在上篇推送中系統地梳理了地址的種類和利用地址的欺詐手法，本文將以此為基礎，介紹一下地址的處理和使用方法。

地址的標準化

通常，人類在應對非常規信息時，有自動識別能力，可以將這種信息進行自我消化，並轉化為可理解信息。機器在處理標準化信息時，會顯得非常高效，然而如果將信息順序調亂，且混入錯誤信息，此時，機器的準確性就會降低。因此，通常情況下，機器需要輸入標準化信息。

為了增強地址的識別度，使機器看得懂，需要對地址進行標準化。什麼是標準化？在網上購物我們填寫收貨地址時，通常，這些購物網站會將地址按照省+市+區+街道+詳細地址這五項來選。對於我們不太確認的地址，平臺還提供“暫不知道”這一選項，並會根據填寫的詳細地址來做匹配，以完善標準化的信息。

如下圖所示

按照省+市+區+街道四個等級填寫，且在街道不確定時提供“暫不知道”選項。

再完善詳細地址後，會自動匹配對應街道。

地址修復方法

在採集時強制處理是地址標準化最簡單有效的做法。但對於歷史數據的修復，以及對錯誤數據的更改和對特殊字符的處理，則需要比較細緻地處理。以下羅列了幾種常用的方法。

常見地址修復方法

不同種類地址的評估維度

地址標準化好後，就可以根據地址的靜態信息和動態信息對用戶進行畫像了。

貼標籤

地址標準化並根據評估維度進行字段衍生後，就可以為每個地址/區域貼標籤了。標籤也可以按照幾個維度來貼：

1.按照省、市、區、街道、商圈、樓、室幾個級別；

2.按照房價絕對值和相對值；

4.按照地址屬性，例如：模糊地址標籤，虛假地址標籤等

5.按照地址/區域逾期率；

6.按照地址接收的平均訂單金額/訂單量；

8.按照收貨地址變化頻率；

9.按照公司地址行業；

10.按照公司屬性來貼，例如：是屬於政府機關、學校還是企業？

補充說明

其中，第6條和第7條再額外解釋一下。在消費分期場景中，用戶會有一個授信額度，可以在電商平臺上購物。欺詐份子套現方式就是一次性用光額度購買手機等易變現商品。

例如，近期比較容易變現的是一款899的手機和799的手機。那麼，假設作為用戶獲得的額度為2500元，作為欺詐份子會充分利用這一額度，巧妙組合，例如：兩款799➕一款899，也即799*2+899=2497<2500，成功薅完了所有的額度。那麼，結合地址信息，如果一個地址的訂單金額都約等於授信額度，且寄送的商品品類如手機和型號（如價格899或者799的手機）集中，則可能為高風險客戶。

這個過程有點類似於給人物做側寫或者畫像，但這裡的對象不是人，而是地址。一個好的地址畫像需要結合場景和業務知識，同時要對數據分佈做詳細周密地分析。此處無監督機器學習可以提供的就是對地址的分群處理。為了形象地描述，我們將無監督機器學習的應用抽象成如下案例以方便大家理解。

對於一組雜亂的數據，逾期率為1%。我們通過一定手段對地址進行了分詞處理，發現其中包含“電腦”和“手機”兩個詞的群組中，逾期率高達80%。於是，我們給包含了“電腦”和“手機”的地址貼了一個標籤【零售商】，若結合業務知識，還可以給諸如“華強北”、“賽格”等詞彙同樣貼上【零售商】的標籤。

所以，簡單來說，地址文本的非結構化給地址的標註帶來了一定難度，而無監督有利於整理這些詞彙，有點像excel裡的篩選和排序功能，只是，對地址的處理，你不知道是按照什麼條件來篩選和排序，而無監督給了你一個可能的篩選條件和思路，讓你無需對案件進行獨立分析，而是批量分析，從而大大節約了時間。

寫在最後

當然，單從地址信息這一個維度，不足以準確判定欺詐行為，僅能作為其中一個角度。為了不因為一刀切而導致的高誤傷，欺詐屬性的判別中，還是需要非常強的擴維能力，從各個角度進行欺詐屬性的綜合評分才能獲得更加精準的效果。

閱讀更多 DataVisor 的文章

關鍵字: 推送 風控 地址