会员积分体系：
会员等级区间划分

以电商产品为例，最直接的可以依照RFM模型来做等级划分：R(Recency)表示用户最近一次的购买时间，F(Frequency)表示用户在最近一段时间内购买的次数，M  (Monetary)表示用户在这段时间内购买所花费的金额；

根据RFM模型与产品运营数据做分析，可以从中提取主要的用户数据字段，比如用户ID、用户（最近）购买时间、用户（最近）购买次数、用户购买花费金额，再根据每个数据字段进行权重计算。根据电商平台性质的不同，
比如：你看中复购率，对应的F(Frequency)的权重就可以设置高一些；如果着重的是客单价，那不妨提高M  (Monetary)的权重值；
又例如：英雄联盟的排位赛段位机制，系统通过复杂的匹配机制和评分标准，让所有参与排位赛的玩家分布在符合自己水平的区间。

 成长值风控体系

成长值上限：在设置成长值来源时可针对每个来源设置每日获取上限值，同样也可针对每个账号设置每日获取上限值，超过上限时完成任务不再增加成长值。
异常数据预警：通过系统监控所有会员的成长值增加&消耗情况，例如某个会员的成长值突然在短时间内剧增，增幅已经达到系统预警，则需要对该会员的具体数据&行为进行分析。
 黑白名单：针对数据或操作异常的用户账号进行拉黑处理，拉黑后用户将无法获取成长值、享受对应会员权益。
人工后台干预：针对部分系统无法自动处理的场景，可在开发时预留成长值更改接口，运营人员可在后台手动扣减/奖励用户的成长值。