之前博客里提过，风险控制意识是区分有实际工作经验和没有实际工作经验的网站数据运营人员的一个基本标准，然而光有意识也并没有什么用，怎么缓解风险防控的问题呢？
这个话题涉及个案分析（辨别风险），和组织流程（维持运作），本文主要讨论前者。
举2个简单的例子，1是秒杀活动里如何区分出用自动插件刷商品的恶意用户，2是竞价广告位如何区分出大商户私底下串通压价。
1、刷低价促销商品
这是相当传统和常见的一个作弊场景，拍脑袋也可以想到的是，恶意用户存在用户ID，访问IP，访问频率等不正常的地方。
从计量的角度来说，如果将每个行为要素定义权重，包括作弊特征，和误杀特征，根据历史数据拟合出参数，可以像电影“少数派报告”一样给每个访客自动打一个标签，然后干掉恶意标签用户。
可惜恶意客户并不像学者那么傻，会去遵守很多假设，人家是结果导向的，不断调整自己的行为策略，而针对一个人工智能（还是蛮聪明的那种）的计量模型，如果现在能达到的话，可能我现在应该在月球基地写这篇博客。
针对这些行为，预测失败的学者往往称之为“非理性的”，其实这只是我们现阶段无法量化计算的“理性”，这些名词若干年后可能会归入宗教祭司文献的记载。
生活还是要继续的，要防范，只能采用行为经济学的方式：做实验、研究具体的漏网案例，不断增加人工规则。
稍微题外话一下，这些现象也产生了新的产业机遇，行业公共风险案例库变得很有经济价值，所谓吃一堑长一智，最好是别人吃了，自己长智。
2、商户之前的串通
互联网最大的贡献，不仅仅是解放了消费者的选择权，也解放了中小商户。网络流量广告标价，并不像传统报纸电视广告那样被大商户完全垄断，而是由于互联网的长尾效应，由自由的搜索竞价方式放开给所有商户，这同时也带来了以前没有过的风险防控问题。
仍然从计量的角度说，当一个广告位从标准定价（通常是远远高于实际价值的，结果就演变成刊例价你2折我1折等一大堆行业阴暗面），变成竞拍定价（不谈明拍暗拍了，扯太远）以后，理论上商户会根据自己从这个广告位获取的收益，来决策是否继续加价竞拍，理性的用户会试图保持roi大于1，实际上卖广告的平台不需要知道这个商户所在行业的毛利，只需要这个规则运转起来，自然会稳定在符合毛利的广告价位上，一切都是可计算和预测的。
实际生活里，商户也并没有遵守一堆理论的假设，当竞价过高时，商户之间会有很强的串通压价动机，例如前阵药品那个，小规模在水面下的更多；同时，竞价平台为了鼓励新商户、鼓励高质量内容更新的一些规则，又会被精于研究的小商户利用－－最专业的恶意用户永远不是个人，而是小组织。
如果用计量的方式，可能需要几个月才能积攒够足够的样本来抵御新的作弊，显然还是要采用行为经济学的，打地鼠的解决方式，一个一个具体案例，增加一个一个丑陋的规则补丁。
不难发现，这也是一个对于后进入市场玩家的竞争壁垒，假设说，先发者已经无意中培育出一个电商竞价作弊生态圈（请勿对号入座），其他后进入的对手，在毫无历史风控案例积累的情况下，将会是怎样的处境？
3、结语
至今笔者都认为，国外互联网公司在国内无法生存，某方面来说就是迷信数据模型，迷信计量方式的风险防控。
即便像UBER这样全副硅谷橙色装备的公司，国内随便一个初中学历用户想出的刷奖励补贴方法，都可以轻松绕过一大堆公式防线，还能及时自我更新；而久经专业欺诈折磨的paypal，所采用的宁可错杀三千不能放过一个的、过度严格的委员长模型，也是相当有名。
只要人工智能还没有突破性的发展，在实际生活中，行为经济学的灰度实验手段仍然是无法替代，而且重要性远远超过所谓大数据计量手段的重要方法。计量的方式只适合在给定假设情况下的中长期宏观预测－－其最基本的假设是，这个世界不是“不确定”的。
