陈默的目光似乎穿透了屏幕，聚焦在某个点上，“邀请好友，奖励实时到账。你们的反作弊策略是怎么做的？尤其是针对虚拟号码、接码平台批量注册领券的羊毛党。”

李俊涛一愣，随即回答“我们有基础的设备指纹、ip限制、新用户行为分析模型，还有人工审核”

“不够。”陈默打断他。

“实时到账的强激励，对黑产是致命的诱惑。

你刚才提到的防御手段，在规模化、专业化的羊毛党面前，形同虚设。

看看你们后台，”他手指在虚空一点，仿佛能直接操作瑞子的服务器。

“找‘用户来源分析’模块，筛选注册后1分钟内完成邀请行为、且领取奖励后无任何其他操作的用户。时间范围过去24小时。”

李携耀和乔雅的心瞬间提了起来。

李俊涛脸色微变，手指飞快地在键盘上敲击，调出后台数据面板。

几秒钟后，他盯着屏幕，脸色一点点变白。

屏幕上，一条筛选后的数据流被高亮显示出来。

大量的新注册用户，设备号杂乱，ip分布异常（集中在某些id机房），注册后几乎立刻发起邀请，领取免费咖啡券后便再无动作。

时间戳密集得可怕。

“这这是”李俊涛的声音有些干涩。

“虚拟号码农场，配合自动化脚本。”陈默的声音冷静得像在陈述一个事实，“过去24小时，光是这种模式的‘无效用户’，保守估计超过3万个，薅走了至少3万张免费券。按你们的物料和运营成本算，损失多少？”

乔雅飞快地心算了一下，脸色顿时也难看起来“单杯成本加运营摊薄至少30万！”

会议室里一片死寂。

刚才的激昂气氛荡然无存。

李俊涛脸上火辣辣的，羞愧和挫败感几乎将他淹没。

他自以为坚固的堡垒，在陈默眼中竟如此不堪一击。

陈默没有理会这凝滞的气氛，继续道

“这只是最基础的批量刷单。

更隐蔽的，是真人众包，分散ip，模拟正常用户行为，领券后小额消费甚至转卖优惠券。

你们的反作弊模型阈值设得太低，特征库也不够丰富。”

他看向李俊涛，“风控模型的第三层参数，那个基于用户行为序列异常检测的神经网络模型，权重系数调高02。立刻去办。”

“是！陈总！”李俊涛如梦初醒，立刻在电脑上操作起来。

他仿佛回到了还在华兴的日子，此刻又被头顶巨大的阴影笼罩了起来。

几分钟后，李俊涛再次演示app的时候，精气神似乎都掉了一截。

结果没想到的是视频画面里的陈默明明是在拿着手机回消息，却问了一个看似无关实则致命的问题“订单状态里的‘预计等待时间’，怎么算的？”

李俊涛立刻回答“根据门店当前积压订单数、平均制作时长动态计算。我们接入了门店p系统的实时订单队列数据。”

“数据维度不够。”陈默一针见血。

“只考虑订单数？门店的实时产能呢？

比如咖啡师人数、当前状态比如是否在制作、甚至咖啡机的工作状态比如是否需清洗、换豆？

极端天气导致的外卖订单激增对店内产能的挤压？

这些变量加进去，模型才准。

一个严重低估的等待时间会让用户到店后干等，体验直接崩盘；

一个过分高估的等待时间又会吓跑用户。

精准度，就是信任度，是复购率的基石。

立刻接入门店监控系统（非视频，是设备状态数据流），丰富模型参数。”

李俊涛心头剧震，他只想到了订单队列，却忽略了产能本身的动态变化。

这盲区太大了！

“明白！我立刻安排，接入设备it数据流，重构预估模型！”

一旁的乔雅也是慌得一批，这个功能是她提供的核心逻辑，李俊涛只是负责实现功能。

要认真论起来还是她的锅更大。

陈默开口第二次以后，连李携耀也没有原先那种意气风发的表情了，脸色逐渐沉重。

还没等他缓过神，陈默的第三板斧也敲了下来。

“第三，”陈默的指尖再次敲了敲桌面。

“支付。

聚合支付是好，但你们只做了微信和支付宝。

银联云闪付呢？appe&nbp;pay呢？

尤其高端写字楼区域，用appe&nbp;pay的用户比例不低。

支付方式缺失，就是流量漏斗的缺口。

尽快补全，覆盖所有主流支付通道，一个都不能少。”

乔雅立刻点头“这个是我们疏忽。”

李俊涛也补充道，“立马安排支付组去和对接银联和appe，一周内上线！”

陈默微微颔首，算是认可。

他身体重新靠回椅背，目光扫过屏幕里神色各异的三人，最后落在李携耀身上

“app和小程序的基础框架，俊涛搭得不错，稳字当头，及格了。

但细节是魔鬼，尤其是用