📚 课程目录第3章拒付数据解析

3. 拒付数据解析

做拒付风险预测，第一步不是选模型，而是把数据看懂。拒付不是单一表里的一个标签，而是发生在“交易—清算—争议—裁决”链路中的结果。要预测它，必须把交易流水、拒付记录、商户信息、用户行为四类数据对齐到同一笔交易或同一主体上。本节围绕字段含义、关联键、时间口径和常见陷阱展开，帮助你建立可落地的数据字典意识。

一、核心原理：拒付是多源数据在时间轴上的“因果投影”

一笔拒付的产生，通常经历：持卡人发起交易 → 商户发货/提供服务 → 持卡人向发卡行提出争议 → 发卡行发起拒付 → 收单机构/商户收到拒付通知 → 商户申诉或接受。预测模型要回答的是：在当前时点，这笔交易未来发生拒付的概率是多少？因此所有字段都必须回答两个问题：它是否在预测时点可得？它与拒付的因果关系是否成立？

四类数据的角色不同：交易流水提供“发生了什么”，拒付记录提供“结果标签”，商户信息提供“主体风险画像”，用户行为提供“行为序列异常”。只有把它们通过统一键（如交易号、商户号、用户ID、卡指纹）和时间窗口拼接，才能形成训练样本。

关键原则：标签必须来自拒付记录，特征必须来自拒付发生之前。任何在拒付之后才产生的字段（如拒付原因码、申诉结果）都不能进入特征，否则会造成标签泄漏。

二、四类数据字段与含义

1. 交易流水

交易流水是样本的主表，通常一行代表一次支付尝试。核心字段包括：交易号、商户号、用户ID、卡指纹、金额、币种、支付方式、交易时间、交易状态、授权码、设备指纹、IP、收货地址、账单地址、CVV/AVS校验结果、3DS验证结果等。其中金额、支付方式、3DS结果、AVS/CVV匹配情况对拒付风险影响显著。

2. 拒付记录

拒付记录是标签来源，通常一行代表一次拒付事件。字段包括：拒付号、关联交易号、拒付金额、拒付原因码、拒付发起时间、发卡行、卡组织、处理状态、申诉截止时间、申诉结果。原因码是重要分析维度，例如“未收到商品”“未授权交易”“重复扣款”对应不同风险模式。

3. 商户信息

商户信息描述主体风险，包括：商户号、行业类别（MCC）、注册时间、经营地区、结算周期、历史拒付率、历史交易量、保证金比例、风控等级。新商户、高客单价行业、跨境商户通常拒付率更高。

4. 用户行为

用户行为是序列数据，包括：登录频次、下单频次、浏览时长、加购行为、支付失败次数、换卡次数、设备更换频率、IP跳变、退款申请次数、历史拒付次数。行为突变往往先于拒付发生，是预测的重要信号。

数据域	代表字段	在预测中的角色	常见陷阱
交易流水	交易号、金额、支付方式、3DS结果	样本主表与即时特征	交易状态未终态即入样
拒付记录	拒付原因码、拒付时间、申诉结果	标签与后验分析	原因码在预测时不可得
商户信息	MCC、历史拒付率、注册时长	主体风险画像	历史拒付率含未来信息
用户行为	登录频次、换卡次数、退款次数	行为序列异常	行为窗口与交易时间错位

三、方法流程：从原始表到建模宽表

确定主键与粒度：以交易号为主键，确保一笔交易一行；若同一交易多次拒付，需聚合或取首次拒付。
统一时间口径：所有特征按交易时间截断，只取交易时间之前的数据；拒付时间仅用于构造标签。
构造标签：交易后T天内发生拒付记为1，否则为0；T需与业务申诉周期匹配。
特征聚合：对用户行为按7/30/90天窗口聚合；对商户按历史累计计算拒付率。
拼接与校验：左连接交易流水与商户、用户特征，检查缺失率、时间穿越和重复键。

-- 示例：构造交易级标签与基础特征
SELECT
  t.txn_id,
  t.merchant_id,
  t.user_id,
  t.amount,
  t.pay_method,
  t.three_ds_result,
  CASE WHEN c.chargeback_time IS NOT NULL
       AND c.chargeback_time <= DATE_ADD(t.txn_time, INTERVAL 30 DAY)
       THEN 1 ELSE 0 END AS is_chargeback,
  m.mcc,
  m.history_cb_rate,
  u.login_cnt_30d,
  u.card_change_cnt_30d
FROM txn t
LEFT JOIN chargeback c ON t.txn_id = c.txn_id
LEFT JOIN merchant m ON t.merchant_id = m.merchant_id
LEFT JOIN user_behavior u ON t.user_id = u.user_id
WHERE t.txn_time >= '2024-01-01';

四、案例与场景：一次“未收到商品”拒付的数据复盘

某跨境商户在2024年3月出现一批拒付，原因码集中在“未收到商品”。复盘发现：这些交易集中在同一批新注册用户，设备指纹重复率高，收货地址与账单地址不一致，且商户发货时间普遍超过7天。交易流水显示3DS验证通过，但用户行为显示这些账号在交易前24小时内有多次换卡和登录失败。若在预测时点引入“发货时效”“地址一致性”“换卡次数”等特征，模型可提前识别高风险交易。

场景启示：拒付原因码是事后信息，不能直接做特征；但可以据此设计事前可得的代理特征，如“商户平均发货时长”“地址不一致标记”“近30天换卡次数”。

五、误区与复盘

误区一：把拒付原因码当特征。原因码在拒付发生后才产生，属于标签泄漏，会导致离线AUC虚高、线上失效。
误区二：忽略时间窗口对齐。用户行为若按自然月聚合，可能包含交易之后的数据，必须按交易时间截断。
误区三：商户历史拒付率直接全量计算。应使用滚动窗口或截至交易时点的累计值，避免未来信息混入。
误区四：交易状态未终态即入样。支付失败、撤销的交易不应作为拒付负样本，需明确样本准入规则。

数据质量检查清单：主键唯一性、时间穿越、缺失率、标签分布、特征与标签相关性方向、训练/验证时间切分。任何一项未通过，都不应进入建模阶段。

总结来说，拒付数据解析的本质是：以交易流水为骨架，以拒付记录为标签，以商户信息和用户行为为特征，在严格的时间口径下构造建模宽表。只有字段含义清晰、关联键正确、时间边界严谨，后续的模型训练和风险预测才有可靠基础。