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0.2。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pos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。