标签： 反欺诈
支付过程中的风控
主要是通过位置信息验证支付过程是否在指定的位置。主要通过设备ID,ip地址,移动网络,GPS地址与客户的账户进行绑定，一旦偏离指定位置，进行风险提示,如果移动设备与支付交易处于同一位置，则批准交易。
地理位置中的集群特征
集群特征是指用户聚集在具体哪个区域，比如在一线城市的人群整体和二线或者三线的人群，无论在消费水平或者习俗等方面均有很大的区别。
地理位置中的轨迹特征
客户在不同时间的位置数据所展示的日常范围和轨迹，反应出客户的工作，生活信息。比如上班地点，生活地点等。
位置信息在信用评分，反欺诈，额度及定价，催收，营销等方面均有一定的应用
位置信息的来源：WiFi，IP地址，GPS定位以及运营商基站定位
例子：判定伪冒，网络中介，信用风险识别
在信用风险识别中，对不同的城市，不同的地段给予不同的信用附加分，或者建立风险点库。
位置信息的表现: 密度和轨迹
密度是指某个区域中密度相关，轨迹主要是指不同的一段时间段内的轨迹。
场景一：审批反欺诈
填报的地址和实际活跃的地址有较大的差别，则风险较高
场景二：识别团伙
对多个借贷人位置信息同时聚集进行预警，识别团伙欺诈
场景三：人群画像风险评级
主要基于不同的位置，产生不同的人群标签，将单用户标签与个人信息进行校验，提示不同的分析的风险等级，基于地理位置对高风险客户进行催收。
注：GPS位置的稳定性也可以作为一个重要的特征。
材料整理于网络，版权属于原作者。
