160萬人薅羊毛 大數據風控治不了他們？

金評媒JPM

ID：JPMMedia

關注

在一些羊毛黨眼裡，網貸行業已成為詐騙者競相追逐的「蛋糕」。

這兩年，隨著網路借貸行業快速發展，羊毛黨也逐步壯大。據了解，目前羊毛黨已形成15個以上工種、160餘萬從業人員、產業規模不低於1000 億元人民幣的產業鏈。

羊毛黨的興起，也讓網貸欺詐行為層出不窮。統計數據顯示，每100個拒貸案件中大約有16起涉及不同程度的蓄意造假或欺騙。由於線上造假成本低廉，詐騙技術不斷更新，代辦公司迅速崛起，社會個人徵信體系不完善等原因，網貸行業已成為詐騙者競相追逐的「蛋糕」。

進階中的三代羊毛黨

所謂「羊毛黨」，是指有選擇地參與各互聯網渠道的優惠促銷活動，以相對較低的成本甚至零成本換取物質上實惠的人群。界定羊毛黨的關鍵特徵是，多頻率、有組織地在單次營銷活動中多次獲取優惠金額的的行為，其實質是由於其薅羊毛的行為侵佔了其他用戶本應享受的活動優惠。

近年來，羊毛黨非常猖獗。幾年前，廣州的一家互聯網金融公司為了獲客，發行了價值2個億的各類優惠券。但在不到半年的時間，公司便宣告倒閉。原來這些優惠券，全部都被一個5000人的「羊毛黨」團隊搶走了。他們搶了優惠券後，全部用於購買期限在半年內兌換的理財產品，而金融公司在短期內沒有足夠的資金應對，最終導致破產。

《數字金融反欺詐白皮書》顯示：

目前，羊毛黨已形成15餘工種、160餘萬從業人員、產業規模不低於1000億元人民幣的產業鏈，分工明確、合作流程成熟，並且逐漸向隱蔽、專業、精準方向發展。

根據一家第三方大數據服務公司的觀察，進階的羊毛黨，已開始規模化專業化：

第一代羊毛黨多是一些「愛佔小便宜」的散客，他們常常是零散進行薅羊毛活動，屬於「業餘玩家」。

第二代羊毛黨是工具化的「職業玩家」。一方面，他們會使用代理IP讓反欺詐系統無法判斷它的位置；另一方面，他們還使用大量的虛擬號自動註冊，甚至有專門的收碼平台幫你輸入驗證碼，費用從每次1毛到2.5毛不等。

第三代羊毛黨是「團長羊毛黨」，屬於羊毛黨中的「正規軍」，他們有組織、有紀律，利用手中的羊毛聯盟等資源進行刷單刷量，獲取經濟效益。

這種惡意羊毛黨團伙是很多金融機構搞營銷的天敵，別說是風控技術較弱的民營平台，就算是銀行信用卡中心搞紅包、返利這些活動，有時候也會遇到這些人的狙擊，最後專項營銷費用超過50%甚至高達70%都進了他們的口袋。

防範惡意欺詐的三種方式

在一次行業沙龍中，資深互金專家鮑先森介紹，目前市場上常用的防範惡意欺詐的方式主要有三種。

第一種是利用黑名單機制，來拒絕一些惡意欺詐人獲得貸款。但是黑名單共享機制時效差，並且很多平台不太願意共享自己的黑名單。另外，黑名單覆蓋率較低也是一個挑戰。

第二種是利用共享貸款數據機制，第三方企業或者大的P2P、防欺詐聯盟共享貸款平台的貸款記錄。其他貸款平台可以依據申請人在其他平台的貸款記錄來決定是否提供貸款，降低欺詐風險。但是這種方式對於最先受理惡意欺詐的貸款平台是無效的，原因是沒有其他平台的貸款記錄，無法識別出貸款者是否屬於惡意欺詐。

第三種是藉助於平台自己的風控模型，依據壞種子歸納出來的規律，識別出惡意欺詐申請者。這種方式基本採用信息驗證，特徵匹配，行為分析等方式來識別出貸款用戶是否屬於惡意欺詐。企業利用風險評分卡來對用戶進行評估，依據評分結果來決定是否貸款給客戶。

目前，借貸平台常用的一招是，要求讀取借款人的通訊錄、簡訊。其主要目的，就是從通訊錄中尋找是否有加入「黑名單」的人——比如已證實的騙貸者或老賴。而讀取簡訊是為了尋找多個平台借款的線索：譬如，其他借貸平台的驗證碼、逾期催款信息等。如果這些都存在，無疑，這個借款者是「高危」的。

一些平台還需要半年的銀行流水，證明自己有固定工資。還有一些平台要求讀取郵件，其目的，就是查看用戶是否有信用卡。一般能通過銀行的審核，辦下信用卡的，是借貸者的重要加分項。

在鮑先森看來，從地理位置切入防範欺詐，也是一個非常不錯的選擇。

「做電商、淘寶的知道，傳統的欺詐地就是泉州，任何一個在淘寶商戶上買商品的人，如果IP地址對應的是泉州，基本上淘寶會給他打一個星號，這個人會經過兩重以上的審核判斷。不過，現在這個技術已經從泉州輸出到成都和鄭州了。」

從數據的角度來看，鄭州的借貸市場欺詐現象較多，其次是成都。

從風控角度講，「我可以解決你有錢不還的問題，但解決不了你想還但是沒錢的問題」。具體來說，通過數據可以判斷這個人有錢但不還，比如你有房產、有汽車、有消費；但有些人本來就沒錢，那怎麼還？

另外一種情況是，有些平台為爭取流量，主動放低風險「門檻」，這時候大數據風控也是無能為力。

大數據風控靠不靠譜？

根據鮑先森的分析，大數據風控同傳統風控在本質上沒有區別，主要區別在於風控模型數據輸入的緯度和數據關聯性分析。

據了解，傳統金融機構在找合格貸款人時，基本上都會依賴還款能力做風控，形成一套傳統風控，重要的輸入維度有個人學歷、職業、收入、資產、信用記錄和交易流水等。另外，用得最多的是個人信用評分卡，計算學歷、職業、月流水年齡進行佔比打分。

相比之下，在互聯網金融領域，大多數平台由於沒有接入人行徵信系統，無法拿到客戶全維度信用信息，在實施信用風險評估時，僅能夠依靠客戶提供信息進行驗證。

毋庸置疑，大數據風控的一個最大的優勢就是豐富了信用風險評估的數據緯度，可以提供全面的數據（數據的廣度），強相關數據（數據的深度），實效性數據（數據的鮮活度）。但是它不能取代傳統風控的模型和數據，信用風險評估最好的數據還是金融數據，就是人行徵信系統里的數據。

從實際情況看，互聯網金融企業的信用損失體現在兩個方面：一個是客戶惡意欺詐，另外一是客戶信貸違約。數據顯示，惡意欺詐佔了60%左右。

「有一批專門薅羊毛的人，利用互聯網金融企業的營銷漏洞，通過新用戶註冊，用戶推薦，積分兌換，短期投資來攥取超額收入。很多互聯網金融企業風險控制部門主要任務就是找出羊毛黨，拒絕他們的貸款請求。」

據鮑先森介紹，「惡意欺詐基本上以團伙作案為主，並且這些人越來越聰明，技術手段越來越先進，越來越進化，很難找到公共特徵，也很難歸納，不容易及時發現。」

由於惡意欺詐的共性信息較少，互聯網金融公司只能依靠自己的業務不斷積累，利用自己平台積累的數據和種子來解決這個問題。

「中國缺少個人徵信評分，造成客戶信貸違約成本較低，個人貸款的違約，目前對客戶的正常社會生活和商業行為影響不大。」鮑先森說。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！