问题背景
共享单车运营方在早高峰鼓励用户将单车骑回居住社区，希望由此缓解高峰期的单车供应问题，通过比较用户早高峰的锁定活动单车次数，发现大多数用户早高峰锁定单车次数在1次或2次的约为40%，另外约25%的用户早高峰锁定单车数为3次或4次。这两部分的用户已经占据65%的比例。说明一般用户在早高峰可以将共享挡车反向骑行5次以内，按早高峰时段的 7:00-9:00 约 120min 计算，平均每次骑行约 24min 。
找出规律
骑行次数过多，超出合理范围
另外选择10月10日在早高峰骑行50~100次的用户列表观察，通过随机抽样，发现绝大部分用户在个别日期可以出现解锁与锁定上百次的记录。
进一步判断出现了异常用户
解锁与锁定单车的时间差前后在 1min 左右，如果按照规则要求骑出地铁站500米范围来说，根据常识几乎不可能，所以说存在一定比例的薅羊毛用户。
（1）匿名ID：309341，设备制造商Huawei，设备型号Mate7，应用版本2.1，操作系统版本5.1
神奇的用户1
（2）匿名ID：309431，设备制造商Sumsung，设备型号Galaxy S6，操作系统版本5.1
神奇的用户2
（3）匿名ID：309889，设备型号iPhone5s，设备制造商Apple，操作系统版本8.1，应用版本2.1
神奇的用户3
提出假设
猜测用户通过将定位随意篡改，以便于让系统误判为参与[众骑]活动成功，发放红包。通过匿名ID为309341的用户可以解锁三个单车判断，用户可能会在单车聚集的地方操作或是收集单车二维码的图片进行操作。
验证假设
通过根据解锁活动单车的人均次数排列，根据解锁方式为扫码，设备型号为iPhone5s，操作系统版本为8.1的条件筛选，按用户姓名查看，导出数据表。
以神奇用户3的特征作为筛选条件
将每位用户的解锁次数最高的前10位填充为绿色，发现有一定的规律，在较活跃的14位账号中，每天活跃的用户数量基本介于5-7人，且有类似错开日期活跃的迹象，可能是一个用户在多个账号来回切换。
神奇用户3的作案时间分布
通过根据解锁活动单车的人均次数排列，根据解锁方式为扫码，设备型号为Galaxy S6，操作系统版本为5.1的条件筛选，按用户姓名查看，导出数据表，将每位用户的解锁次数最高的前10位填充为粉红色。
以神奇用户2的特征作为筛选条件
神奇用户2的作案时间分布
通过根据解锁活动单车的人均次数排列，根据解锁方式为扫码，设备型号为Mate7，操作系统版本为5.1的条件筛选，按用户姓名查看，导出数据表，将每位用户的解锁次数最高的前10位填充为黄色。
以神奇用户1的特征作为筛选条件
神奇用户1的作案时间分布
将两两表格重叠，调整透明度，得到以下3张图
神奇用户2与用户3的作案时间对比
神奇用户1与用户3的作案时间对比
神奇用户1与用户2的作案时间对比
结论：发现有不少相互补充的色块区域，我们可以猜测是团伙作战，否则很少会有这么奇怪的巧合。
后续处置措施
针对用户个体
- 为了减少公司损失，我们可以通过对比没有作弊的用户在正常骑行过程中，需要花费多少时间，将每个红包领取的间隔时间规定不得少于骑行500米的所需时间，如5分钟。
- 适当延长红包提现的期限，在此期间将作弊用户过滤出来，对他们的账户金额进行冻结，避免更多无用资金浪费。
根据之前的数据检测，我们发现通过人力参与活动一天之内至多可以获得10次左右的红包，可以设定么个账户每日通过该活动最多获得10个红包，以此降低作弊用户的获取红包上限数量，增加其获利成本。
在战略层面上
- 对比之下，如果投入产出比不符合预期甚至比雇佣人力搬运单车来得低，需要及时止损，下架该活动。
- 后期可寻找其他代替活动，先小范围实验，确保利大于弊的情况下再大力推广。
网友评论