基于統(tǒng)計(jì)分析程序?qū)λ涡袨榈膫蓽y(cè)預(yù)判
——以本福特定律檢測(cè)為例

吳才琴

福建警察學(xué)院，福建 福州 350007

刷單行為是指商家的虛假交易行為，一般是由商家通過(guò)付費(fèi)給刷單手或刷單軟件的經(jīng)營(yíng)者，批量生成虛假交易記錄和用戶(hù)評(píng)價(jià)，從而提高銷(xiāo)量數(shù)據(jù)和信譽(yù)度，進(jìn)而提高網(wǎng)店的搜索排名。在眾多同業(yè)、同行的激烈競(jìng)爭(zhēng)中，為了爭(zhēng)取更多消費(fèi)者的關(guān)注和成交機(jī)會(huì)，部分電商選擇通過(guò)刷單行為提高網(wǎng)店在電商平臺(tái)上的搜索排名，既誤導(dǎo)消費(fèi)者，又損害同業(yè)競(jìng)爭(zhēng)者的合法權(quán)利。刷單這一虛假交易行為，違反了《網(wǎng)絡(luò)交易管理辦法》第十四、十九、五十三條[1]及《中華人民共和國(guó)反不正當(dāng)競(jìng)爭(zhēng)法》第二十四條的規(guī)定[2]。近年來(lái)，刷單這一違法行為已經(jīng)引起市場(chǎng)監(jiān)管、公安及其他相關(guān)部門(mén)的重視。如今年伊始，市場(chǎng)監(jiān)管總局在全國(guó)范圍內(nèi)加大對(duì)網(wǎng)絡(luò)不正當(dāng)競(jìng)爭(zhēng)行為監(jiān)管力度，嚴(yán)厲打擊“刷單炒信”、虛假宣傳等不正當(dāng)競(jìng)爭(zhēng)行為，截至上半年，共查辦各類(lèi)不正當(dāng)競(jìng)爭(zhēng)案件3128件[3]。

在相關(guān)部門(mén)如公安部門(mén)打擊刷單行為的過(guò)程中，對(duì)刷單行為的研判是關(guān)鍵環(huán)節(jié)，然而刷單行為具有極大的隱蔽性，除了物流包裹是空包裹，其他交易記錄、商品評(píng)價(jià)和物流信息均由電商平臺(tái)和物流平臺(tái)真實(shí)生成，因此當(dāng)消費(fèi)者、電商平臺(tái)和相關(guān)監(jiān)督管理部門(mén)面對(duì)電商平臺(tái)上的海量數(shù)據(jù)時(shí)，難以對(duì)刷單行為進(jìn)行全面而系統(tǒng)的人工研判。本文基于數(shù)據(jù)治理的思想，通過(guò)本福特統(tǒng)計(jì)學(xué)定律對(duì)電商的大量銷(xiāo)售和評(píng)價(jià)數(shù)據(jù)進(jìn)行檢測(cè)，為今后公安及相關(guān)部門(mén)針對(duì)刷單行為的大數(shù)據(jù)治理及相關(guān)案件的電子物證痕跡偵測(cè)提供參考。

1 本福特定律原理及相關(guān)程序

本福特定律又稱(chēng)為“首位數(shù)字定律”。它是指當(dāng)統(tǒng)計(jì)數(shù)據(jù)足夠多時(shí)，開(kāi)頭數(shù)字是1的數(shù)據(jù)最多，大約占了所有數(shù)據(jù)的1/3，開(kāi)頭數(shù)字是2的數(shù)據(jù)其次，往后依此減少[4]。該定律通常用于財(cái)務(wù)審計(jì)、金融、選舉投票、人口統(tǒng)計(jì)、實(shí)驗(yàn)數(shù)據(jù)等方面的異常和規(guī)律的檢測(cè)，為查處造假和舞弊提供依據(jù)。

根據(jù)本福特定律首位數(shù)字d的概率公式[4]可以開(kāi)發(fā)出用于檢測(cè)數(shù)據(jù)造假的程序。目前，相關(guān)程序有在線(xiàn)測(cè)試和可供下載的xls、VBA等形式。這些程序通常要求輸入待檢的數(shù)據(jù)為十進(jìn)制，且待測(cè)數(shù)據(jù)達(dá)到足夠數(shù)量，統(tǒng)計(jì)學(xué)理論上要求3000個(gè)以上為佳，數(shù)據(jù)量越大判斷結(jié)果越準(zhǔn)確，因此適合于對(duì)大數(shù)據(jù)進(jìn)行初步檢測(cè)。在實(shí)際操作中，這些程序通常僅要求輸入30個(gè)以上數(shù)據(jù)，以超過(guò)100個(gè)為宜。人為編造的大數(shù)據(jù)不符合本福特定律，如按一定規(guī)則生成的價(jià)格、電話(huà)號(hào)碼、郵政編碼等，因此將人為編造的大數(shù)據(jù)輸入本福特檢驗(yàn)程序，輸出結(jié)果將顯示不能通過(guò)驗(yàn)證，由此可以判斷數(shù)據(jù)是自然生成還是人為編造。相關(guān)程序輸出結(jié)果通常為曲線(xiàn)圖形式，當(dāng)數(shù)據(jù)不符合本福特定律時(shí)，輸出曲線(xiàn)會(huì)明顯偏離標(biāo)準(zhǔn)曲線(xiàn)。此外，還有一些檢驗(yàn)程序會(huì)進(jìn)一步通過(guò)KS檢驗(yàn)、Z檢驗(yàn)和余弦相似性檢驗(yàn)直接輸出檢測(cè)結(jié)果是真是假。通常KS檢驗(yàn)、Z檢驗(yàn)過(guò)于嚴(yán)格，數(shù)據(jù)量沒(méi)有達(dá)到數(shù)學(xué)理論值或有些許偏差就會(huì)被判定為不符合本福特定律。所以當(dāng)數(shù)據(jù)量較少、影響因素較多時(shí)，這兩種檢驗(yàn)結(jié)果只能作為參考，建議結(jié)合余弦相似性檢驗(yàn)結(jié)果綜合判斷[5]。

2 應(yīng)用本福特定律檢測(cè)程序檢驗(yàn)電商數(shù)據(jù)

2.1 檢測(cè)數(shù)據(jù)的選擇

電商平臺(tái)上有海量的公開(kāi)數(shù)據(jù)，這些數(shù)據(jù)可能成為證明刷單行為的電子物證。數(shù)據(jù)的海量性不僅體現(xiàn)在數(shù)據(jù)量的巨大，也體現(xiàn)在數(shù)據(jù)的多樣性，如電商平臺(tái)上有評(píng)價(jià)日期、追評(píng)數(shù)目、銷(xiāo)量、成交量、評(píng)價(jià)者昵稱(chēng)、評(píng)價(jià)字?jǐn)?shù)、評(píng)價(jià)圖片數(shù)目、評(píng)價(jià)詞匯和圖片的相似度等多維度的數(shù)據(jù)。本文基于易于獲得、便于統(tǒng)計(jì)的原則，篩選出了評(píng)價(jià)日期和銷(xiāo)量數(shù)據(jù)這兩組具有檢驗(yàn)價(jià)值的數(shù)據(jù)進(jìn)行檢測(cè)。

2.2 檢測(cè)評(píng)價(jià)日期

隨機(jī)選擇淘寶自動(dòng)推薦的一款手機(jī)殼（該款手機(jī)上架時(shí)間短，價(jià)格沒(méi)有明顯波動(dòng)，手機(jī)殼銷(xiāo)售也不受季節(jié)影響且數(shù)據(jù)時(shí)間僅選擇一個(gè)月之內(nèi)的短跨度，盡量減少了波動(dòng)），將最近一個(gè)月的用戶(hù)評(píng)價(jià)日期（共計(jì)200條，日期選用淘寶顯示的“X天前”中的X值末兩位數(shù)，即數(shù)值范圍在0～29）輸入本福特定律.xls格式檢測(cè)程序，輸出結(jié)果如圖1所示，檢測(cè)程序判斷數(shù)據(jù)不符合本福特定律，余弦相似性約為0.86，相似程度分值為0，其中，評(píng)價(jià)日期尾數(shù)為1、4、5的小數(shù)值占比與本福特分布的標(biāo)準(zhǔn)值偏差較大，且尾數(shù)為1的評(píng)價(jià)日期占比顯著低于標(biāo)準(zhǔn)值。

圖1 某款手機(jī)殼用戶(hù)評(píng)價(jià)日期的本福特定律檢測(cè)結(jié)果

作為對(duì)照，選擇手機(jī)在天貓官網(wǎng)的評(píng)價(jià)日期（官網(wǎng)評(píng)價(jià)僅有78條）進(jìn)行測(cè)評(píng)，結(jié)果如圖2所示。檢測(cè)程序判斷數(shù)據(jù)不符合本福特定律，但余弦相似性約為0.89，在數(shù)據(jù)量遠(yuǎn)小于圖1的情況下，手機(jī)評(píng)價(jià)的余弦相似性仍高于上述手機(jī)殼，相似程度分值為0。其中，評(píng)價(jià)日期尾數(shù)為1、2、3、4的小數(shù)值占比與本福特分布的標(biāo)準(zhǔn)值偏差較大，且尾數(shù)為1、2的評(píng)價(jià)日期占比顯著高于標(biāo)準(zhǔn)值。

圖2 某款手機(jī)天貓官網(wǎng)用戶(hù)評(píng)價(jià)日期的本福特定律檢測(cè)結(jié)果

2.3 檢測(cè)銷(xiāo)量數(shù)據(jù)

隨機(jī)選擇一款淘寶推薦的熱銷(xiāo)女裝，打開(kāi)該款女裝的售賣(mài)網(wǎng)店，將該店所有商品按銷(xiāo)量排序，記錄成交量千位和百位兩位數(shù)字，共計(jì)199組數(shù)據(jù)，可得到如圖3所示的本福特定律檢測(cè)結(jié)果。雖然檢測(cè)程序判斷數(shù)據(jù)不符合本福特定律，但余弦相似性約為0.94，相似程度分值為43，成交量尾數(shù)為1的數(shù)字占比顯著高于本福特分布標(biāo)準(zhǔn)值，其它數(shù)值分布的誤差均在5%左右。

圖3 某網(wǎng)紅女裝店月成交量的本福特定律檢測(cè)結(jié)果

再選擇一家曾經(jīng)因虛假宣傳某品牌女包而下架該品牌箱包類(lèi)產(chǎn)品的電商。該電商雖然不再售賣(mài)某品牌女包，而是改賣(mài)其他女性用品，但依舊經(jīng)常被淘寶平臺(tái)強(qiáng)力推廣其直播間，在其直播間，可以發(fā)現(xiàn)同一件商品月銷(xiāo)量數(shù)據(jù)顯示上萬(wàn)件，而真正付款的只有600多件，雖然這種顯著異常情況在該網(wǎng)店所有在售商品中占比不高，但仍可以在本福特定律檢測(cè)結(jié)果中體現(xiàn)出來(lái)，如圖4所示。檢測(cè)結(jié)果顯示該店所有在售商品月成交量的余弦相似性?xún)H約為0.83，相似程度分值為0，成交量尾數(shù)為1、2、5、6的數(shù)字占比均與本福特分布標(biāo)準(zhǔn)值相差較大，其中，成交量尾數(shù)為1的數(shù)值顯著低于標(biāo)準(zhǔn)值。

圖4 某直播網(wǎng)店月成交量的本福特定律檢測(cè)結(jié)果

通過(guò)檢驗(yàn)其他類(lèi)型網(wǎng)紅和天貓電商數(shù)據(jù)，發(fā)現(xiàn)結(jié)果和上述4例相似，即應(yīng)用本福特定律可以初步檢測(cè)電商的銷(xiāo)售量和評(píng)價(jià)數(shù)據(jù)是否異常，檢測(cè)結(jié)果最好根據(jù)余弦相似性及尾數(shù)為1的數(shù)據(jù)占比是否低于本福特標(biāo)準(zhǔn)值進(jìn)行評(píng)價(jià)。關(guān)于余弦相似性用于判斷真假的數(shù)值，應(yīng)通過(guò)大量計(jì)算同類(lèi)商家的數(shù)據(jù)后進(jìn)行選擇判斷。如果能結(jié)合商家的銷(xiāo)量和成交量之間的差異綜合考慮，評(píng)價(jià)結(jié)果將更有證明力。此外，還要注意考量數(shù)據(jù)量及某些商品受季節(jié)性降價(jià)促銷(xiāo)時(shí)段等可能的影響因素。

3 本福特定律檢測(cè)刷單行為的局限性

目前，常見(jiàn)的本福特定律檢測(cè)程序在刷單行為方面的檢測(cè)還不夠準(zhǔn)確和智能，不能給出適合大多數(shù)網(wǎng)店銷(xiāo)量和評(píng)價(jià)值的擬合結(jié)果，只能人工通過(guò)對(duì)比同類(lèi)商家進(jìn)行初步判斷。此外，一旦該檢測(cè)方法被廣泛應(yīng)用，不法商家完全有可能通過(guò)編輯算法，自動(dòng)生成符合本福特定律的大批量數(shù)據(jù)，實(shí)現(xiàn)符合統(tǒng)計(jì)學(xué)規(guī)律的刷單造假。

4 結(jié) 論

本福特定律檢測(cè)程序可以方便快捷地檢測(cè)電商銷(xiāo)量和評(píng)價(jià)數(shù)據(jù)的異常，對(duì)電商平臺(tái)的數(shù)據(jù)質(zhì)量進(jìn)行初步研判，為相關(guān)案件的電子物證痕跡檢測(cè)提供依據(jù)，且所檢測(cè)數(shù)據(jù)均為公開(kāi)性質(zhì)的，不侵犯隱私權(quán)，相關(guān)部門(mén)可以合法地大批量獲得，為實(shí)現(xiàn)大數(shù)據(jù)治理刷單行為提供借鑒和參考。常見(jiàn)的本福特定律檢測(cè)程序在KS和Z檢驗(yàn)上設(shè)定過(guò)于嚴(yán)格，不符合大多數(shù)網(wǎng)店正常銷(xiāo)售的實(shí)情，必須通過(guò)余弦相似性結(jié)果及尾數(shù)為1的數(shù)據(jù)占比進(jìn)行綜合判斷。另外，相似程度分值和數(shù)據(jù)組數(shù)通常不產(chǎn)生根本性影響。本福特定律檢測(cè)程序的編程人員可以進(jìn)一步改進(jìn)程序設(shè)計(jì)，使之更適合刷單行為的智能化檢測(cè)，便于相關(guān)部門(mén)利用大數(shù)據(jù)對(duì)不法交易行為進(jìn)行更精準(zhǔn)的研判和處置，實(shí)現(xiàn)對(duì)電商平臺(tái)生態(tài)環(huán)境的大數(shù)據(jù)治理。