。

                          少:

                          比如有些人他就是來薅羊毛的, 薅了就跑,但他們都是通過某一個特定的渠道,或某一些特定的屬性的,比如我們會發現這個渠道或這個屬性的用戶,留存特別的低,或者是說一些非核心業務他們從來不訪問,有時候我們找到一個可疑群體之后,拿不準的時候,這也是一個很好的方法。

                          比如說像幫助頁面,正常情況下不怎么會用到它,但是從概率上來說,我們劃分一個群體總有一些人會使用到。

                          但是如果我們找到了一個群體,他們只使用核心業務流程,所有的非核心業務(比如幫助頁面)他們都不使用,這個時候多半是驗證了我們的猜想,這是一個有問題的群體。

                          3. 找到N:通過這個模式和特征,找到更多用戶

                          研發童鞋爬取并人工審核:讓研發的同事根據前面我們發現的規則去匹配出來,然后人工進行最終的審核。

                          4. 一網打盡:把這些用戶提取出來

                          封:

                          封禁賬號或封禁這個賬號的權限(不讓他提現,不讓買東西,不讓其發表內容),或者是發出來的內容屏蔽掉。

                          或者是定向屏蔽,定向屏蔽他看不出來他被屏蔽了(這樣不會把他逼急了去看其他的事情,這是一個比較有智慧的手段)。

                          這里說一個小故事:

                          年三十那天晚上,我發了一個有關新冠肺炎的朋友圈,就被微信官方定向屏蔽了,我自己能看到這條朋友圈,用家人的手機看不到,哈哈…不得不說這是一個非常智慧的手段。

                          提高關鍵成本:

                          把刷的成本變高,比如:

                          事前:注冊7日后方可發帖。

                          事中:減少存在bug的商品的庫存。

                          后期:已經薅了,所有的利益都有一個出口,我們可以提高提現的審核力度和周期,也提高他的成本 。

                          不做處理:

                          有些時候有一些垃圾量可以做處理,但是為了做這個處理,而投入的成本還比不上把他們端掉之后帶來的好處,可以不做處理。

                          二、案例解析:如何查出誰在薅羊毛?

                          還記得以前摩拜和ofo的紅包大戰嗎?

                          為了獲取更多的用戶,ofo也是想盡辦法——在ofo小黃車的客戶端,顯示車輛的分布地圖上也出現了大量的紅包圖標,還附帶“紅包策略”——只要用戶在指定區域解鎖汽車,就能隨機獲得現金紅包。

                          要求很簡單,只要滿足“騎行10分鐘,距離達到500米以上”即可,而且隨時提現。如果將車放入指定位置,那么紅包的面值將會極大提高。

                          而這一次單車“江湖”掀起的“腥風血雨”,又給了不少“羊毛黨”一次有機可乘的機會,因ofo自身存在的平臺漏洞,最終導致連日虧損上千萬。

                          下面我們通過上面的方法論,來查出誰在薅羊毛:

                          1. 找到1

                          點擊分布分析,時間選擇2018年10月10日到10月31日,選擇任意事件的次數,查看用戶一天內進行任意事件的次數,選擇一天內進行任意事件50次以上的數據,點擊查看用戶列表。

                          任意選擇一個用戶,查看其行為序列,發現此用戶在5分鐘內共解鎖和鎖定活動單車14次,而且每次解鎖和鎖定活動單車的間隔時間沒有超過1分鐘。

                          根據活動,騎出地鐵站500米范圍后,鎖定活動車輛才算完成任務,但是1分鐘內從解鎖單車到騎行500米再鎖定單車根本不現產,但是此用戶做到了,還領了紅包,所以,通過以上可以分析出此戶為異常用戶。

                          2. 找到模式

                          展開行業序列可以看出,用戶從解鎖單車到鎖定單車只用了15秒,而經緯度卻發生了很大的變化 。

                          由下面4張圖可以看出,不但用戶的id還相似,并且解鎖和鎖定活動單車的時間和次數也基本一樣,所以,可以還判斷此類用戶是用了模擬器,同時登錄很多賬號刷紅包獎勵的。

                          3. 找到N

                          通過分布分析,查看一天內進行解鎖活動單車次數為50次以上的用戶,查看用戶列表,發現用戶distinct_id都是309開頭的6位數,隨機抽取幾個用戶發現他們每次解鎖和鎖定活動單車的間隔時間沒有超過1分鐘,且發現這些用戶在5分鐘內共解鎖和鎖定活動單車在14次左右,所以,判斷其是“團伙作戰”。

                          再抽查一天內解鎖活動單車次數為20-30次的用戶,發現除了309開頭的6位數distinct_id的用戶,還有部分4開頭的istinct_id為6位數的用戶,查看用戶詳情發現此類用戶的作弊手段與309開頭的用戶不一樣。

                          309開頭的用戶作弊地鐵站基本都在一個地鐵站,而此類用戶作弊地鐵站跨度很大,如下圖,通過高德地圖查出,鼓樓大街地鐵站距宣武門地鐵站間距7站,乘坐地鐵需要19分鐘(圖三),騎行 需要36分鐘(圖二)而此用戶在這兩站解鎖單車的時間只相隔10分鐘。

                          4. 一網打盡

                          篩選出至少符合下面任意一個條件的用戶:

                          1. 在5分鐘內完成兩次及以上騎行任務且領到紅包的用戶,
                          2. 一個id同時解鎖兩個單車的用戶,
                          3. 10分鐘內完成兩次騎行任務領領到紅包的用戶且兩次騎行任務是在不同的地鐵站完成。

                          首先創建漏斗分析,漏斗步驟為:

                          • 第一步,解鎖活動單車
                          • 第二步,鎖定活動單車
                          • 第三步:解鎖活動單車
                          • 第四步,鎖定活動單車

                          漏斗窗口期為5分鐘,篩選出符合這個條件的用戶,并導出。

                          由下圖可知,滿足此條件的用戶的匿名id都是極度相似,有745個,id從309245至310000.因此,可以判斷出這批用戶為羊毛黨。

                          由以上分析可知,對于團隊用戶,基本都是一個人對應多部手機以及幾十個賬號,賬號極度相似,所以可以判定此類id并非我平臺真正的用戶,所以封號即可,封號的范圍為id從309245至310000,共745個id。

                          三、如何應對羊毛黨

                          1. 預防羊毛黨

                          1. 設置利益獲取上限:比如像上面的某單車的紅包活動,需要考慮到一個正常的用戶最多能夠完成的量,并設置上限。
                          2. 提高參與門檻:像上面的紅包車活動,設置活動門檻,比如注冊時間滿7天才能參與此次活動,而不是所有用戶都能參與。
                          3. 設置防范風險提示:制定規則,比如在活動期間如果有人惡意刷單違規操作,平臺有權取消其參與的資格或者相應的獎勵。
                          4. 避免直接利益:一般情況下,紅包可直接提現,是羊毛黨的最愛,可以用購物優惠券或者會員卡抵用券的形式,這種情況下,羊包黨的即得利益就會少一些,興趣也會小很多。
                          5. 加強風控機制:活動時,首先要考慮到如果有羊毛黨的大批量涌入服務器的承載力,為服務器擴容。其次,加強黑客防范技術,避免平臺有漏洞被黑客攻擊。

                          2. 發現羊毛黨

                          1. 跟蹤數據:關注數據是每一個產品汪或者運營喵的日常工作,特別是在活動期間,我們要密切的跟蹤數據,這樣能第一時間發現數據異常。
                          2. 關注網絡輿論:在平臺的活動規則被羊毛黨關注時,通常在網絡上會有一些相關的消息,比如百度上、薅羊毛群里。

                          好啦,以上就是關于如何查出誰在薅羊毛的分享,希望能給大家提供一些思路和靈感,歡迎交流。

                           

                          本文作者:菜菜,公眾號:菜菜嘮產品(caicailaochanpin),歡迎關注~

                          本文由 @菜菜 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。

                          給作者打賞,鼓勵TA抓緊創作!
                          評論
                          歡迎留言討論~!
                          1. 做網賺的朋友大部分是羊毛黨吧

                            回復
                          用手机怎么挣钱靠谱的 718| 295| 580| 985| 622| 259| 100| 526| 58| 202| 208| 694| 37| 622| 313| 970| 727| 754| 124| 769| 796| 574| 214| 919| 493| 370| 43| 703| 574| 340| 790| 208| 238| 163| 982| 664|