CN110298563A

CN110298563A - 一种判别风险订单的统计方法

Info

Publication number: CN110298563A
Application number: CN201910517931.1A
Authority: CN
Inventors: 韩强; 杜小莎; 刘伟从; 王浩; 韩友师
Original assignee: Dajiang Network Technology (shanghai) Co Ltd
Current assignee: Dajiang Network Technology (shanghai) Co Ltd
Priority date: 2019-06-14
Filing date: 2019-06-14
Publication date: 2019-10-01

Abstract

一种判别风险订单的统计方法，所述方法包括以下步骤：S1、采集用户在近期历史时间内的订单信息；S2、采集用户在近期历史时间内的订单配送信息；S3、统计订单和配送信息，设定风险订单判定标准；S4、通过风险判定标准识别风险用户和风险订单；S5、对风险用户及风险订单进行处理。本发明通过用户历史最近下单行为和配送信息，进而识别风险订单，根据用户历史上N天或者当天下单经纬度，下单金额，是否购买同品类，品类的时效性，以及订单的配送信息，累计规则达到指定阈值，对于用户继续下单，根据配置的时间维度阈值而进行识别风险用户和风险订单，对风险用户和风险订单识别精度高，可有效防止风险订单的发生。

Description

一种判别风险订单的统计方法

技术领域

本发明涉及互联网技术领域，尤其涉及一种判别风险订单的统计方法。

背景技术

随着网络技术的发展，网络服务器可以凭借其强大的处理性能来并行地为大量访问用户提供信息服务，例如诸如软件下载、网上聊天、网上购物等等。然而在访问网络服务器的用户中，常存在一些使用技术手段损害他人权益的恶意用户。对于大型电商平台，每时每刻都有大量的订单成交。在大量的交易中，隐藏着少部分来自不法分子的欺诈交易。这些欺诈交易可能是不合理的刷单行为，可能是欺诈者盗用合法用户的账号后进行的欺诈交易，或者盗用他人***后进行欺诈消费等等。

针对上述情况，大型电商平台需要实时地监测订单安全性。目前采用的订单安全监测方法大多针对订单主体，识别下单用户及其关联的支付账号是否有安全风险。然而随着业务的增加及技术水平的提高，欺诈者对于风险控制的反侦测水平在逐步提升，因此电商平台需要尽可能使用各种方法从不同角度对订单风险进行识别与控制。

为解决上述问题，本申请中提出一种判别风险订单的统计方法。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种判别风险订单的统计方法，通过用户历史最近下单行为和配送信息，对风险用户和风险订单识别精度高，可有效防止风险订单的发生。

(二)技术方案

为解决上述问题，本发明提供了一种判别风险订单的统计方法，所述方法包括以下步骤：

S1、采集用户在近期历史时间内的订单信息；

S2、采集用户在近期历史时间内的订单配送信息；

S3、统计订单和配送信息，设定风险订单判定标准；

S4、通过风险判定标准识别风险用户和风险订单；

S5、对风险用户及风险订单进行处理。

优选的，所述步骤S1采集用户在近期历史时间内的订单信息包括：

S11、采集用户在近期历史时间内浏览商品信息；

S12、采集用户在近期历史时间内购物订单信息；

S13、采集用户在近期历史时间内完成交易订单信息。

优选的，，所述S12采集用户在近期历史时间内购物订单信息包括下单经纬度、下单金额、是否购买同品类和品类的时效性。

优选的，所述步骤S2采集用户在近期历史时间内的订单配送信息包括：

S21、采集用户在近期历史时间内订单位移信息；

S22、采集用户在近期历史时间内骑士配送距离和费用；

S23、采集用户在近期历史时间内订单收件人信息。

优选的，所述步骤S3统计订单和配送信息，设定风险订单判定标准包括：

S31、低金额订单占比大于40％；

S32、订单位移异常占比大于40％；

S33、接单骑士集中。

优选的，所述步骤S4通过风险判定标准识别风险用户和风险订单包括：

S41、通过过往订单和配送信息判断风险用户；

S42、根据再次下单信息判断风险订单；

S43、对风险用户进行圈定，集中处理。

优选的，所述步骤S5对风险用户及风险订单进行处理包括：

S51、对圈定风险用户进行黑名单管理；

S52、针对风险用户下达的风险订单予以取消。

优选的，所述S42根据再次下单信息判断风险订单为金额低于10元，且实付与骑士收入金额差额>＝3元的订单。

优选的，所述S43对风险用户进行圈定，集中处理包括确定风险用户，取消该用户订单和初次下单对用户进行圈定，再次下单对用户进行确定并取消该次下单。

本发明的上述技术方案具有如下有益的技术效果：通过用户历史最近下单行为和配送信息，进而识别风险订单，根据用户历史上N天或者当天下单经纬度，下单金额，是否购买同品类，品类的时效性，以及订单的配送信息，累计规则达到指定阈值，对于用户继续下单，根据配置的时间维度阈值而进行识别风险用户和风险订单；通过低金额订单占比40％以上、订单位移异常占比大于40％和接单骑士集中的标准对风险用户进行圈定，通过风险用户再次下单的金额以及实付与骑士收入金额差额的统计，对风险订单进行判定，方便及时取消风险订单，本发明对风险用户和风险订单识别精度高，可有效防止风险订单的发生。

附图说明

图1为本发明提出的一种判别风险订单的统计方法的结构示意图。

图2为图1中步骤S1采集用户在近期历史时间内的订单信息的结构示意图。

图3为图1中步骤S2采集用户在近期历史时间内的订单配送信息的结构示意图。

图4为图1中步骤S3统计订单和配送信息，设定风险订单判定标准的结构示意图。

图5为图1中步骤S4通过风险判定标准识别风险用户和风险订单的结构示意图。

图6为图1中步骤S5对风险用户及风险订单进行处理的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1-6所示，本发明提出的一种判别风险订单的统计方法，所述方法包括以下步骤：

S1、采集用户在近期历史时间内的订单信息；通过采集用户在历史时间段内的订单信息判断用户购物倾向和购物频率，有利于对用户购物情况进行识别；

S2、采集用户在近期历史时间内的订单配送信息；通过对用户订单的配送信息的采集判断用户实际购物信息，有利于对风险用户和风险订单的判别；

S3、统计订单和配送信息，设定风险订单判定标准；通过统计订单和配送信息，分析订单和配送信息情况并根据订单和配送信息相关数据制定风险评判标准，有利于对对风险用户和风险订单的判别；

S4、通过风险判定标准识别风险用户和风险订单；根据风险评定标准对店铺相关用户进行风险判断，并对用户订单进行风险识别；

S5、对风险用户及风险订单进行处理，通过对用户订单和配送信息统计，并根据风险评判标准判断出风险用户和风险订单，通过及时处理防止风险订单的发生。

在一个可选的实施例中，所述步骤S1采集用户在近期历史时间内的订单信息包括：

S11、采集用户在近期历史时间内浏览商品信息；通过用户浏览商品的信息判断用户购物倾向，有利于对风险用户加以识别；

S12、采集用户在近期历史时间内购物订单信息；通过用户的浏览信息和购物订单信息的对比获取用户购物倾向和频率，根据购物频率对用户风险购物加以识别，有利于提高识别准确度；

S13、采集用户在近期历史时间内完成交易订单信息；用户在历史时间段内进行的购物订单包括交易完成的订单和退回取消的订单，通过对交易完成订单的信息采集判断用户购物交易完成率，通过订单交易完成率的高低对风险交易加以识别。

在一个可选的实施例中，，所述S12采集用户在近期历史时间内购物订单信息包括下单经纬度、下单金额、是否购买同品类和品类的时效性。下单经纬度可以判断用户正常购买倾向和购物范围，购物下单的金额判断用户正常购物花费，是否购买同品类产品和同品类产品的使用时效可以判断用过对该类产品的需求，通过多方面信息的采集可以更精确的判断用户是否为风险用户，从而降低风险订单的发生。

在一个可选的实施例中，所述步骤S2采集用户在近期历史时间内的订单配送信息包括：

S21、采集用户在近期历史时间内订单位移信息；用户购物后需要通过快递将购买物件运送到用户手中，通过对订单物品快递位移信息判断用户购物运输路径，有利于判断是否为正常购物，例如发生多次异常订单位移信息，且位移信息均不同，则将该用户进行标记重点评判；

S22、采集用户在近期历史时间内骑士配送距离和费用；某些刷单用户的订单存在无物件配送或配送距离极短，配送费用与实际订单不符，通过对配送距离和费用的信息判断风险订单，有利于提高风险订单判别精度；

S23、采集用户在近期历史时间内订单收件人信息，通过对用户订单收件人信息的统计，判断用户是否存在发生风险订单的情况，从而对用户风险进行判断。

在一个可选的实施例中，所述步骤S3统计订单和配送信息，设定风险订单判定标准包括：

S31、低金额订单占比大于40％；风险订单多是永不不正当订单或刷单之类，这种订单多以低金额交易为主，因此通过统计低金额订单数量可以对风险订单进行初步的判断；

S32、订单位移异常占比大于40％；对于风险订单或非正常订单，通常订单所购物件最终不会发送给用户，因此会存在订单位移情况的发生，通过统计订单位移情况异常的数量对风险订单进行进一步判断；

S33、接单骑士集中，因风险订单通常存在非正常订单运送，因此会出现接单骑士的集中化，接单骑士集中化的表现包括但不仅限于下单用户或收货人是骑士订单占比大于60％，通过这些数据对风险订单和用户进行判断。

在一个可选的实施例中，所述步骤S4通过风险判定标准识别风险用户和风险订单包括：

S41、通过过往订单和配送信息判断风险用户；通过对过往订单和配送信息的统计，根据风险判别标准对风险用户加以判断；

S42、根据再次下单信息判断风险订单；根据风险判别标准，对下单信息进行判断，判断下单信息是否符合风险判别的标准，对于订单信息和下单用户进行评判，识别风险用户；

S43、对风险用户进行圈定，集中处理，通过风险判别标准对风险用户进行圈定以及风险订单进行定位，针对风险用户和订单进行集中处理，有效避免风险订单的发生。

在一个可选的实施例中，所述步骤S5对风险用户及风险订单进行处理包括：

S51、对圈定风险用户进行黑名单管理；通过一系列数据统计分析以及对风险判断的标准对比，对存在风险的用户进行圈定，将其列入黑名单中限制对商铺的访问，从而有效避免风险用户生成风险订单；

S52、针对风险用户下达的风险订单予以取消，对于初步圈定的风险用户下达的风险订单，通过取消订单的方式及时避免订单生成，防止风险订单对商铺产生不利的影响。

在一个可选的实施例中，所述S42根据再次下单信息判断风险订单为金额低于10元，且实付与骑士收入金额差额>＝3元的订单，由于风险订单多属于低金额和接单骑士异常集中，因此通过对用户订单金额和骑士收入差额的信息判断风险用户，并对该风险用户的订单予以取消，防止风险订单的发生。

在一个可选的实施例中，所述S43对风险用户进行圈定，集中处理包括确定风险用户，取消该用户订单和初次下单对用户进行圈定，再次下单对用户进行确定并取消该次下单。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims

1.一种判别风险订单的统计方法，其特征在于，所述方法包括以下步骤：

S1、采集用户在近期历史时间内的订单信息；

S2、采集用户在近期历史时间内的订单配送信息；

S3、统计订单和配送信息，设定风险订单判定标准；

S4、通过风险判定标准识别风险用户和风险订单；

S5、对风险用户及风险订单进行处理。

2.根据权利要求1所述的一种判别风险订单的统计方法，其特征在于，所述步骤S1采集用户在近期历史时间内的订单信息包括：

S11、采集用户在近期历史时间内浏览商品信息；

S12、采集用户在近期历史时间内购物订单信息；

S13、采集用户在近期历史时间内完成交易订单信息。

3.根据权利要求2所述的一种判别风险订单的统计方法，其特征在于，所述S12采集用户在近期历史时间内购物订单信息包括下单经纬度、下单金额、是否购买同品类和品类的时效性。

4.根据权利要求1所述的一种判别风险订单的统计方法，其特征在于，所述步骤S2采集用户在近期历史时间内的订单配送信息包括：

S21、采集用户在近期历史时间内订单位移信息；

S22、采集用户在近期历史时间内骑士配送距离和费用；

S23、采集用户在近期历史时间内订单收件人信息。

5.根据权利要求1所述的一种判别风险订单的统计方法，其特征在于，所述步骤S3统计订单和配送信息，设定风险订单判定标准包括：

S31、低金额订单占比大于40％；

S32、订单位移异常占比大于40％；

S33、接单骑士集中。

6.根据权利要求1所述的一种判别风险订单的统计方法，其特征在于，所述步骤S4通过风险判定标准识别风险用户和风险订单包括：

S41、通过过往订单和配送信息判断风险用户；

S42、根据再次下单信息判断风险订单；

S43、对风险用户进行圈定，集中处理。

7.根据权利要求1所述的一种判别风险订单的统计方法，其特征在于，所述步骤S5对风险用户及风险订单进行处理包括：

S51、对圈定风险用户进行黑名单管理；

S52、针对风险用户下达的风险订单予以取消。

8.根据权利要求6所述的一种判别风险订单的统计方法，其特征在于，所述S42根据再次下单信息判断风险订单为金额低于10元，且实付与骑士收入金额差额>＝3元的订单。

9.根据权利要求6所述的一种判别风险订单的统计方法，其特征在于，所述S43对风险用户进行圈定，集中处理包括确定风险用户，取消该用户订单和初次下单对用户进行圈定，再次下单对用户进行确定并取消该次下单。