用历史申请记录测试欺诈规则

导入带已知结果的历史申请记录,再添加几条规则。查看每条规则和整套规则会识别出哪些欺诈,又会拦下哪些客户。

申请数据文件

已读取申请记录:2,000 条,其中已知欺诈 77 条、已知好客户 1,718 条。

文件只在当前浏览器中读取,不会上传。规则会随链接传递,数据不会。若通过邮件获取结果,邮件只包含数量。

规则可使用的字段:application_id, amount, email_domain, device_age_days, account_age_days, ip_country, phone_country。

示例数据包含 2,000 条生成的申请记录和四条示例规则。

全部规则净收益

€105,360
欺诈检出率96.1%
好客户误报率8.2%
精确率34.4%

规则识别出 77 条已知欺诈中的 74 条,共标记 232 条申请,其中 141 条是好客户。

识别出的欺诈与被标记的好客户

规则

且

任一规则命中,申请即会被标记。同一规则中的条件须全部满足。“属于以下值之一”可用逗号分隔多个值。

规则结果

规则被标记检出的欺诈被标记的好客户被标记的未知样本精确率欺诈检出率误报率仅此规则命中的欺诈净额
新设备10448441252.2%62.3%2.6%5€70,240
临时邮箱302703100.0%35.1%0.0%0€40,500
首笔贷款金额较大37306183.3%39.0%0.3%2€44,760
境外 IP1525195634.9%66.2%5.5%8€72,700
全部规则232741411734.4%96.1%8.2%€105,360

通过邮件获取结果

下一步是在每笔新申请上运行同一规则集,并在发布前用历史决策测试每项改动。开始试用

查看公式
精确率 = 检出的欺诈 ÷ (检出的欺诈 + 被标记的好客户)
欺诈检出率 = 检出的欺诈 ÷ 所有已确认欺诈
误报率 = 被标记的好客户 ÷ 所有已确认的好客户
仅此规则命中的欺诈 = 检出的欺诈, 未被其他规则标记
净额 = 检出的欺诈 × 每笔欺诈损失 − 被标记的好客户 × 每个好客户的成本

数据只来自文件中的历史结果。之后才发现的欺诈,以及规则原本可能劝退的欺诈,不在统计范围内。

用历史数据测试欺诈规则

工具将每条欺诈规则应用于结果已知的历史申请,展示检出的欺诈、被标记的好客户、精确率、欺诈检出率、误报率,以及每条规则独有的命中。

这些数据反映规则应用于该文件时的结果。放贷机构可以比较检出的欺诈和被标记的好客户,再用历史决策测试每次调整,然后上线。

欺诈规则常见问题

如何用历史数据测试欺诈规则?

上传 CSV 文件,或粘贴历史申请数据,并指定一列标记欺诈或好客户。根据文件中的字段编写规则,查看每条规则及整套规则会命中哪些申请。

欺诈规则的精确率和欺诈检出率分别是什么?

精确率是结果已知且被标记的申请中,欺诈申请所占的比例。欺诈检出率是规则检出的欺诈占全部欺诈的比例。

如何计算欺诈规则的误报率?

误报率等于被标记的好客户数除以好客户总数。工具会分别展示每条规则和全部规则的误报率。

为什么要看规则独有的命中?

独有命中是仅被该规则标记的欺诈,能看出这条规则在规则集中的额外贡献。

如何权衡欺诈损失和被标记的好客户?

净额等于检出的欺诈数乘以单笔欺诈损失,再减去被标记的好客户数乘以每位好客户的成本。工具会分别计算每条规则和全部规则的净额。