TapCub 正式上线:统计、分析、客服一个平台免费用
增长与运营

电商防欺诈手段,以及它们背后的流量信号

分析工具不能批准或拒绝支付,却能及早显示攻击。了解这些信号(尝试数暴增、拒付率飙升、直接访问偏移、漏斗断裂)、阈值和匹配的对策。

艾玛·柯林斯 发布于 2026 年 11 月 21 日 9 分钟阅读 增长与运营
示例数据:尝试数增加了 13 倍(520 ÷ 40),520 次里有 494 次被拒(95.0%),317 次来自直接访问会话(61.0%)。示例数据

电商防欺诈手段是判断支付(银行卡校验、风险评分、审核),而网站统计显示支付周围的信号:尝试数暴增、拒付率飙升、金额很小、直接访问偏移和漏斗断裂。在示例的攻击小时里,尝试数是正常的 13 倍,95% 被拒。要把信号组合起来,再让每种对策匹配对应的信号,并算清它让真实购物者付出什么代价。

读完你会知道

  • 分析工具不能拦截或批准支付,但能提前预警:尝试数达到同一小时中位数的 3 倍、拒付率达到 40% 时告警
  • 要组合信号,而不是只靠一个:封国家这类单一特征的拦截会损失真实销售,也很容易绕开
  • 为每条规则数误伤,并只把严格规则用在被攻击的接口、攻击期间

分析工具对付欺诈,能做什么、不能做什么

电商防欺诈的手段分两类:判断一笔支付的工具(银行卡校验、风险评分、人工审核),以及显示支付周围出了问题的信号(流量、速度和结算行为)。网站统计属于第二类。它看不到银行卡数据,也不能批准或拒绝订单,但它常常比支付后台更早发现攻击,因为攻击者会在流量和漏斗里留下规律。

问题的规模很大。美国联邦贸易委员会报告,2024 年消费者和公司报告的欺诈损失超过 125 亿美元,比 2023 年增长 25%,在报告欺诈的人里,有 38% 说自己损失了钱,2023 年是 27%。网购是被报告次数第二多的欺诈类别。这些是消费者上报的数字,不是商家损失,但它们说明了方向。

本文列出你能在统计里读到的信号、每个信号的阈值,以及与之匹配的对策。更完整的网店报表,见电商分析;流量方面的问题,见机器人防护。

值得盯的信号

信号表现常见原因
尝试数暴增支付尝试数是正常小时的好几倍盗卡测试脚本
拒付率飙升被拒支付的占比骤升被盗或猜出来的银行卡号
金额很小大量只有几美元的尝试银行卡验证
来源重复同一个 IP、设备或邮箱出现在许多次尝试里自动化
渠道偏移结算会话以「直接访问」或某个奇怪的国家到达不浏览的脚本
漏斗断裂提交了支付,但确认的订单下降欺诈过滤器或失败的尝试

Stripe 关于盗卡测试的指南列出了同样的症状:失败或被拦截的支付激增、402 错误的请求激增,以及低金额的可疑支付激增,客户姓名和邮箱常常毫无意义。它还提醒,单凭一个特征(比如 IP 地址)做的简单过滤通常不够,所以要把信号组合起来。

用数字看一个盗卡测试的小时

示例数据:一家网店平常晚上 8 点那一小时,对比一个遭受攻击的小时。

指标正常小时攻击小时
支付尝试数40520
通过3626
拒付率10.0%95.0%
尝试金额中位数82 美元1.50 美元
来自直接访问会话的尝试占比12%61%
提交 → 订单确认90.0%5.0%

核对比例:520 ÷ 40 = 13 倍的尝试数;拒付 494 ÷ 520 = 95.0%;直接访问会话 317 ÷ 520 = 61.0%;确认 26 ÷ 520 = 5.0%。每个数字单独看都可能有无害的原因,比如支付中断也会抬高拒付率。放在一起就符合盗卡测试:尝试很多、金额很小、几乎全部被拒、来自从没浏览过的会话。

一条有用的告警规则把两项合起来:尝试数至少是过去四周同一小时中位数的 3 倍,并且拒付率至少 40%。攻击小时两项都通过(13 倍、95%);正常小时则不通过。

app.tapcub.com

盗卡测试的一小时对比正常的一小时

示例网店,晚上 8 点
指标正常小时攻击小时
支付尝试数40520
拒付率10.0%95.0%
尝试金额中位数82 美元1.50 美元
尝试中直接访问会话占比12%61%
提交 → 订单确认90.0%5.0%

每个数字单独看都可能有无害的原因;放在一起就符合盗卡测试。

示例数据
示例数据:尝试数增加了 13 倍(520 ÷ 40),520 次里有 494 次被拒(95.0%),317 次来自直接访问会话(61.0%)。

速度:同一个地方做了多少次

速度检查是数同一个行为人在一个时间窗里重复的动作。典型的限制,要根据你自己的数据调整:

检查起步规则
每个 IP 地址的支付尝试一小时内超过 5 次
每个 IP 新建的客户账号一天内超过 3 个
同一账号上的不同银行卡一天内超过 3 张
同一商品寄到同一地址的订单一天内超过 5 张

Stripe 建议类似的限制,比如限制一个账号上能添加的银行卡数量,以及一个 IP 地址一天内能创建的客户数。每一条都要先读一个正常月份来校准:如果一间真实的办公室共用一个 IP、一小时下了 6 张订单,限制为 5 就会把它挡住。

检查起步规则
每个 IP 地址的支付尝试一小时内超过 5 次
每个 IP 新建的客户账号一天内超过 3 个
同一账号上的不同银行卡一天内超过 3 张
同一商品寄到同一地址的订单一天内超过 5 张

起步参考,要用你自己一个正常月份的数据来调整。

结算环节的机器人

真实的购物者会浏览;脚本直接冲向支付接口。在统计里要找:之前没有商品页浏览的结算会话、没有滚动或事件的会话、通向结算页的「直接访问」流量突然上升,以及单一的奇怪国家或托管服务商。示例那一小时里,尝试中直接访问的占比从 12% 升到 61%。

也要把机器人流量挡在正常报表之外,免得它扭曲转化率,或你的告警所依赖的每小时基线。

支付步骤之后的漏斗异常

从「提交支付」到「订单确认」这一步通常很稳定。示例里它从 90.0% 掉到 5.0%。两种不同的原因看起来可能很像:攻击者在你的网关上失败(尝试很多、价值很低),以及你自己的过滤器挡住了真实的购物者(尝试正常、通过率下降)。用尝试量和金额区分两者:如果尝试数持平、确认率下降,要怀疑你的规则或网关,而不是攻击。

国家和时段信号

还有两个信号读起来成本很低。第一个是你很少见到的国家。示例数据:国家 X 平时占结算会话的 0.5%,在攻击那一小时占 18%(520 次尝试里约 94 次)。如果你不寄往那里,或你在那里的销售接近于零,这就是一个很强的线索,不过单个特征仍要和其他信号组合起来用。第二个是一天里的时段:脚本化的攻击常常发生在真实流量很低的时段,所以凌晨 3 点的暴增比晚上 8 点的更可疑。要把每个小时和前几周的同一小时比较,而不是和日均值比较。

为什么单一特征的拦截让人失望

拦截一个国家、一段 IP 或一种用户代理,是最快的反应,通常也是最弱的。示例数据:一家网店每月有 24,000 次结算,国家 X 占其中 0.5%,所以封掉这个国家会损失 0.5% × 24,000 = 120 次真实结算,按每单 80 美元约损失 9,600 美元收入,而换了国家的攻击者根本不受影响。Stripe 的指南对 IP 地址也说了同样的话:只基于单一启发式的过滤,通常自己不足以奏效。把单一特征的拦截当作短期的刹车,同时把组合规则部署起来。

与信号匹配的对策

手段它应对的信号摩擦成本备注
支付和存卡接口上的验证码尝试数暴增、脚本隐形的低,可见的较高在服务端校验
按 IP 和账号限速速度低根据一个正常月份调整
支付前要求登录或有效会话直冲接口的脚本中等(游客结算受影响)用在遭受攻击的接口上
限制每个账号的银行卡数一个账号上很多张银行卡低
退款可疑的小额支付争议无Stripe 建议退款以避免争议
轮换并保护密钥公开密钥或泄露密钥被滥用无别把私密密钥放进公开代码

Stripe 的指南建议组合使用,比如让同一个 IP 的第一次尝试通过,之后几个小时的后续尝试要求验证码。组合能抓住脚本,同时让多数真实购物者不受影响。

衡量误伤的成本

每条规则都会挡住一些真实客户。要数一数。示例数据,一次更长的攻击:一条规则拦下了 380 次欺诈尝试,同时也挡住了 1,200 次真实结算中的 20 次。误伤率是 20 ÷ 1,200 = 1.7%。

  • 没有这条规则时会有 90 笔欺诈支付被通过;有了它只有 12 笔,减少 78 笔。按假设每笔 95 美元(80 美元订单加 15 美元争议费),避免了 78 × 95 = 7,410 美元。
  • 被挡住的 20 张真实订单损失 20 × 80 美元 = 1,600 美元收入,按 40% 毛利率是 640 美元毛利。

这条规则在攻击期间值得保留。在没有攻击时做同样的算术:没有欺诈,规则只会损失销售,所以要把严格规则用在遭受攻击的接口上,或攻击持续的那几个小时,而不是永远用在每一次结算上。

应对流程

  1. 确认。 把量、拒付率、金额和来源放在一起看。
  2. 遏制。 对被攻击的接口打开验证码或限速。
  3. 清理。 退款可疑的小额支付。
  4. 检查基线。 重新计算正常水平时,确保把攻击那一小时排除在外。
  5. 复盘。 数一数被挡住的真实订单,放宽任何过宽的规则。

在 TapCub 里

TapCub 不批准或拒绝支付,也不是欺诈工具;它显示支付周围的流量和漏斗信号。

  1. 打开 网站统计 › 机器人,看认出来的机器人和 AI 爬虫,它们与真人分开统计,所以你的访客数和转化率保持干净。
  2. 从你的结算流程(浏览器或服务端)发送 payment_attempt、payment_failed 这类事件,然后在 全端分析 › 行为分析 › 行为分析 里建漏斗,读提交到确认的比率。
  3. 在 全端分析 › 智能运营 › 监控 里,对保存的自定义指标(比如每小时支付尝试数或失败支付数)建一条按小时检查的规则。用试运行,它会告诉你过去 30 天会触发几次。告警发到邮件、企业微信、钉钉、飞书或 Webhook,同一条告警约 60 分钟内不重复。
  4. 读 网站统计 › 来源 和 网站统计 › 受众,看直接访问流量或某个新国家的突然上升。

监控只通知你,不会拦截任何东西。拦截发生在你的支付服务商或你自己的代码里。

FAQ

最有效的电商防欺诈手段有哪些?

分层组合:支付接口上的验证码和限速、支付前的登录或会话检查、限制每个账号的银行卡数、对可疑小额支付退款,再配上针对尝试数暴增和拒付率的统计告警。

怎么检测盗卡测试?

找失败或被拦截的支付激增、大量低金额尝试,以及从没浏览过的会话。Stripe 列出了同样的症状。尝试数达到同一小时中位数的 3 倍、拒付率达到 40% 时告警。

分析工具能阻止欺诈吗?

不能。它们只显示速度、机器人流量和结算异常这类信号。拦截和批准发生在你的支付服务商或代码里。

怎样避免挡住真实客户?

为每条规则数误伤,只把严格规则用在被攻击的接口或攻击持续期间,并把验证码和限速组合使用,让第一次尝试可以通过。

网络欺诈有多常见?

FTC 报告 2024 年消费者上报的欺诈损失超过 125 亿美元,比 2023 年增长 25%。这些是消费者上报,不是商家损失。

资料来源

这篇文章对你有帮助吗?

我们会根据反馈修改和补充这篇内容。

艾玛·柯林斯

产品分析师

聚焦事件分析、转化漏斗与用户留存,用清晰的指标定义和分析框架解释产品表现。

盯住结算周围的信号

TapCub 把机器人单独统计,展示结算漏斗和来源,监控还能对支付尝试量告警。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie