推荐计划上线后,推荐订单很快涨了起来。但仔细一看:很多「新客户」的收货地址和推荐人一样;有个推荐人一个月带来了 60 个新客户,全部只买了最便宜的商品;有些订单拿到优惠后就退货了。
推荐计划的奖励是真金白银,自然会吸引一些人钻空子。这篇文章讲常见的作弊方式、衡量指标和防范方法。
常见的作弊方式
| 方式 | 表现 |
|---|---|
| 自我推荐 | 用自己的另一个邮箱注册,推荐自己下单,同时拿推荐人和被推荐人两份奖励 |
| 多账号刷奖励 | 批量注册账号,用同一个地址、同一张卡下单 |
| 优惠码外泄 | 把推荐码发到优惠券网站,被大量陌生人使用,推荐人拿到大量奖励 |
| 退货套利 | 被推荐人下单拿到优惠、推荐人拿到奖励后,订单被退货或取消 |
| 老客户冒充新客户 | 老客户换个邮箱,作为「新客户」使用首单优惠 |
几个指标
| 指标 | 公式 | 意思 |
|---|---|---|
| 疑似欺诈推荐数 | 被规则或人工标记为可疑的推荐 | 需要审核的推荐有多少 |
| 推荐欺诈检出率 | 确认为欺诈的推荐 ÷ 疑似欺诈推荐 | 你的规则判断得准不准 |
| 无效推荐数 | 因取消、退货、违反规则而作废的推荐 | 不应该发放奖励的推荐 |
| 奖励滥用率 | 因作弊被错误发放的奖励金额 ÷ 推荐奖励总额 | 有多少奖励被浪费 |
- 推荐欺诈检出率太低:标记了很多可疑推荐,但大部分是正常的,规则太严,影响正常客户的体验;
- 奖励滥用率高:规则太松,作弊没有被拦住。
识别可疑推荐的信号
| 信号 | 说明 |
|---|---|
| 推荐人和被推荐人的收货地址相同或非常接近 | 可能是自我推荐,但也可能是家人,需要判断 |
| 使用同一张支付卡或同一个 PayPal 账户 | 自我推荐的强信号 |
| 同一个设备、IP 注册多个账号 | 多账号 |
| 邮箱格式相似(例如 name+1@、name+2@) | 批量注册 |
| 某个推荐人短时间内推荐了异常多的新客户 | 可能是优惠码外泄或刷单 |
| 被推荐的订单金额都刚好达到最低门槛 | 只是为了拿奖励 |
| 被推荐订单的退货率异常高 | 退货套利 |
防范方法
1. 设计规则时就堵住漏洞
- 延迟发放奖励:推荐人的奖励在被推荐订单过了退货期之后才发放,退货的订单自动作废;
- 设置最低订单金额:被推荐人的首单需要达到一定金额才算有效推荐;
- 只限新客户:用邮箱、地址、支付方式判断是否真的是第一次购买;
- 设置奖励上限:每个推荐人每月最多获得多少奖励;
- 奖励用店铺积分或优惠券:而不是现金,降低作弊的动力。
2. 用工具自动检测
大部分推荐计划工具都有基本的防作弊功能:检测相同的邮箱、IP、设备、地址,自动标记或拦截可疑推荐。上线时检查这些功能是否开启。
3. 定期人工审核
每周或每月看一次:
- 推荐数量最多的前几位推荐人;
- 被标记为可疑的推荐;
- 推荐订单的退货率。
发现推荐码出现在优惠券网站上,可以停用这个推荐码,并联系推荐人。
4. 在规则里写清楚
在推荐计划页面写明:什么情况算有效推荐、什么情况会取消奖励。这样处理违规时有依据,也能减少争议。
不要误伤正常客户
家人、室友推荐给彼此,可能共用一个地址;同一个办公室的同事,可能使用同一个 IP。规则太严,会让正常的推荐变得很麻烦,反而降低推荐计划的效果。
建议:
- 对单个信号(例如相同 IP)只标记、不自动拦截;
- 多个信号同时出现(同一张卡 + 同一个地址 + 同一个设备)时再拦截;
- 对被拦截的客户提供申诉方式。
每月一张检查表
| 月份 | 推荐总数 | 疑似欺诈 | 确认欺诈 | 检出率 | 无效推荐 | 奖励滥用率 |
|---|---|---|---|---|---|---|
总结
- 常见作弊:自我推荐、多账号、优惠码外泄、退货套利、老客户冒充新客户。
- 用疑似欺诈数、检出率、无效推荐数、奖励滥用率衡量问题。
- 规则上延迟发放奖励、设置门槛和上限,工具上开启自动检测,定期人工审核。
- 单一信号只标记,多个信号同时出现再拦截,避免误伤正常客户。
推荐计划的整体设计方法见 老带新推荐计划怎么设计,相关指标的定义可以在 指标库的推荐计划板块 查到。
毕瑞出海BerightDigital微信扫码关注,视频和文章同步更新