怎么做恶意刷单检测——数据分析面试刷题1

前言：

近日刷一波数据分析师面试题，学习别人的建议，总结和提升自己的思维。

01 自己思路

1.恶意刷单什么意思？是竞争对手恶意购买产品进行差评？
2.刷单：就是找人购买、评价、好评、晒图、差评；
3.选择因素：销量、好评、差评、地区；
4.把一整年的单量找出来，从每个月、每个星期开始，根据销量、好评、差评、地区做分段，查出的每个时间段的频率；
5.对频率进行分析，查看其密度值；
6.使用折线图，频率过高，差评量异常过高，就有可能是恶意刷单。

02 别人参考

分类问题用机器学习方法建模解决，我想到的特征有：
1）商家特征：商家历史销量、信用、产品类别、发货快递公司等；
2）用户行为特征：用户信用、下单量、转化率、下单路径、浏览店铺行为、支付账号；
3）环境特征(主要避免机器刷单)：地区、ip、手机型号；
4）异常值检测：ip地址经常变动、经常清空cookie信息、账号近期交易成功率上升等；
5）评论文本检测：刷单的评论文本可能套路较为一致，计算与已标注评论文本的相似度作为特征；
6）图片相似度检测：同理，刷单可能重复利用图片进行评论。

03 个人总结

1.消费者：进入后、浏览店铺、下单、转化、评论、用户信用、支付账号；
2.商家：产品类别、历史销量、评论量(文本、图片)。