谁在薅我们的羊毛?

2020 年 2 月 27 日 人人都是产品经理

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达


活动最怕遇上羊毛党,一旦被羊毛党盯上,轻则遭受经济损失,重则商家、店铺破产。那么为了避免遭受损失,我们又该如何避免被“薅羊毛”呢?本文将向大家分享了一份“方法论+案例”,帮助大家找出羊毛党。

作者:菜菜

微信公众号:菜菜唠产品(ID:caicailaochanpin)

题图来自 Unsplash,基于 CC0 协议

全文共 4011 字,阅读需要 9 分钟


—————— BEGIN ——————

大到头部平台(如去年的拼多多和京东),小到电商平台里的个体户,为了引流,提高转化率,许多平台会选择通过一些优惠福利吸引用户。

然而,羊毛党的存在,却让企业和商家面临着巨大的威胁。

投入上百万甚至上千万的活动资金,结果却被羊毛党迅速薅光。比如:去年的京东和拼多多,拼多多被羊毛党薅取优惠券,后来因为被薅取的优惠券和正常优惠券的总和突破了平台预设阈值,系统监控到异常并自动报警后,被发现才修复了漏洞。

羊毛党表面上看像是贪图小利,但是其实羊毛圈已经发展出一套专业的作战模式。

本文将通过一个方法论和一个案例来解析如何查出究竟谁在薅羊毛。

一、如何找到羊毛党?

1. 找到1:找到一个具有明显特征的一个人或者一个设备

  • 发现数据异常:异常的增高且无理由流量 ,这种肯定是有问题的。

  • 工作人员观察:无论是产品还是运营,相信大家平时都会观察自己产品的数据。

  • 人工举报:比如内容型的或者社交类型的产品,会有来自其他用户的举报。

2. 找到模式:分析找到的这个1的运作模式或者是所具备到特征

1)明确其目的

刷量:

比如说刷渠道量,播放量、阅读量这些关键指标,这种行为呢,他有一些特征:比如说他刷播放量,那就一直看视频,很难产生一些其他的特征。

薅羊毛:

比如:我们平台有些返现的红包,补贴,他的特征是有大量的新用户,来到我们的平台不干什么其他事儿,直接进到套现的流程,没有任何后续的行为路径。

spam:

垃圾广告,我们的产品里面有哪些地方是可以发表内容出来给别人看的。

在这个关键的地方去看用户的调用频次或者是发表内容的重复度,可以快速的找到一个他们做坏事儿的基本模式是什么样的。

(2)观察其特征

机刷:

比如说,有些是机刷,机刷不同于真人,就是模拟器或者是真机,但是是机器在操作这些真机。

像这种的有很多特征可以被暴露出来,比如:设备信息、所处的地理位置、手机传感器的数据(比如:摆在机架上的手机如果没有去做模拟的话,手机是不会动的)。

另外,也可以通过我们自己产品接口的调用次数去判断

比如说:一个正常的用户进来,先访问的是首页的接口,然后再去看一个宝贝的详情页,最后加入购物车,但是如果是机器的话,它可能是写好的一套程序——从哪进来、几秒钟后干什么——基本都是这种复制粘贴的操作。

人肉刷:

如果你平台的羊毛比较多,在利益的驱使下,他们会在全国各地的群里去发动这样的任务,人肉刷找出他们比较难,但是还是有一些特征的。

我们可以用前面讲到的行为序列分析法去观察——

人肉刷的话这些羊毛党还是特忙的,他们不会在一个平台上停留太多时间,他们在发布任务时,比如说:第一步首页,第二步某商品详情页,第三步直接购买,第四步购买成功。

这种行为序列是高度一致的,所以,我们可以通过前面讲过的行为序列分析法去观察。

(3)观察不同维度的特征

多:

有些东西明显变多,比如说做直播的时候 ,有些用户会去薅新用户的羊毛——像一些平台,注册的新用户会有奖励红包,一般我们会限制红包的使用途径,比方说,如果是直播类的产品只能去买东西或者打赏主播,不能直接提现。

但有一种情况,羊毛党让自己的一个同伙去直播,其他的同伙去打赏,把所有的新用户的红包打赏给这个同伙主播,然后再变现。

但这一点还是可以发现的——一个新主播突然多了成千上万个新用户关注、打赏,而且都是用红包打赏的,这种行为明显是异常的。

少:

比如有些人他就是来薅羊毛的, 薅了就跑,但他们都是通过某一个特定的渠道,或某一些特定的属性的。

比如:我们会发现这个渠道或这个属性的用户,留存特别的低,或者是说一些非核心业务他们从来不访问,有时候我们找到一个可疑群体之后,拿不准的时候,这也是一个很好的方法。

比如说:像帮助页面,正常情况下不怎么会用到它,但是从概率上来说,我们划分一个群体总有一些人会使用到。

但是如果我们找到了一个群体,他们只使用核心业务流程,所有的非核心业务(比如帮助页面)他们都不使用,这个时候多半是验证了我们的猜想,这是一个有问题的群体。

3. 找到N:通过这个模式和特征,找到更多用户

研发童鞋爬取并人工审核:让研发的同事根据前面我们发现的规则去匹配出来,然后人工进行最终的审核。

4. 一网打尽:把这些用户提取出来

封:

封禁账号或封禁这个账号的权限(不让他提现,不让买东西,不让其发表内容),或者是发出来的内容屏蔽掉。

或者是定向屏蔽,定向屏蔽他看不出来他被屏蔽了(这样不会把他逼急了去看其他的事情,这是一个比较有智慧的手段)。

这里说一个小故事:

年三十那天晚上,我发了一个有关新冠肺炎的朋友圈,就被微信官方定向屏蔽了,我自己能看到这条朋友圈,用家人的手机看不到,哈哈…不得不说这是一个非常智慧的手段。

提高关键成本:

把刷的成本变高,比如:

  • 事前:注册7日后方可发帖。

  • 事中:减少存在bug的商品的库存。

  • 后期:已经薅了,所有的利益都有一个出口,我们可以提高提现的审核力度和周期,也提高他的成本 。

不做处理:

有些时候有一些垃圾量可以做处理,但是为了做这个处理,而投入的成本还比不上把他们端掉之后带来的好处,可以不做处理。

二、案例解析:如何查出谁在薅羊毛?

还记得以前摩拜和ofo的红包大战吗?

为了获取更多的用户,ofo也是想尽办法——在ofo小黄车的客户端,显示车辆的分布地图上也出现了大量的红包图标,还附带“红包策略”——只要用户在指定区域解锁汽车,就能随机获得现金红包。

要求很简单,只要满足“骑行10分钟,距离达到500米以上”即可,而且随时提现。如果将车放入指定位置,那么红包的面值将会极大提高。

而这一次单车“江湖”掀起的“腥风血雨”,又给了不少“羊毛党”一次有机可乘的机会,因ofo自身存在的平台漏洞,最终导致连日亏损上千万。

下面我们通过上面的方法论,来查出谁在薅羊毛:

1. 找到1

点击分布分析,时间选择2018年10月10日到10月31日,选择任意事件的次数,查看用户一天内进行任意事件的次数,选择一天内进行任意事件50次以上的数据,点击查看用户列表。

任意选择一个用户,查看其行为序列,发现此用户在5分钟内共解锁和锁定活动单车14次,而且每次解锁和锁定活动单车的间隔时间没有超过1分钟。

根据活动,骑出地铁站500米范围后,锁定活动车辆才算完成任务——1分钟内从解锁单车到骑行500米再锁定单车根本不现实,但是此用户做到了,还领了红包。

所以,通过以上可以分析出此户为异常用户。

2. 找到模式

展开行业序列可以看出:用户从解锁单车到锁定单车只用了15秒,而经纬度却发生了很大的变化 。

由下面4张图可以看出:不但用户的id还相似,并且解锁和锁定活动单车的时间和次数也基本一样。

所以,可以还判断此类用户是用了模拟器,同时登录很多账号刷红包奖励的。

3. 找到N

通过分布分析,查看一天内进行解锁活动单车次数为50次以上的用户。

查看用户列表,发现用户distinct_id都是309开头的6位数;随机抽取几个用户,发现他们每次解锁和锁定活动单车的间隔时间没有超过1分钟,且发现这些用户在5分钟内共解锁和锁定活动单车在14次左右,所以,判断其是“团伙作战”。

再抽查一天内解锁活动单车次数为20-30次的用户,发现除了309开头的6位数distinct_id的用户,还有部分4开头的istinct_id为6位数的用户,查看用户详情,发现此类用户的作弊手段与309开头的用户不一样。

309开头的用户作弊地铁站基本都在一个地铁站,而此类用户作弊地铁站跨度很大,如下图。

通过高德地图查出,鼓楼大街地铁站距宣武门地铁站间距7站,乘坐地铁需要19分钟(图三),骑行 需要36分钟(图二)而此用户在这两站解锁单车的时间只相隔10分钟。

4. 一网打尽

筛选出至少符合下面任意一个条件的用户:

  • 在5分钟内完成两次及以上骑行任务且领到红包的用户。

  • 一个ID同时解锁两个单车的用户。

  • 10分钟内完成两次骑行任务领到红包的用户,且两次骑行任务是在不同的地铁站完成。

首先创建漏斗分析,漏斗步骤为:

第一步,解锁活动单车

第二步,锁定活动单车

第三步:解锁活动单车

第四步,锁定活动单车

漏斗窗口期为5分钟,筛选出符合这个条件的用户,并导出。

由下图可知,满足此条件的用户的匿名id都是极度相似,有745个,id从309245至310000.因此,可以判断出这批用户为羊毛党。

由以上分析可知,对于团队用户,基本都是一个人对应多部手机以及几十个账号,账号极度相似。

所以,可以判定此类id并非我平台真正的用户,封号即可,封号的范围为id从309245至310000,共745个id。

三、如何应对羊毛党

1. 预防羊毛党

  • 设置利益获取上限:比如像上面的某单车的红包活动,需要考虑到一个正常的用户最多能够完成的量,并设置上限。

  • 提高参与门槛:像上面的红包车活动,设置活动门槛,比如注册时间满7天才能参与此次活动,而不是所有用户都能参与。

  • 设置防范风险提示:制定规则,比如在活动期间如果有人恶意刷单违规操作,平台有权取消其参与的资格或者相应的奖励。

  • 避免直接利益:一般情况下,红包可直接提现,是羊毛党的最爱,可以用购物优惠券或者会员卡抵用券的形式,这种情况下,羊包党的即得利益就会少一些,兴趣也会小很多。

  • 加强风控机制:活动时,首先要考虑到如果有羊毛党的大批量涌入服务器的承载力,为服务器扩容。其次,加强黑客防范技术,避免平台有漏洞被黑客攻击。

2. 发现羊毛党

  • 跟踪数据:关注数据是每一个产品汪或者运营喵的日常工作,特别是在活动期间,我们要密切的跟踪数据,这样能第一时间发现数据异常。

  • 关注网络舆论:在平台的活动规则被羊毛党关注时,通常在网络上会有一些相关的消息,比如百度上、薅羊毛群里。

好啦,以上就是关于如何查出谁在薅羊毛的分享,希望能给大家提供一些思路和灵感,欢迎交流。

—————— / END / ——————


每个「在看」,都是一次鼓励 ▼

登录查看更多
0

相关内容

【拼多多——多实惠,多乐趣】 拼多多,拼团类社交电商的领导者,是国内目前主流的手机购物APP。用户通过发起和朋友,家人,邻居等的拼团,以更低的价格,拼团购买商品。旨在凝聚更多人的力量,用更低的价格买到更好的东西,体会更多的实惠和乐趣。
专知会员服务
80+阅读 · 2020年6月20日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
【实用书】流数据处理,Streaming Data,219页pdf
专知会员服务
76+阅读 · 2020年4月24日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
深度神经网络实时物联网图像处理,241页pdf
专知会员服务
76+阅读 · 2020年3月15日
IBM《人工智能白皮书》(2019版),12页PDF,IBM编
专知会员服务
20+阅读 · 2019年11月8日
告别 PS !3 行代码 5 秒搞定抠图的 AI 神器!
程序人生
6+阅读 · 2019年7月11日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
每个架构师都应该培养业务思维
InfoQ
3+阅读 · 2019年4月21日
已删除
架构文摘
3+阅读 · 2019年4月17日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
基于Web页面验证码机制漏洞的检测
FreeBuf
7+阅读 · 2019年3月15日
如何入门并成为一名出色的算法工程师?
无监督学习才不是“不要你管”
MOOC
4+阅读 · 2018年4月13日
谈谈用户画像
caoz的梦呓
10+阅读 · 2017年8月17日
嘿,这是本应属于你的“红包”!
腾讯
3+阅读 · 2017年7月13日
Arxiv
3+阅读 · 2018年10月25日
Arxiv
6+阅读 · 2018年7月12日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
8+阅读 · 2018年1月19日
Arxiv
6+阅读 · 2018年1月14日
VIP会员
相关VIP内容
专知会员服务
80+阅读 · 2020年6月20日
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
【实用书】流数据处理,Streaming Data,219页pdf
专知会员服务
76+阅读 · 2020年4月24日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
机器学习速查手册,135页pdf
专知会员服务
338+阅读 · 2020年3月15日
深度神经网络实时物联网图像处理,241页pdf
专知会员服务
76+阅读 · 2020年3月15日
IBM《人工智能白皮书》(2019版),12页PDF,IBM编
专知会员服务
20+阅读 · 2019年11月8日
相关资讯
告别 PS !3 行代码 5 秒搞定抠图的 AI 神器!
程序人生
6+阅读 · 2019年7月11日
用户研究:如何做用户画像分析
产品100干货速递
44+阅读 · 2019年5月9日
每个架构师都应该培养业务思维
InfoQ
3+阅读 · 2019年4月21日
已删除
架构文摘
3+阅读 · 2019年4月17日
我是怎么走上推荐系统这条(不归)路的……
全球人工智能
11+阅读 · 2019年4月9日
基于Web页面验证码机制漏洞的检测
FreeBuf
7+阅读 · 2019年3月15日
如何入门并成为一名出色的算法工程师?
无监督学习才不是“不要你管”
MOOC
4+阅读 · 2018年4月13日
谈谈用户画像
caoz的梦呓
10+阅读 · 2017年8月17日
嘿,这是本应属于你的“红包”!
腾讯
3+阅读 · 2017年7月13日
相关论文
Arxiv
3+阅读 · 2018年10月25日
Arxiv
6+阅读 · 2018年7月12日
Arxiv
25+阅读 · 2018年1月24日
Arxiv
8+阅读 · 2018年1月19日
Arxiv
6+阅读 · 2018年1月14日
Top
微信扫码咨询专知VIP会员