折扣在网购中已根深蒂固，近 60% 的美国消费者使用数字优惠券。但促销活动只有在激励成本能通过终身价值得到回报时才算成功。促销滥用会榨取折扣，非但没有带来真实客户，反而制造虚假账户、自我推荐和自动化兑换活动，不仅耗尽预算，还会虚增获客衡量指标。

下文将介绍促销滥用如何在账户层面运作、如何检测促销滥用，以及如何建立既能阻止滥用又不影响真实用户转化的管控机制。

要点

• 促销滥用通常钻注册时身份验证薄弱的空子。因此，新账户欺诈与促销滥用往往是同一问题的两个方面。

• 检测依赖于综合多种信号，例如设备聚类、一次性邮箱模式以及异常的兑换时间。

• 有效的预防措施采用分层管控和基于风险的摩擦机制，以便在保持注册流程对真实客户开放的同时，更好地检测欺诈行为。

什么是促销滥用？

促销滥用是指超出预期条款，对折扣、推荐奖励或注册激励的恶意利用。这通常通过虚假账户、自动化手段或身份操控来实现。其表现可能是某人创建五个账户以五次领取首单折扣、通过第二个电子邮件地址自我推荐以获取推荐积分，或将整个流程编写成脚本并在数小时内耗尽一场活动的资源。

促销滥用如何影响促销支出的回报？

通过促销获取的客户所带来的增量收入，应超过折扣成本加活动运营成本之和。滥用行为会侵蚀这一等式的两端。

以下是衡量促销滥用影响的方法：

• 兑换转购率：查看兑换了促销优惠的账户中，有多大比例完成了至少一笔真实购买。滥用严重的用户群组显示出较低的真实交易转化率。

• 30/60/90 天复购率：真实客户会回来购买更多商品，而虚假账户则销声匿迹。

• 推荐图谱密度：在推荐计划中，追踪有多少被推荐账户继续推荐了其他人。自然增长的推荐树会随时间不断深化；由滥用行为生成的推荐树则始终停滞不增长。

• 促销用户群组内的设备和 IP 重叠率：高重叠率可能表明存在协同创建行为。

促销滥用与新账户欺诈及免费试用滥用有何关联？

促销滥用隶属于一个更广泛的行为集群，这些行为都在利用同一个弱点。无论目标是促销兑换、洗钱还是账户盗用前期布局，任何利用虚假或盗用身份开设账户的手段都属于新账户欺诈，而促销滥用正是其常见表现形式。同样，免费试用滥用的表现可能是某人在每次试用期到期后重新注册账户，而不是付费转化。尽管其动机与促销滥用者不同，但使用的是同一套机制。

能让人批量刷取推荐积分的基础设施，同样可以轻易用于创建虚假账户以获取免费试用，乃至更严重的后果。促销滥用问题往往意味着您的账户创建流程存在更深层的漏洞，且不止于促销环节。孤立地解决促销滥用问题可能让您暴露于变通攻击之下。您需要修补的不只是促销端点，而是底层的身份认证缺口。

账户注册时常见的促销滥用手段有哪些？

注册时的促销滥用通常遵循一套固定模式。

请留意以下手段：

批量创建账户

这是促销滥用最简单的形式。一个人使用不同的电子邮件地址创建多个账户，以多次领取新用户优惠。只要新账户资格仅凭电子邮件地址验证、无更深层的身份核实，这种方式就能得逞。

推荐自刷

向推荐人支付奖励的推荐计划会直接产生自我推荐的经济动机。攻击者创建第二个账户，用主账户进行推荐，然后领取奖励。对于双向奖励计划而言，每创建一个虚假账户可能获得双倍收益。

促销叠加

商家可能允许在单笔订单中使用多个优惠码。攻击者通过枚举优惠码或利用泄露、共享的优惠码列表，将交易金额压至零，甚至在系统发放商城积分的情况下压至负数。

自动化兑换

更高级的攻击者可能会将注册和兑换流程编写成脚本。一场原本计划运行一周的活动可能在数小时内就被耗尽。

优惠码共享与公开泄露

张贴至优惠券聚合网站或在社交媒体渠道分享的促销优惠码，会被远超目标受众范围的人群兑换。这并不总是出于恶意，但可能破坏精准定向并耗尽原本面向特定群体的预算。

哪些检测信号表明促销滥用正在发生？

检测的核心在于综合多种信号，以区分合成或重复身份与真实新用户。

单一信号无法得出确定性结论，但以下信号同时出现时，往往表明存在潜在滥用：

设备与网络聚类

在短时间内从同一设备、互联网协议 (IP) 地址或子网创建多个账户，是强烈的预警信号。来自同一家庭 IP 的两个账户并不罕见，但 48 小时内来自同一 IP 的 15 个账户则值得调查。

别名与一次性邮箱模式

某些邮件服务商支持地址别名功能（例如 user+tag@domain.com），攻击者可借此生成外观各异但实际上都指向同一收件箱的地址。与自然注册相比，一次性邮箱域名在滥用注册中出现的比例可能异常偏高。

可疑推荐图谱

自然增长的推荐树往往呈分枝状：一个人推荐几位朋友，其中一些人再推荐他人。滥用行为则产生星形图谱：一个账户推荐大量用户，但这些被推荐账户没有任何后续活动，并在创建后立即兑换。

异常兑换时间

在创建后数秒内即兑换促销优惠的账户，或以协同批量方式创建的账户，其行为与真实客户截然不同。真实用户可能会浏览探索、犹豫不决，或在注册与首次购买之间相隔数天。

促销上线前后的注册速率

促销活动公布后，账户创建量的骤增值得进一步审查。

设备指纹不一致

上报的用户智能体、屏幕分辨率与已安装字体之间的不匹配，可能表明存在自动化操作或设备指纹欺骗。真实用户通常不会出现此类不一致情况。

预防促销滥用的控制措施如何做到不误拦截真实用户？

消除所有滥用行为极具挑战性，且通常是不可能的。目标是让滥用的成本足够高，从而使其投资回报率 (ROI) 消失。

兑换限制与资格规则

将促销代码限制为每个经过验证的身份一个，而不是每个邮箱地址一个。什么是经过验证的身份取决于您的风险承受能力：确认过的电话号码、支付方式检查或经过验证的地址。

注册时的设备和身份风险评分

基于设备指纹、IP 信誉、邮箱域名风险和行为信号在创建时对新账户进行评分的工具，能让您实行差异化对待。低风险账户可以轻松获得促销；高风险账户可能需要额外验证才能激活促销。诸如 Stripe Radar 等工具在支付流程中应用这种评分，其规则引擎允许您围绕兑换事件编写自定义逻辑。

针对高风险群体的渐进式挑战

与其直接拦截可疑账户，不如要求在发放促销赠金之前进行一次真实购买。这能将出于滥用动机的注册转化为真实客户或无成本放弃。

针对促销端点的速率限制

如果您的促销代码验证是通过应用程序编程接口 (API) 调用运行的，那么该端点就需要速率限制和异常检测。

更清晰的条款，在技术上强制执行

如果您没有定义并在系统中强制执行“客户”的含义，那么“每位客户限一次”就毫无意义。将资格规则编码化，以便自动检查，而不是事后手动审核。

Stripe Radar 如何提供帮助

Stripe Radar 使用人工智能模型来检测和预防欺诈，这些模型是根据 Stripe 全球网络的数据训练而成的。它基于最新的欺诈趋势不断更新这些模型，随欺诈手段演变实时保护您的业务。

Stripe 还提供 Radar 风控团队版，该版本允许用户添加特定于其业务的自定义欺诈情境识别规则，并支持获得高级欺诈洞察。

Radar 可以帮助贵商家：

• 预防欺诈损失：Stripe 每年处理超过 1 万亿美元的支付。这种独特的规模使 Radar 能够准确检测和预防欺诈，为您节省资金。

• 提高收入：Radar 的人工智能模型接受了实际争议数据、客户信息、浏览数据等的训练。这使 Radar 能够识别高风险交易并减少误报，从而增加您的收入。

• 节省时间：Radar 内置在 Stripe 中，无需编写任何代码即可设置。您还可以在一个平台上监控欺诈表现、编写规则等，提高效率。

了解关于 Stripe Radar 的更多信息，或立即开始使用。