基于代驾司机刷冲单奖的风控方法与流程

本发明属于移动互联网出行风控，具体为基于代驾司机刷冲单奖的风控方法。

背景技术：

1、目前，代驾公司为了提高代驾司机(后续简称运力)的活跃度、提高乘客的下单量，通常会做各种各样的活动。目前市场上对活动的风控策略都较为笼统，对于冲单奖这类细分场景，还未有系统性的风控方案。

2、本方案中的冲单奖特指为了激励司机多多完单，设置的在一定时间范围内满足一定单量(一般有不同的完单阶梯有不同的奖励方式)之后会给司机发放对应的奖励。司机刷冲单奖的核心原因：司机收益成本大于刷单成本。收益成本主要是满足冲单奖后发放的权益(一般为金钱，少部分还会有司机质量分的提高)，刷单成本主要为时间成本、抽佣成本、后续可能被处置的成本(如封号后无法在平台接单带来的损失)。

技术实现思路

1、针对上述情况，为弥补上述现有缺陷，本发明提供了一种基于代驾司机刷冲单奖的风控方法，该方法通过系统化的方式识别代驾司机刷冲单奖的行为，并对司机做相应的处置降低司机后续刷单的可能。

2、本发明提供如下的技术方案：本发明提出的一种基于代驾司机刷冲单奖的风控方法，具体为，当系统配置了冲单奖活动后，对司机的完单进行监控及风险识别，检测出司机是否有刷冲单奖的风险；风险识别主要分为实时识别及离线识别，对于有刷冲单奖风险的订单和司机，不能参加营销活动，其次还需要根据实际情况，对司机进行相应的处置。

3、所述基于代驾司机刷冲单奖的风控方法，具体包括以下步骤：

4、s1、检测是否有冲单奖活动：订单完单之后，获取订单的基本信息，查看对应的城市是否有冲单奖活动，无冲单奖活动则直接结束；

5、s2、对于s1中有冲单奖活动的订单，需要做计算司机刷单风险等级的数据准备：

6、a.获取司机历史的刷单风险画像；

7、b.获取冲单奖的具体活动规则；

8、c.获取司机的抽佣信息；

9、d.获取司机当前订单的行驶轨迹；

10、e.获取司机近24小时的完单订单；

11、s3、依据s2中准备的数据，通过实时检测的方式计算司机刷冲单奖的风险等级；

12、s4、除了s3中所述的实时检测方式之外，需要采用t+1的离线定时任务计算司机是否有刷单风险；离线定时任务主要做聚类分析，关注下单ip、司乘匹配关系、乘客完单量，做对应的聚类分析；下单ip聚类分析记为a；司乘匹配关系聚类分析记为b；乘客完单量聚类分析记为c；

13、s5、对于s4中计算出来的司机风险，作如下风险检测策略：

14、(1)如果满足：(a&&b)||(a&&c)||(b&&c)，则标记司机“疑似刷营销活动风险”。

15、(2)如果满足(1)，获取冲单奖有效时间内的司机完单总数，匹配对应的冲单奖活动，计算预计司机有多少奖励收益，同时计算这些订单司机总的抽成金额，若奖励收益>司机的奖励收益，则标记司机“刷营销奖有直接收益”；

16、(3)如果(2)中司机被标记为“刷营销奖有直接收益”，则司机不能参加该次营销活动且更新司机刷冲单奖风险的历史画像为有风险；

17、s6、对新增的司机刷冲单奖风险的历史画像为有风险的司机，按照具体情况，执行进行相应的处置，包括但不限于教育处置、封禁处置、冻结账户处置。

18、进一步地，步骤s3中通过实时检测的方式计算司机刷冲单奖的风险等级的具体方式如下：

19、(1)查看当前订单是否疑似虚假订单：依据当前订单的行驶轨迹，计算订单的行驶时间、行驶里程、分段行驶速度，司机为了降低刷单的时间成本，一般作弊订单的时间和里程都会较短；也有可能使用一些mockgps的工具进行模拟，此时分段平均速度一般不太符合正常订单走走停停的特征、平均速度也可能过大；如果满足上述时间里程异常或者分段行驶速度异常，则记录该订单有“疑似虚假订单风险”；

20、(2)解析当前冲单奖活动的有效时间段，查询该时间段内司机所有的完单数据，计算这些订单中标记有“疑似虚假订单风险”的占比，若占比大于50％，则标记司机“疑似刷营销活动风险”；

21、(3)获取冲单奖有效时间内的司机完单总数，匹配对应的冲单奖活动，计算预计司机有多少奖励收益，同时计算这些订单司机总的抽成金额，若奖励收益>司机的奖励收益，则标记司机“刷营销奖有直接收益”；

22、(4)获取司机刷冲单奖风险的历史画像；

23、(5)如果司机有“疑似刷营销活动风险”标签或者司机刷冲单奖风险的历史画像为有风险，且当前订单有“疑似虚假订单风险”标签，则改定不能参加营销活动的计算；

24、进一步，若司机有“刷营销奖有直接收益”，则司机不能参加该次营销活动且更新司机刷冲单奖风险的历史画像为有风险。

25、进一步地，步骤s4中的具体分析如下：

26、下单ip聚类分析：通过聚类分析，找出下单ip为同一个且这个ip下单量大于10的订单及司机记作a类风险司机；

27、司乘匹配关系聚类分析：通过聚类分析，找出司乘多次匹配的司机记作b类风险司机；

28、乘客完单量聚类分析：通过聚类分析，筛选出聚合度大于3的乘客对应的司机记作c类风险司机。

29、进一步地，司乘匹配次数大于2即判定为司乘多次匹配。

30、采用上述结构本发明取得的有益效果如下：本发明提出的基于代驾司机刷冲单奖的风控方法，具有下述创新技术点：通过实时识别及离线识别相结合的系统化的方式识别代驾司机刷冲单奖的行为，并对司机做相应的处置降低司机后续刷单的可能，极大的规避了代驾司机刷冲单奖的风险。

技术特征：

1.基于代驾司机刷冲单奖的风控方法，其特征在于，具体为，当系统配置了冲单奖活动后，对司机的完单进行监控及风险识别，检测出司机是否有刷冲单奖的风险；风险识别主要分为实时识别及离线识别，对于有刷冲单奖风险的订单和司机，不能参加营销活动，其次还需要根据实际情况，对司机进行相应的处置；

2.根据权利要求1所述的基于代驾司机刷冲单奖的风控方法，其特征在于，步骤s3中通过实时检测的方式计算司机刷冲单奖的风险等级的具体方式如下：

3.根据权利要求1所述的基于代驾司机刷冲单奖的风控方法，其特征在于，步骤s4中的具体分析如下：

4.根据权利要求3所述的基于代驾司机刷冲单奖的风控方法，其特征在于，司乘匹配次数大于2即判定为司乘多次匹配。

技术总结
本发明公开了一种基于代驾司机刷冲单奖的风控方法，具体为，当系统配置了冲单奖活动后，对司机的完单进行监控及风险识别，检测出司机是否有刷冲单奖的风险；风险识别主要分为实时识别及离线识别，对于有刷冲单奖风险的订单和司机，不能参加营销活动，其次还需要根据实际情况，对司机进行相应的处置。本发明属于移动互联网出行风控技术领域，具体提供了一种基于代驾司机刷冲单奖的风控方法，该方法通过系统化的方式识别代驾司机刷冲单奖的行为，并对司机做相应的处置降低司机后续刷单的可能。

技术研发人员：于志杰
受保护的技术使用者：北京龙驹易行科技有限公司
技术研发日：
技术公布日：2024/3/17