一半队员来自公检法系统
栏目:行业新闻 发布时间:2019-01-16 21:17

  而在“2016年云剑行动”中,浙江警方更是依托阿里巴巴推送的涉假线索在一年内破获了总案值达14.3亿元的假货案件。

  为了更好地配合执法部门,阿里巴巴在2015年额外新增200名员工组成“打假特战队”,还特意从各地的公检法系统招募了一批打假队员。

  “他们长期在打假一线工作,不仅熟悉法律,还懂得如何跟政府部门打交道,更了解他们需要什么。”阿里巴巴平台治理部打假队员清海对《瞭望东方周刊》说,其所在的线下打假团队中,一半队员来自公检法系统。

  “线上打假的难点在于商品数量庞大,单淘宝上就有数以十亿计的商品,要从如此海量的商品中找出假货,难度可想而知。”清海说,阿里巴巴最终选择了自己最为拿手的大数据作为切口。

  所谓“大数据打假”,就是利用智能识别、数据抓取与交叉分析、智能追踪等技术手段,通过一个涵盖多重考量因素和线上规则的实时大数据模型将假货从庞大的在线商品中筛选出来。

  从2013年起,阿里巴巴就逐步建立起了全球最专业的图片侵权假货识别系统,通过检测图片中的局部Logo,来识别图片中商品的品牌,进而判断该商品是否为假货,识别能力超过国外同类图片侦测软件Google goggles。

  为此,其所在的团队开始着重研究售假卖家和正规卖家的行为轨迹,找到两者的差异,进而建立一个面向全平台卖家的评价模型。

  这个在庞大的商品信息、物流信息、支付信息基础上搭建的评价模型包含了100多项对卖家的考量因素,如登陆IP、商品文字、图片描述、交易信息、消费者评价、权利人投诉等,甚至一些社交媒体数据也会被纳入其中。

  借助速度可达每秒1亿次的评价模型,清海所在的团队能实时对全网的十亿在线商品进行筛查,对淘宝数百万卖家进行评分,以识别出具有售假风险的高危用户和售假团伙。

  起初,该体系帮助阿里巴巴揪出了不少潜伏已久的售假卖家,但在运营九个月后,这个被称作“大而全”的万能评价模型就暴露出了问题。

  “筛选出的部分信息最终被证实是虚假的,也就是店铺并未涉假,尽管这种信息在所有推送信息中占比不足1%,但仍然说明原先的万能评价体系存在缺陷,覆盖率很高,准确性有问题。”清海说。

  团队不久便找到了问题的症结:阿里巴巴平台上存在上百个类目的商品,每个行业的售假特征并不相同,统一的评价体系导致了误判。

  之后,大数据模型建设团队对该体系进行了升级,将原本统一的评价模型拆分成针对不同行业的多维评价模型,比如保健品行业、奢侈品行业等。

  “除保留一些固定的通用评价因素外,我们还根据每个行业的不同特征加入了特定的考量因素。”清海说,相较1.0版本,2.0版本的评价体系虽然覆盖范围小,但被证明准确率更高。

  得益于大数据打假的应用,阿里巴巴目前已实现了“线上追踪”、“线下定位”、“权利人共建”“24小时全年无休”的四维打假模式。

  即便如此,对叶炜、清海这些身处一线的打假队员来说,压力依然很大,“售假者的招数比我们多,并且他们在暗处,我们在明处,所以我们只能拼命追,找到他们的新花样,想出破解之道。”

  清海曾发现一个有趣的现象:在一些售卖假冒奢侈品的网店,网店主将LV写成“绿牌”,“用绿牌这个谐音词来代替LV,以此来规避后台系统的审查和识别。”

  为了杜绝此类现象,阿里巴巴将卖家的认证程序从“实名认证”变成了“实人认证”,网店主在申请时除上传身份信息外,还需用指定手势拍照,甚至要手持当地报纸拍照,人脸识别,以确保申请者即本人。

  “我们接下来会将大数据评价模型升级到3.0、4.0版本,在单一行业模型下进一步细分产品,比如保健品下再分减肥药、医疗器械等,让打假越来越精细化、越来越有针对性,让售假者无处可藏。”清海说。

  在阿拉木斯看来,阿里巴巴是目前国内电商平台中打假做得最好,也是最有效的,尤其是其推出的“中国质造”项目,帮助企业转型,“将打假和帮扶结合起来,让制假售假者断了重操旧业的想法。”

  “外界一直对阿里过于苛责。”阿拉木斯认为,假货确实不只是线上的问题,线下也有,且根源还在线下,因为这些产品都是在线下造出来的。

  他同时认为,当前打假存在的最大问题是对制假售假者的刑罚太轻,“相比获得的利益,违法所付出的代价太小,导致违法者敢一而再再而三地以身试法。”

  2016年,执法机关从阿里巴巴接收了1184条安置在5万元以上的涉假线索,但截至目前通过公开信息能够确认已经有刑事判决结果的仅33例,制假售假受到刑事处罚的比例不足1%。

  “如果不能严厉刑罚,打假就会像个筛子,让违法犯罪的人笑死、痛恨假货的人急死、执法办案人员累死、消费者哭死。”郑俊芳说,只有像治理酒驾那样打假才能真正“治本”,有效打假。

服务热线
400-319-5011