
专业人士称电商用大数据售假不难:看人下单
专业人士称用大数据售假并不难 职业打假人直言电商也有“黑名单”
今年“双十一”迎来电商狂欢节的第七个年头,七年来关于电商的是是非非屡见不鲜。
在今年双十一前,一篇名为《大数据之下,电商会把假货卖给谁?》的帖子在朋友圈疯转。在这篇帖子中,作者称利用电商平台所掌握的大数据资料,销售系统会自动分析消费者的购买能力、消费水平以及对瑕疵品的容忍程度等,从而判断应该发送什么样的货品——真货?假货?瑕疵货?高仿货?
此言一出,立即在网络上炸开了锅。有专业人士表示,从数据分析的角度来看做到看人“下刀”并不难。而职业打假人则直言,大部分电商都有黑名单,上了黑名单的消费者,有钱也不卖给你。
文、图/广州日报记者胡亚平 实习生蔡敏
大数据曾被阿里巴巴创始人马云寄予厚望,能够成为遏制造假的有力工具。然而,近日,一篇在朋友圈疯转的文章却透露,大数据同样可以被电商利用成为发售假货、次货的利器,而这种看人下单送货的售假行为也得到了职业打假人的印证。
电商“看人下刀”
网文揭秘引疯转
这篇名为《大数据告诉你 电商把假货发给谁》的文章最早出现在11月5日一个名为“BiThink”的微信公众号,很快阅读量就突破了10万次。随后,这篇文章还被各大微信公众号转载。记者在搜索平台上搜索,起码有超过450个微信公众号转载了这篇文章,其中不少阅读量都在10万以上。记者随即联系最初推送这篇稿件的微信公众号,公号的责任小编告诉记者,他们是专门从事大数据咨询方面的公号,文章是通过在网上搜集的资料整理而成的,没想到居然这么火。因为文章内容对于不少热爱网购的消费者来说真是石破天惊。
根据这篇文章,电商在网上售卖假货、次货并不是随意发送,而是有精细的数据支持,电商会根据后台抓取的消费者购物数据进行分析,了解你平时购物的均价,常购品牌,以及退货率。如果你多数购买的是低价品牌,系统就会判定你没用过大牌真品,在后台将你备注为低风险用户,那么向你发送高仿货和次货的几率就会达到30%。相反,如果在你购买记录里多次购买该品牌,系统就自动分配真品。
此外,根据文章,退货和投诉记录也会泄露你的消费习惯让卖家有空子可钻,综合退货率低于电商平均标准的消费者,系统会认定你是“好说话”、“能将就”的客户,次品或包装破损品将优先“照顾”你。退货率低于10%的用户,会收到更多垃圾产品。
此外, 你的付款方式是先付款再接货还是货到付款,以及你所在的城市是不是利于投诉和对比货品真假都会成为卖家的参考信息,考虑要不要将假货或次品发给你。
总而言之,根据这篇文章,消费者在网上买到假货、次品和破损品的几率并不是随机的,而是有大数据在背后支持,并被卖家精准地计算着的。
消费者恍然大悟
何以退货特别“爽快”
不少消费者看到这篇网文后回忆起自己的一些网购体验,居然有恍然大悟的感觉。
广州的郭小姐一直希望喜欢买化妆品,最近遇到了一件“怪事”。今年3月,她趁着某电商周年庆优惠活动时,第一次下单买了瓶两百多元的卸妆水。因为平时一直在使用这个品牌,所以她自信有能力辨识真伪。收到货后,她尝试着用化妆棉沾了点涂在耳朵后,当即感觉火辣辣的。这让郭小姐大吃一惊,连忙找客服退货,整个过程非常顺利。
令她疑惑的是,第二天快递打电话告诉她,包裹发生泄漏,里面的物品可能已经损坏了,问她还要不要寄出。“虽说感觉是假货,但是现在损坏了,还真担心客服不让退货。”她一边让快递照常寄送,一边心灰意冷地想着“就当两百元买了个教训”。结果过了两天,手机短信提醒她银行账户有一笔进账,汇款方正是自己前不久光顾的那家电商。
“如果是正品,物品损坏为何还能退货?该不会是心虚吧!”郭小姐愤愤地说道。
东莞的马先生是一家商业地产的项目经理,他告诉记者,今年上半年专门就电商售卖的高档商品进行过调研,“我们当时选了六家电商,有大品牌直营的,也有入驻平台的第三方商家,结果30个样本里面,24款被判定为假货,2款不能确定,4款为正品。”马先生告诉记者,其中一款在某电商平台购买的品牌手表,比市场价格大抵便宜三分之一,货品拿到手后,他们根据品牌的客服电话去核实货号,结果证明是一款货号对不上的假货,“我们找客服沟通,刚说了一句这个东西不对劲,客服立即回复,那我给你办理退款吧!”马先生告诉记者,他们就24款货品跟卖家协商退款时,只有一家电商平台纠缠了很久,非要出示假货证明,越是品牌平台退货越爽快,丝毫不解释自己的货源到底是真是假。
此外,一些超低价货品也成为假次残的高发区,今年双十一前,长春的鹿女士在网上抢到了一款标价为超低价1.1元的钱包,但是运费要25元。结果她拿到手一看,钱包比街边10元的地摊货还不如,虽然价格是1.1元,但是运费花掉了25元,如果要退货不但要自己出运费,退货款只有1.1元,结果让人哭笑不得,只能自认倒霉。
专业人士释疑
数据分析并不难
大数据曾被看作遏制假货的有效工具,也有技术人员向记者透露,现在各个电商都在高薪挖数据分析方面的专才,消费者的消费数据整理和建模是其中很重要的一块业务。
“一般电商都关心几个非常核心的指标,比如独立访客、转化率、毛利率、消费者重复购买率。一般电商会要求自己的技术团队在这些核心指标的基础上,做出数据分析,同时用于管理、运营绩效进行监控,这些数据可以帮助电商了解消费者,但是不是拿来售假全看电商的职业道德和良心。”某网站产品总监秦明(化名)说。
一名专门从事电商供货渠道分析的专业人士舒雅(化名)告诉记者,B2C电商背后实际是非常复杂的渠道体系,正轨应该是品牌商授权给电商,这是正品的保证,也就是自营模式。但实际情况是,每个电商平台都有开放平台,招募第三方卖家。这些第三方卖家分两种,一种是仅作为供货商向电商供货,由电商负责物流、售后服务,对消费者来说,看上去它的购物质量和电商自营没有太大差别,但实际情况是电商通常没有足够能力来监管每一笔供货的来源,电商对真假也缺少鉴别能力,很多时候卖了假货电商自己都不清楚。另一种开放平台是电商只负责流量,备货、物流、售后全是第三方卖家自己做,这种就非常不可靠,好坏全凭良心。
不应退货了事
应该立即举报
记者随后联系了某电商安全方面负责人林涛(化名),他表示,对于这种按数据售卖假货的情况表示高度怀疑,但同时表示“如果这个情况属实,我们的平台一定会对商家进行处罚。希望消费者能够给平台提供线索进行调查。”
他告诉记者,一般来说,电商平台并不能掌握商家的后台数据,如果商家可以拿到别人的数据,这就是非常严重的网络安全事故,目前并没有出现这种情况。一些数量达到一定级别的商家,确实可以通过自己后台大量的数据对消费者进行甄别和分析。“我们建议消费者碰到这种情况不要仅仅是退货了事,应该向平台提供线索。”
职业打假人王海揭秘:
“看人下刀”绝对有可能
职业打假人王海这些年一直在关注电商售假方面的情况,而且也多次和网上售假的商户有过交手记录。他表示,“看人下刀”是绝对有可能的。
他告诉记者,大部分电商尤其是一些大品牌电商都会对消费者进行分级,在进行消费交易的时候根据消费者不同的级别做出不同的动作。王海说,一般商户对消费者的分级是正向分级,比如你是VIP,就可以享受一定的优惠,这个是公开透明,大家也能够理解的,但是在电商的后台,有一个反向歧视的分级,同样是将消费者按A、B、C、D这样的方式进行分级,级别越高或是越低就意味可以接受假次残货品的容忍度和成功率。而一些消费记录显示比较难搞的消费者甚至会被列入消费‘黑名单’,一旦你出现过索赔、退货等记录,下次完成交易的难度和成本就会增加,“有些订单可能会事后通知你没货或是很长时间不发货等你自动要求退款。”
“有时候掌握了消费者数据的平台甚至会通知商户,你这一笔交易风险很大,对方曾经在其他地方出现过多次退货索赔的记录,你最好不要卖给他,并告诉商户应该怎么回绝消费者。”王海说,因为相对于单一的商户来说,平台所掌握的数据更全面,这样会让很多第一次和某商户做交易的消费者的消费习惯也被商户所掌握。
王海表示,电商根据后台的消费记录进行发货已经是业内的潜规则。除了根据你的购买记录、客户评级、消费水平来划分消费者外,消费者和客服的沟通记录也会被视为一个甄别你身份的过程。
“这个过程很微妙的,如果你是一个一上来就问价格能不能再便宜一点,是不是包邮的消费者,对方立刻就能判定你退货或是退款的几率会大大降低,因为邮费对你的心理影响很大,所以你收到假次残品的机会就会增加。”
王海说:“退款成了免死金牌,只要你质疑就给你退款,有很多人没有发现,或者选择自认倒霉了。”
至于商户到底从哪里获得这些消费记录和数据,王海告诉记者,“据我所知,消费者的数据来源有两块,一部分是电商平台出售给商家的,而一些大的电商由于消费记录量足够,也会自己做这一类的分析和记录。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11