诈骗短信大家一定不陌生,花样很多,但是都有一个共同特点:蠢
骗子真的是傻吗,发这种短信谁会信?还冒着违法的风险,大面积的发,能骗到钱?
其实反过来想,到底是什么样的利益,能够让骗子们冒着违法的风险,发这种看起来这么蠢的短信呢?
机器学习中有一个评价分类器准确度的工具,叫做混淆矩阵,听起来高大上,其实很简单,它有四个指标:
1. 真阳性(True Positive,TP):样本的真实类别是正例,并且模型预测的结果也是正例
2. 真阴性(True Negative,TN):样本的真实类别是负例,并且模型将其预测成为负例
3. 假阳性(False Positive,FP):样本的真实类别是负例,但是模型将其预测成为正例
4. 假阴性(False Negative,FN):样本的真实类别是正例,但是模型将其预测成为负例
前两种都是预测对了的情况。后两种是预测错了
骗子在编造诈骗短信的时候,肯定是希望不要错过茫茫人海中可以骗的那几个人,那么对于骗子来讲,最大的成本在于:
假阳性,FP:其实是个很精的人,发了短信给他
假阴性,FN:其实是个很蠢的人,没有发短信给他
对于FP这种情况,假设诈骗短信写得很真,有一些比较聪明的人也收到了,但是在诈骗的后续过程中识破了,那么这会耗费骗子大量的沟(zha)通(pian)成本。
而对于FN,只要加大发送力度就行了,成本不高
因此,需要极力避免FP这种情况。
如何避免呢?那就是通过很蠢的短信,筛掉这部分比较聪明的人。
简单来说,容易信比较蠢的诈骗短信的人,本身就比较容易骗,针对这些人下手,诈骗成功率更高。
我们再来看看贷款广告
说他们价值观不正、俗不可耐都是轻的,简直就是令人反胃,把用户的智商按在地上摩擦。
那大家再想想,这种广告,通过了机构内部的审核,承担了获取客户的重任,消耗了广告投放的巨额资金,难道不能带来新客户吗?
在发送广告的时候,其实也有一个评估过程。广告投放方面,也是希望能够尽可能准确的投放到目标客户那里。
目前的第三方广告服务商,也会通过抖音、快手、头条等平台,获取客户标签,将标签提供给广告主,由广告主筛选特定标签进行投放。
但是,这些标签不一定100%准确,另外,如果用户看过广告之后,觉得有用,自发传播给自己圈子里的人,那就更好了,这样可以极大的提高转化率。
那么,谁会看了广告以后,感同身受,马上借钱呢?
通过这些视频,确实可以吸引到一些次级客群,你看了觉得蠢,因为你的知识体系和价值观在其之上。
但是别忘了,金字塔的底部还有很多人,确实缺钱,也许就是想体验一下头等舱,但是连利息都算不清楚。
他们就是看了这类视频,感同身受的人,更加容易被这类广告所触动。
这就是这类广告能存在的根本原因。