绩效营销中的欺诈风险管理

21/24绩效营销中的欺诈风险管理第一部分绩效营销欺诈的类型和特点 2第二部分欺诈风险评估框架的建立 5第三部分实时欺诈检测和预防措施 8第四部分欺诈数据的收集和分析 10第五部分人工智能驱动的欺诈检测 12第六部分供应商关系管理的欺诈预防 16第七部分绩效营销欺诈的法律和法规 19第八部分欺诈风险管理的持续改进 21

第一部分绩效营销欺诈的类型和特点关键词关键要点点击欺诈

1.欺诈者使用机器人或脚本冒充真实用户，虚假点击广告链接，制造虚假流量，从而向广告商索取报酬。

2.这种欺诈往往难以识别，因为点击似乎来自合法用户，但实际上却是由自动化工具执行的。

3.检测点击欺诈的方法包括使用反欺诈软件、分析流量模式和行为，并建立基线以识别异常行为。

Cookie窃取

1.欺诈者劫持浏览器Cookie或会话ID，冒充合法用户访问广告链接，从而获得佣金或欺骗广告系统。

2.Cookie窃取通常是通过恶意软件、浏览器劫持或网络钓鱼攻击实现的。

3.广告商可以通过实施严格的Cookie政策、使用会话令牌和双因素身份验证来降低Cookie窃取的风险。

印象欺诈

1.欺诈者利用虚假页面、隐藏广告或JavaScript脚本操纵广告展示，制造虚假印象。

2.这种欺诈策略通常用于提高广告库存的价值，向广告商收取虚高的费用。

3.广告商可以采用可视度测量、印象验证服务和分析流量模式来识别和对抗印象欺诈。

设备欺诈

1.欺诈者使用模拟器或虚拟机伪造设备识别码（如IMEI和MAC地址），以绕过广告限制或多次利用同一个优惠。

2.设备欺诈会给广告商造成损失，因为他们为虚假用户或重复购买支付费用。

3.检测设备欺诈的方法包括使用设备指纹技术、分析设备行为和实施严格的设备限制。

虚假转化

1.欺诈者创建或操控网站或应用程序，向广告商报告虚假转化，例如填写表单、下载应用程序或购买产品。

2.虚假转化欺诈可能导致广告商损失大量资金，因为他们为从未发生的事件支付费用。

3.广告商可以通过实施严格的转化验证程序、与第三方数据提供商合作和分析转化模式来检测和防止虚假转化。

账户欺诈

1.欺诈者窃取或创建虚假广告账户，利用这些账户滥用广告系统或进行欺诈活动。

2.账户欺诈可能涉及盗用品牌、冒充合法企业或创建多个账号来绕过限制。

3.广告平台可以通过实施账户验证流程、使用欺诈检测算法和与执法机构合作来打击账户欺诈。绩效营销欺诈的类型和特点

1.点击欺诈

*定义：虚假或非人类点击付费广告，旨在消耗广告费而不产生真实用户参与。

*特点：

*大量来自自动点击机器人或欺诈性网站的无效点击。

*异常高的点击率（CTR）和转化率（CVR），但缺乏相应的销售或转化。

*广告展示次数和点击次数之间的地理不匹配。

2.虚假转化

*定义：故意制造或篡改广告转化，以获得绩效佣金，而未产生真实价值。

*特点：

*异常高的转化率，远高于行业平均水平。

*转化质量差，例如：即时页面退出、低平均会话时间。

*转化行为与广告预期的行为不一致。

3.安装欺诈

*定义：虚假安装或归因移动应用程序，以盗取安装费用。

*特点：

*大量来自欺诈性设备或模拟器的安装。

*异常高的安装率，但缺乏相应的应用程序使用情况。

*安装后立即卸载或长时间不使用应用程序。

4.返利欺诈

*定义：利用返利网站或应用程序，通过虚假或高额返利激励诱使消费者点击广告并进行购买。

*特点：

*返利网站或应用程序提供非常高或不切实际的返利率。

*消费者可能重复进行同样的购买，只为了获得返利。

*实际销售额低于通过返利获得的付款额。

5.会员欺诈

*定义：创建虚假会员帐户或劫持现有帐户，以赚取推荐佣金。

*特点：

*大量关联到单个IP地址或电子邮件地址的会员帐户。

*会员行为可疑，例如：快速注册、频繁更改帐户详细信息。

*推荐流量质量差，转化率低。

6.内容欺诈

*定义：在网站或应用程序中滥用内容，以误导用户点击广告或进行购买。

*特点：

*使用虚假或夸张的主张、虚假评论或未经授权的图片。

*利用漏洞在搜索引擎或社交媒体平台上提升欺诈性内容。

*误导性或不相关的着陆页。

7.滥发邮件欺诈

*定义：向电子邮件列表发送未经请求的电子邮件广告，目的是产生点击或转换。

*特点：

*使用欺骗性或误导性主题行。

*从虚假或租用的电子邮件地址发送。

*包含恶意链接或附件。

8.设备欺诈

*定义：伪装设备或位置信息，以欺骗广告平台或跟踪器。

*特点：

*使用代理服务器、VPN或模拟器来掩盖真实IP地址。

*跨越多个设备或位置进行异常或频繁的活动。

*触发防欺诈系统中的地理定位警报。

9.其他欺诈类型

*欺诈挖矿：利用广告或网站访问者设备进行加密货币挖矿。

*流量劫持：将广告或网站访问者重定向到欺诈性网站或应用程序。

*恶意软件：在设备上安装恶意软件，窃取数据或执行欺诈活动。第二部分欺诈风险评估框架的建立关键词关键要点【欺诈风险识别与评估】

1.欺诈风险定义与识别：明确欺诈风险的定义，建立欺诈分类和识别方法，以识别潜在的欺诈行为。

2.风险评估模型构建：基于历史数据和行业经验，建立欺诈风险评估模型，识别高风险客户和交易。

3.风险评分与分级：对欺诈风险进行评分，将客户和交易划分为不同的风险等级，以便优先进行审查和调查。

【欺诈风险控制手段】

绩效营销中的欺诈风险管理

欺诈风险评估框架的建立

绩效营销中欺诈风险评估框架的建立是风险管理流程中至关重要的一步，旨在识别、评估和缓解欺诈风险。一个全面的评估框架应包含以下要素：

1.风险识别

*识别欺诈类型：识别绩效营销中常见的欺诈类型，例如点击农场、虚假安装、网络流量劫持。

*欺诈指标：确定与特定欺诈类型相关的关键指标，如不寻常的地理分布、高安装量或异常的转化率。

2.风险评估

*风险矩阵：建立一个风险矩阵，将欺诈类型与风险影响和概率相匹配，以确定风险水平。

*欺诈评分模型：开发统计模型来评估每个潜在欺诈活动的风险，考虑欺诈指标和历史数据。

3.风险缓解

*欺诈检测规则：建立自动化规则，在检测到欺诈指标时触发警报。

*手动审核流程：制定手动审核流程，以调查可疑活动并确定其合法性。

*供应商筛查：评估广告合作伙伴的可靠性和反欺诈措施。

4.风险监测和报告

*监控系统：实施实时监控系统，以检测欺诈模式和趋势。

*报告和分析：定期生成欺诈报告，以分析欺诈活动、趋势和潜在的漏洞。

最佳实践

*数据驱动：将风险评估基于历史数据和行业洞察。

*自动化：利用自动化技术来检测和缓解欺诈，提高效率和准确性。

*持续监控：定期审查和更新风险评估框架，以应对不断变化的欺诈格局。

*协作：与广告合作伙伴、供应商和反欺诈专业人士合作，共享知识和最佳实践。

*合规：遵守所有适用的法律法规，包括数据隐私和消费者保护。

案例研究：社交媒体广告欺诈

根据IAB2022年的一项研究，社交媒体广告支出预计将从2023年的1110亿美元增长到2026年的2010亿美元。随着支出的增加，社交媒体平台也越来越容易受到欺诈活动的侵害。

为了解决这一风险，领先的社交媒体平台已经采取了以下措施：

*自动化欺诈检测：实施高级算法和机器学习模型来识别可疑活动。

*人工审查：雇用专门的团队来手动审查欺诈指控。

*供应商认证：建立流程来验证广告合作伙伴的合法性和反欺诈措施。

*教育和培训：为广告商和平台用户提供有关欺诈风险和预防措施的教育材料。

通过实施全面的欺诈风险评估框架，绩效营销人员可以显著降低欺诈风险，保护他们的广告投资并为消费者提供安全和可信的体验。第三部分实时欺诈检测和预防措施关键词关键要点主题名称：机器学习算法

1.监督学习模型：利用标记数据训练模型，识别欺诈模式，例如随机森林、支持向量机。

2.无监督学习模型：识别数据中的异常，检测未标记数据中的可疑行为，例如聚类算法、异常检测算法。

3.主动学习：通过与人类专家互动，持续改进机器学习模型，提高检测准确性。

主题名称：大数据分析

实时欺诈检测和预防措施

欺诈检测引擎

*机器学习模型：使用欺诈和非欺诈交易的历史数据训练算法，以识别异常模式。

*规则引擎：预先定义的规则，根据特定触发因素（例如，高价值交易、新设备）标记交易。

*启发式方法：基于欺诈调查人员的经验、知识和直觉的算法。

欺诈预防措施

设备指纹识别：

*会话指纹识别：识别特定设备或浏览器的唯一特征，例如浏览器指纹、操作系统指纹和网络指纹。

*设备指纹识别：对设备的硬件特性进行哈希处理，创建唯一的数字指纹。

风险评分：

*基于规则的风险评分：根据预先定义的规则，为每个交易分配风险分数。

*机器学习风险评分：使用机器学习模型预测交易的欺诈风险。

二步验证和身份验证：

*单次密码(OTP)：通过SMS或电子邮件发送的一次性密码，以验证用户的身份。

*生物特征身份验证：使用指纹、面部识别或其他生物特征进行身份验证。

地址验证服务(AVS)：

*基本AVS：比较账单地址的邮政编码和地址信息与发卡机构记录的信息。

*高级AVS：验证邮政编码、地址信息和街道方向之间的匹配程度。

卡验证价值(CVV)：

*CVV2：信用卡或借记卡背面的三位安全代码。

*CVV3：从信用卡或借记卡磁条读取的四位安全代码。

地理位置验证：

*IP地理位置：使用IP地址识别交易的地理位置。

*设备定位服务：使用设备的GPS或Wi-Fi功能确定交易的物理位置。

欺诈监测仪表板：

*实时仪表板：监控欺诈活动，提供实时更新和警报。

*历史数据分析：识别欺诈趋势、异常行为和欺诈模式。

欺诈调查与响应

*欺诈调查团队：由合格的调查人员组成，负责调查潜在欺诈活动。

*欺诈响应计划：定义欺诈事件的响应步骤，包括冻结帐户、联系客户和执法部门。

*持续风险评估：定期审查和更新欺诈检测和预防措施，以应对不断发展的欺诈威胁。

最佳实践

*采用多层欺诈检测和预防措施。

*根据行业、业务规模和风险状况定制欺诈检测策略。

*与第三方欺诈供应商或机构合作，获得额外的专业知识和见解。

*定期监控欺诈活动和趋势，并根据需要调整措施。

*持续教育和培训欺诈检测人员，以保持最新技术和欺诈策略。第四部分欺诈数据的收集和分析欺诈数据的收集和分析

在绩效营销中，欺诈数据的收集和分析对于管理欺诈风险至关重要。本文将探讨欺诈数据的类型、收集方法和分析技术，以帮助企业识别、预防和缓解欺诈行为。

欺诈数据的类型

绩效营销中的欺诈数据可以分为以下几类：

*点击欺诈：虚假或非法的点击，旨在欺骗广告商或发布商。

*安装欺诈：欺诈性安装，用于获取应用程序下载的奖励或佣金。

*归因欺诈：错误或虚假归因，将转换错误地归功于特定的渠道或广告商。

*流量操纵：人为操纵流量，以欺骗性地提高广告系列的绩效。

*身份欺诈：使用虚假或被盗的身份进行欺诈性购买或活动。

*设备欺诈：使用伪造或模拟的设备进行欺诈性活动。

欺诈数据的收集方法

收集欺诈数据至关重要，需要使用多种方法来确保全面覆盖：

*数据日志：记录所有广告活动、转换和事件，以进行分析。

*设备指纹：识别欺诈者使用过的设备，防止重复欺诈。

*会话分析：跟踪用户行为，识别异常模式或欺诈性活动。

*风险评分：使用算法为每个用户或活动分配风险评分，基于预定义的欺诈指标。

*第三方数据：与专业反欺诈公司合作，获得外部欺诈数据和工具。

欺诈数据的分析技术

分析欺诈数据需要强大的技术，包括：

*机器学习：训练算法检测欺诈模式，并随着时间的推移提高准确性。

*专家系统：使用预定义的规则来识别和阻止欺诈性活动。

*统计建模：分析数据趋势和模式，识别异常或欺诈性行为。

*数据可视化：创建交互式图表和仪表板，以便快速识别和调查欺诈活动。

*欺诈数据管理工具：专门用于管理、分析和报告欺诈数据的软件平台。

欺诈数据分析的最佳实践

为了有效地分析欺诈数据，请遵循以下最佳实践：

*建立欺诈指标：定义明确的指标来衡量欺诈，例如无效点击率、转换率和风险评分。

*实施持续监控：定期监控欺诈指标，以识别趋势和异常。

*调查欺诈活动：对可疑活动进行彻底调查，以确定其性质和范围。

*实施补救措施：根据调查结果，实施补救措施，例如阻止欺诈者、调整风险评分或修改广告策略。

*协作和信息共享：与行业合作伙伴和反欺诈组织合作，共享欺诈数据和见解。

结论

绩效营销中的欺诈风险管理需要严格的欺诈数据收集和分析措施。通过使用各种收集方法、强大的分析技术和最佳实践，企业可以有效地识别、预防和缓解欺诈行为，保护其广告支出并确保公平的竞争环境。第五部分人工智能驱动的欺诈检测关键词关键要点深度学习检测异常模式

1.利用深度学习算法识别欺诈性行为模式和异常值。

2.训练神经网络模型分析大量历史数据，识别异常交易、虚假点击或机器人活动。

3.监控实时活动，并基于预先确定的阈值和行为细微差别触发警报。

贝叶斯网络推断欺诈概率

1.根据贝叶斯统计构建网络模型，关联欺诈相关事件和因素。

2.从数据中推断新事件的欺诈概率，并为风险评分提供依据。

3.随着新数据的不断添加，不断更新模型以提高预测准确性。

群组分析识别欺诈团伙

1.运用群组分析技术识别具有相似欺诈行为模式的团伙。

2.通过聚类算法分析帐户、IP地址或设备数据，发现隐藏的关联。

3.根据团伙特征和共同模式采取有针对性的反欺诈措施。

自然语言处理识别欺诈文本

1.利用自然语言处理(NLP)检测欺诈性文本，如虚假评论、钓鱼邮件或冒名顶替消息。

2.训练机器学习模型识别可疑的语言模式、拼写或语法错误。

3.过滤掉欺诈性文本内容，减少合法的活动因误报而造成的损失。

图像分析识别欺诈图像

1.应用计算机视觉算法分析图像，识别伪造的身份证件、虚假收据或欺诈性产品图片。

2.检测图像中的异常、篡改或不一致之处，并使用深度学习模型进行分类。

3.防止欺诈分子利用虚假图像提交虚假索赔或冒用身份。

行为分析建模

1.分析用户行为模式，识别欺诈性活动，如快速切换帐户、ungewöhnliche设备使用或异常购买行为。

2.建立基于规则或机器学习的模型，监控用户行为并触发基于风险的响应。

3.实施多因素身份验证或限制特定活动，以防止欺诈行为。人工智能驱动的欺诈检测

引言

欺诈是绩效营销中一个日益严重的威胁，对广告商和附属机构都造成重大损失。人工智能（AI）技术已成为检测和预防欺诈的有力工具，通过自动化流程和识别传统方法无法识别的模式，提高了欺诈检测的有效性。

人工智能在欺诈检测中的应用

AI驱动的欺诈检测系统利用机器学习算法和高级分析技术来识别欺诈性活动。这些算法对大量历史数据进行训练，以识别欺诈的特征，例如：

*设备指纹识别：分析设备的唯一特征（如IP地址、操作系统和浏览器）来识别虚假账户或机器人。

*用户行为分析：监测用户活动模式，如快速点击、异常会话时间和重复性购买，以检测可疑行为。

*交易分析：识别异常交易模式，如大量小额交易、来自可疑来源的付款或与历史信用记录不符的购买。

*社交媒体分析：收集和分析有关附属机构及其受众的社交媒体数据，以评估他们的声誉和可信度。

优势

*自动化：AI系统可以自动执行欺诈检测任务，释放人力资源专注于其他关键领域。

*高精度：机器学习算法能够从大量数据中学习，提高欺诈检测的准确性和效率。

*实时监测：AI系统可以实时监控活动，允许快速响应和预防欺诈。

*可扩展性：AI系统可以轻松扩展到处理大批量数据，即使在高峰时期也能保持有效。

*降低成本：通过自动化欺诈检测流程，AI系统可以降低调查和处理欺诈成本。

实施

实施AI驱动的欺诈检测系统涉及以下步骤：

*收集和准备数据：收集有关欺诈活动的历史数据，并将其处理成算法可以理解的格式。

*选择机器学习算法：选择最适合特定欺诈检测任务的算法，如监督学习、无监督学习或强化学习。

*训练和调整模型：使用训练数据集训练算法，并使用验证数据集对其进行调整和优化。

*部署和监控系统：部署AI系统并持续监控其性能，对模型进行微调并根据需要更新数据集。

挑战

*数据质量：欺诈检测系统的准确性取决于训练数据质量，需要定期更新和增强。

*算法选择：选择合适的机器学习算法至关重要，因为不同的算法适用于不同的欺诈检测任务。

*解释性：机器学习模型的复杂性可能难以解释，使之难以理解欺诈检测的决策过程。

*偏见：训练数据中的偏见可能会导致AI系统做出不准确的预测，需要解决算法偏见。

*持续进化：欺诈分子不断开发新的技术来规避检测，需要持续更新和增强AI系统以跟上威胁态势。

结论

人工智能驱动的欺诈检测系统是检测和预防绩效营销中欺诈活动的有力工具。通过利用机器学习算法和先进的分析技术，这些系统可以提高欺诈检测的准确性和效率，从而保护广告商和附属机构免受财务损失。虽然实施AI驱动的欺诈检测系统存在挑战，但其长期收益使之成为绩效营销中一项宝贵的投资。持续的创新和算法改进将继续推动AI在欺诈检测领域的发展，为保护数字营销生态系统免受欺诈威胁提供更强大的解决方案。第六部分供应商关系管理的欺诈预防关键词关键要点【供应商关系管理的欺诈预防】

1.建立基于风险的供应商筛选流程，对潜在供应商进行全面的背景调查，包括财务状况、声誉和所有权结构核查。

2.实施持续监控，定期审查供应商的业绩和合规性，包括绩效报告、财务报表和外部审计结果的定期审查。

3.通过合同条款明确责任，制定详细的合同，明确规定供应商的义务、性能标准和欺诈行为后果。

【技术与欺诈预防】

供应商关系管理的欺诈预防

在绩效营销中，与供应商建立牢固且透明的关系对于识别和预防欺诈至关重要。以下措施有助于供应商关系管理中的欺诈预防：

1.供应商尽职调查

在与供应商合作之前，对他们的背景、声誉和财务状况进行彻底的尽职调查。检查参考资料、审查公开记录并与行业专家交谈。

2.合同条款

制定明确且全面的合同，概述双方对预防欺诈的责任。包括条款，规定供应商对欺诈行为承担责任，并定期进行合规审计。

3.持续监控

建立监控系统，以持续评估供应商的表现和符合反欺诈政策的程度。监控关键绩效指标（KPI），例如转换率、点击率和平均订单价值。

4.数据共享

与供应商共享欺诈数据，以便他们可以了解新的威胁并调整他们的预防措施。建立一个安全的数据共享平台，促进透明度和协作。

5.供应商培训

向供应商提供反欺诈培训，教育他们有关欺诈技术的知识并强调合规性的重要性。定期更新培训以反映不断变化的威胁格局。

6.风险评估框架

开发一个风险评估框架，以确定合作供应商的潜在欺诈风险。考虑因素包括行业风险、供应商历史和合同条款。

7.第三方审计

定期由第三方进行独立审计，以评估供应商的反欺诈措施的有效性。审计应包括对供应商的合规流程、数据安全措施和内部控制的审查。

8.举报机制

建立一个安全的举报机制，允许供应商和客户报告可疑活动。鼓励匿名举报，并保护举报人的身份。

9.供应商绩效评估

将反欺诈业绩纳入供应商绩效评估流程。定期审查供应商的合规性、报告和解决欺诈事件的记录。

10.技术解决方案

利用欺诈检测和预防技术，例如欺诈评分、设备指纹和地理位置分析，以降低供应商欺诈风险。这些工具可以自动化欺诈检测并生成可疑活动的警报。

11.监管合规

遵守所有适用的欺诈预防法规和行业标准。与监管机构保持联系，以了解最新的最佳实践和要求。

12.持续改进

定期评估和改进供应商关系管理中的欺诈预防措施。分享最佳实践，并与供应商合作实施新的欺诈预防策略。

通过实施这些措施，绩效营销人员可以建立牢固的供应商关系，减少欺诈风险，并确保活动的诚信和可靠性。第七部分绩效营销欺诈的法律和法规绩效营销欺诈的法律和法规

引言

绩效营销欺诈对企业和消费者都构成了重大的经济风险。各国政府已颁布多项法律和法规，旨在应对绩效营销领域的欺诈行为。

美国法律

*《反欺诈和滥用消费者保护法案》(FACTA)：禁止虚假或误导性的广告，并要求营销人员在绩效营销活动中披露重要信息。

*《联邦贸易委员会法案》：赋予联邦贸易委员会(FTC)监管广告业和保护消费者免受欺诈行为的权力。FTC已针对绩效营销欺诈行为提起多起执法行动。

*《点击欺诈取缔法案》：将点击欺诈定为犯罪行为，点击欺诈是指使用机器人或其他自动化工具生成虚假点击付费广告。

*各州法律：许多州已颁布自己的绩效营销欺诈法律。例如，加州的《网络入侵和网络欺诈法》禁止虚假或误导性的网络广告。

欧盟法律

*《不公平商业行为指令》(UCPD)：禁止虚假或误导性的商业行为，包括绩效营销欺诈。

*《电子商务指令》(ECD)：要求营销人员在电子商务交易中提供某些信息，包括其身份和联系方式。

*《一般数据保护条例》(GDPR)：对个人数据的处理提出了严格的要求，包括绩效营销活动中收集的数据。

英国法律

*《消费者保护法》(CPA)：禁止虚假或误导性的广告，并为消费者提供针对欺诈性营销行为的追索权。

*《广告标准局代码》(ASA)：由英国广告标准局(ASA)制定的广告行业自我监管规则，旨在防止绩效营销欺诈。

*《隐私和电子通信法规》(PECR)：对电子营销活动的发送和处理提出了要求，包括绩效营销活动。

其他司法管辖区的法律

*加拿大：《竞争法》禁止虚假或误导性的广告和不公平的商业行为。

*澳大利亚：《竞争和消费者法》禁止虚假或误导性的声明和不公平的商业行为。

*中国：《广告法》禁止虚假或误导性的广告，并规定对欺诈性绩效营销行为的处罚。

执法

各国政府正在积极执行绩效营销欺诈法律。执法行动可能包括：

*民事罚款

*刑事指控

*停止和禁止令

*广告取消

*赔偿金

合规

企业应采取以下措施确保绩效营销活动符合法律和法规：

*审查所有绩效营销合同和活动，以确保其合规。

*培训员工了解绩效营销欺诈的法律和法规。

*实施内部控制以防止欺诈行为的发生。

*监控绩效营销活动，并制定计划应对欺诈行为。

*与法律顾问和监管机构合作以保持合规。

结论

绩效营销欺诈对企业和消费者都构成了严重的风险。各国政府已颁布多项法律和法规，旨在应对这一问题。企业必须熟悉这些法律和法规，并采取措施确保其绩效营销活动合规。通过严格执法和有效的合规措施，可以最大程度地减少绩效营销中的欺诈行为。第八部分欺诈风险管理的持续改进关键词关键要点【欺诈检测算法的定期更新】

1.持续监控和更新欺诈检测算法，以应对不断发展的欺诈策略。

2.利用机器学习和人工智能技术，提升算法的准确性和实时性。

3.定期验证和调整算法参数，以提高欺诈识别率，并降低误报率。

【欺诈模式趋势分析】

欺诈风险管理的持续改进

绩效营销中的欺诈风险管理是一个持续的过程，需要持续改进才能保持其有效性。以下关键策略有助于持续改进欺诈风险管理：

1.数据分析和洞察力：