如何设定下单-收货地址相似度阈值？
解读
在国内电商与本地生活场景里，“下单-收货地址相似度”常被用来识别虚假交易、刷单、薅羊毛、分销囤货以及高价值用户真实复购。阈值设得太低，容易误杀正常用户，导致投诉与流失；设得太高，又会让黑产漏网，直接拉低ROI。因此，面试官想考察的是：你能否把业务目标、数据分布、成本收益、灰度验证四件事一次性讲清楚，并给出可落地的迭代节奏。
知识点
- 地址标准化：先调用高德/百度地图API把原始字符串解析成省-市-区-街道-POI-经纬度六级结构化字段，去掉空格、特殊符号、楼层房号噪声。
- 相似度算法：
- 文本层面：Jaro-Winkler对“同音错字”鲁棒，SimHash适合长文本去重。
- 空间层面：把经纬度转GeoHash（精度6位约±1.2 km），再算Levenshtein距离；或直接用球面距离≤500 m视为同一小区。
- 业务分层：
- 新客首单：阈值≥85%即触发复核，防止“自买自收”刷单。
- 老客复购：允许≤3个常用地址，相似度≥90%才合并，避免误合并家庭+公司地址。
- 代价矩阵：
- 误杀成本 = 预计GMV × 客单价 × 投诉率10% × 挽回率30%。
- 漏杀成本 = 刷单佣金 + 平台补贴 + 逆向物流 + 信用损耗。
用Fβ-score（β<1）把误杀权重降低，找到业务可接受的最优切点。
- 灰度与监控：先取5%流量A/B测试，核心指标看支付转化率、客诉率、风控拦截率；上线后每日跑PSI（群体稳定性指标）>0.1即回滚。
答案
我会用“数据分桶→代价敏感→灰度迭代”三步法来设定阈值：
第一步，把近30天成交订单的“下单地址”与“收货地址”做标准化，并用Jaro-Winkler+GeoHash双路相似度打分，得到0-1的连续分布。按每5 pct分桶，观察各桶的刷单标签命中率（已有风控案件为1）与正常用户占比。
第二步，画出ROC曲线，找到Youden Index最大点作为基准阈值，再引入业务代价矩阵：对新客场景，把漏杀权重调高3倍，最终阈值从0.88提升到0.92；对老客场景，误杀代价大，阈值下调到0.85，并允许用户手动纠正一次。
第三步，上线前做7天灰度，核心监控支付转化率下降不超过0.3 pct、客诉率增加不超过万分之二；同时跑每日PSI，一旦地址分布漂移超过0.1立即回滚，并自动触发模型重训。整个流程用Airflow+Kafka实时回写，确保T+1更新阈值。
拓展思考
- 地址相似度只是“节点”特征，建议叠加设备指纹、支付卡BIN、收货手机号归属地做图关联，用GNN发现“同一团伙多地址”模式，可降低对单一阈值的敏感度。
- 对同城小时达业务，用户确实会填写“附近便利店”自提，此时可把500 m球面距离规则升级为“允许POI类型=便利店/菜鸟驿站”白名单，动态放宽阈值到0.8，减少误杀。
- 长期看，把阈值做成个性化：对年度消费≥5万元且0投诉的VIP，直接关闭地址相似度校验；对30天内已触发2次风控的新客，阈值自动收紧到0.95，实现千人千面的风险-体验平衡。