来源：小伍哥聊风控

风控业务中，团伙挖掘是非常核心的分析方法，甚至可以说是最重要的的分析方法。而团伙挖掘的基础就是关系数据，但是关系数据非常丰富多样，有些同学可能会疏漏或者不知道某些重要的关系导致挖掘深度不够。

商家规避网络，需要付出巨大的成本，比如规避设备指纹关联，需要更换设备或者购买最新的模拟器技术，为了规避支付网络，需要购买新的支付宝账号。

在互联网上，没人知道你是一条狗，互联网上无法知道一个真实的用户，因此设备指纹ID、WiFi等物理介质与用户ID形成的关系，变得非常重要。可根据最近N天内是否共同使用过一台设备、是否共同使用过同一个WiFi等指标衡量其中两个用户的关联强度，对于对抗初期的团伙挖掘，有非常重要的意义。

02、互联网关系物理地址IP、Cookie等由用户进行网页浏览时形成的关系，一般来说，该类关系相对较弱，不进行直接应用，可以进行转换应用，比如用Ip转换后进行常用地址的统计，一般可以在盗号等场景使用效果非常不错。03、社交关系数据支付宝好友、微信好友、抖音好友、微博关注等，也是非常重要的关系特征，可根据最近N天内联系次数、关系时长等指标来衡量两个人之间的亲密程度。04、通讯录关系手机通话关系、通讯录中的备注、账号填写的紧急联系人等数据、获取两个账号的父子、兄弟、同学、男女朋友等关系。05、地址关系数据收货地址、发货地址、注册地址、家庭住址等形成的关系，可以通过是否同一收货地址，收货地址相识程度等，计算两个用户紧密关系06、营销活动形成的关系拉新活动形成的关系、分享关系、推荐关系等，形成各种上下层级关系，如拼多多的砍一刀、要邀请有奖等，直接形成的业务关系，也是非常重要的。07、资金往来关系购物支付、购物代付、转账、微信转账、银行卡支付、银行卡转账、银行卡绑定、电话充值等，均能形成较强的关系，资金关系在大部分场景下，是极强的关系，但某些场景，可能比较通用，购物转账等，可能就不是很强的关系。很难形成团伙。08、LBS地址位置数据一种简化方法，是用GeoHash将二维的经纬度转换成字符串，,如北京9个区域的GeoHash字符串，分别是WX4ER，WX4G2、WX4G3等等，每一个字符串代表了某一矩形区域不同的用户是否处于同一个区块。同一块的用户，可能存在比较紧密的关系。09、文本、图片等内容关系

1）图片关系：很多风险商家 ，店铺使用相同或相识的图片，风险用户，也可能使用相同或者相似的照片，利用图片的相识关系进行关系挖掘，也是非常重要的。

2）文本关系：商家店铺商品标题的相似性计算商家关系，评价内容相似性计算商家关系等3）昵称关系：很多风险用户，采用系列的昵称，也是一个非常重要的关系特征10、众包关系

该种关系可以通过同步行为，进行非常高效的挖掘，参考我的另一篇文章：SynchroTrap-基于松散行为相似度的欺诈账户检测算法

11、工商关系投资关系、参股关系、董事监事等任职关系、注册邮箱、注册电话、注册地址、注册身份证等工商注册信息，也存在巨大的网络关系，当然，很多人会利用身份证注册大量公司， 再利用营业执照注册用户，同一个营业执照也可能存在大量的账号，这些关系都存在非常重要的作用。12、产权关系共用产权证明也是非常强的关系，比如两个账号绑定同一辆车、绑定同一个房产证明、婚姻证书等关系13、代收代付关系水电煤代缴费、网约车代预约、医院代挂号、淘宝购物代付款、代点外卖等，存在这些关系的一般都比较亲近或者存在某些利益关系，有非常强的关联性。可以在业务中挖掘类似的关系进行分析研究。14、交互关系买家浏览商品、买家点击商品、用户点击广告等，搜索词关系等，某些商搜索相同的词的用户可能存在某种特定的关系，同时点击某个商品的一群消费者可能也存在某些关系，通过挖掘，都能得到一些特殊的模式。

相关帖子DA内容精选 2022年300个以上最佳免费数据科学课 大厂数据分析面试指南！来自亚马逊、谷歌、微软、头条、美团的面试问题！ 机器学习模型方法总结 历史最全机器学习/深度学习/人工智能专业术语表中英对照表 机器学习如何应用于商业场景？三个真实的商业项目 数据工作者的自我修养 | 哪些技能是必不可少的？ 《汗牛充栋：数据分析书籍分享》CDA网校新课上线 文本挖掘常用的107个语料库 一图读懂“东数西算”工程 零基础转行数据分析，看这篇文章就够了