这要看上下文了,已经不是概念的辨析问题,而是看人家真实的意图。
有一次一位前同事说起他在支付宝的经历,是欺诈预防这一块的——消费者在支付的时候,如果发现他有某种可疑操作,就要增加支付难度,比如增加验证码什么的。所有这些“可疑”操作的识别,都是规则引擎,据称是成千上百条规则。而这些规则多半是由他们根据经验,根据一些客户欺诈投诉做出来的,几乎没有用什么模型预测。
可是,就算是模型预测出来,恐怕也是要固化成规则吧。或者,可以将规则设计人员的大脑当做一个挖掘机器,他们根据历史经验,加上最近投诉的案例,噔噔噔,设计出一条预防规则。这就是一个Modeling的过程,而那规则,放在规则引擎里运行,就是Model。
也不知道支付宝是否会对规则进行验证,理论上应当有这个环节。当然,如果规则看起来非常直白,设计者可能直接忽略这个验证。比如从最近几次投诉,欺诈者都是先发送了一条xx信息,这条信息让用户进入一个特定参数的支付页面。那么,设计者可能就直接对进入这个页面的行为设计一条规则。当然,也可能这是正常现象,而且也要评估如果这么设计,是否会带来其他的麻烦,比如导致客户支付失败率提高。规则引擎的设计应当考虑这个环节——对规则的管理。而以前还有那种市场部做营销活动时,业务人员提取目标客户的规则,很多时候都是凭借业务经验拍出来,经验有高有低,暂且不论。但这种人为操作,去预估和验证规则的效果,很少做。