KI-Betrugserkennung wird E-Commerce-Marken Milliarden einsparen

Künstliche Intelligenz (KI) revolutioniert nahezu alle Branchen, auch den E-Commerce. Ein Bereich, in dem kluge E-Commerce-Unternehmen KI einsetzen, ist die Betrugserkennung. Mit der Weiterentwicklung der Datenanalyse können Algorithmen Millionen von Datenpunkten analysieren, um neue potenzielle Betrugsfälle früher und mit größerer Genauigkeit zu erkennen.

Um ein erfolgreiches Betrugserkennungssystem einzusetzen, müssen Händler ein ausgewogenes Maß an Präzision aufrechterhalten. Sie müssen betrügerische Transaktionen, die äußerst kostspielig sind, ablehnen und gleichzeitig die Ablehnung legitimer Transaktionen vermeiden, um Abwanderung zu verhindern und ihren Ruf zu wahren.

Komplizierende Dinge; Es gibt keine zuverlässige Methode, um zwischen Erwünschtem und Unerwünschtem zu unterscheiden. Etwa 600 Milliarden US-Dollar des weltweiten E-Commerce-Umsatzes gingen aufgrund von Zahlungsrückgängen im Jahr 2020 verloren, was die Sache noch komplizierter machte.

Wie kämpft KI den guten Kampf gegen Betrug? Lesen Sie weiter, um es herauszufinden.

Betrug mit Feuer bekämpfen

Laut Juniper Research werden die kumulierten Händlerverluste durch Online-Zahlungsbetrug bis 2027 weltweit voraussichtlich 343 Milliarden US-Dollar übersteigen, was die ständig wachsende Betrugsgefahr verdeutlicht. KI-basierte Betrugserkennung ersetzt zunehmend traditionelle Methoden, die anhand von Menschen erstellter Regeln entscheiden, ob eine Transaktion abgelehnt werden soll. Solche Methoden waren im Gegensatz zu KI-basierten Verfahren zur Betrugserkennung oft ineffizient. Die regelbasierte Betrugserkennung hängt von Richtlinien ab, die unangemessenes Kundenverhalten im Voraus vorhersagen, was äußerst ungenau sein kann. KI zur Betrugserkennung basiert hauptsächlich auf unbeaufsichtigten Lernmodellen. Maschinelle Algorithmen analysieren große Datenpools von mehreren Anbietern und Millionen von Transaktionen, um Muster anhand von Verhaltensmustern in den Daten zu erkennen. Der Algorithmus wird nicht auf bestimmte Datenpunkte trainiert; Stattdessen identifiziert es selbstständig Muster in den Daten. Künstliche Intelligenz bietet Flexibilität bei der Betrugsprävention, indem sie Anomalien und verdächtige Aktivitäten erkennt, ohne sich auf vorab festgelegte Regeln zu verlassen. Darüber hinaus kann KI sofortige Entscheidungen treffen, um die Sicherheit des Systems zu erhöhen. Betrugserkennungstechnologien von Drittanbietern erleichtern den Wettbewerb von Händlern mit riesigen Marktplätzen wie Amazon oder Alibaba. Diese Technologien sammeln Daten von Tausenden von Händlern und Millionen von Transaktionen und bieten so eine zuverlässige Möglichkeit, Betrug zu erkennen und mit den großen Marken zu konkurrieren.

Ein gebrochenes Muster erkennen

KI-basierte Betrugserkennungssysteme können sich anpassen und immer differenziertere Entscheidungen treffen, wenn neue Verhaltensmuster auftauchen. Werfen wir zum Beispiel einen Blick auf die jüngste Pandemie. In der Anfangsphase des Lockdowns tätigten Käufer, die zuvor nie große Einkäufer von Heimwerkerartikeln und -werkzeugen waren, nun erhebliche Einkäufe in diesen Kategorien. Um zu vermeiden, dass Käufe fälschlicherweise abgelehnt werden, was früher möglicherweise irreführend erschien, mussten E-Commerce-Händler die Art und Weise anpassen, wie sie Konten überwachen und kennzeichnen. Genau solche Anpassungen nahezu in Echtzeit kann die KI autonom vornehmen.

Der beschleunigte Versand ist ein weiteres Beispiel für KI-Fortschritte in Echtzeit. Laut Riskified-Daten stiegen die mit Expressversand aufgegebenen Bestellungen von Januar bis Dezember 2020 um 140 %, während die Betrugsrate im gleichen Zeitraum um 45 % zurückging. Darüber hinaus verkürzt der beschleunigte Versand die Zeit eines Händlers, eine Bestellung zu stornieren, und wird als Warnsignal für die Betrugserkennung angesehen. Durch die Pandemie hat sich diese Versandart jedoch durchgesetzt und ist mit der Zeit zu einer sichereren Praxis geworden.

Neue Bedrohungen

Besonders schwierig kann es sein, verdächtige Zahlungsaktivitäten zuvor seriöser Kunden zu erkennen. Ein häufiges Beispiel ist der sogenannte „freundliche Betrug“, bei dem ein Kunde eine Belastung bei seinem Kreditkartenunternehmen bestreitet, um die Zahlung für ein zuvor bei einem physischen Warenhändler gekauftes Produkt zu umgehen. Betrüger können geltend machen, dass ein Artikel nicht erhalten wurde, indem sie bei ihrer Bank oder ihrem Kreditkartenunternehmen eine Rückbuchung „Artikel nicht erhalten“ einreichen. Tatsächlich nehmen einige in großem Umfang Rückbuchungen vor und verkaufen die Artikel auf dem Schwarzmarkt, was dazu führt, dass Einzelhändler jedes Jahr Millionen von Dollar verlieren. Wenn dies in einem physischen Geschäft geschehen würde, würde es unter die Kategorie Ladendiebstahl fallen.

Ein schnell wachsender Betrugstrend, der als Richtlinienmissbrauch bezeichnet wird, besteht darin, dass regelmäßig zahlende Kunden gegen die Geschäftsbedingungen eines Einzelhändlers verstoßen, in der Regel, um Geld zu sparen oder Geld zu verdienen. Obwohl sich Richtlinienmissbrauch von herkömmlichem Betrug unterscheidet, können Einzelhändler dennoch finanzielle Verluste erleiden, die unbemerkt bleiben können.

Aus diesem Grund greifen Unternehmen jetzt auf KI zurück, um diese Situationen zu bewältigen. Die KI wird Daten sammeln, darunter IP-Adressen, Geräte-Fingerprinting und Verhaltensanalysen. Diese Daten werden dann mit früheren Bestellungen in verschiedenen Händlernetzwerken abgeglichen. Angenommen, ein Kunde beanstandet eine betrügerische Bestellung, die nicht von ihm aufgegeben wurde. In diesem Fall kann das System überprüfen, ob die Bestellung über dieselbe IP-Adresse und/oder dasselbe Gerät aufgegeben wurde, über die der Kunde zuvor Bestellungen aufgegeben hat. Dies ermöglicht es Händlern, Streitigkeiten zu priorisieren und gegen Richtlinienmissbrauch durch die häufigsten Verstöße vorzugehen, indem sie den Streitbeilegungsprozess automatisieren und so die Skalierbarkeit und Effizienz verbessern.

Mit der zunehmenden Verfeinerung der Betrugstaktiken haben sich auch die Methoden zur Betrugserkennung weiterentwickelt. Bald wird die Analyse biometrischer Aspekte des E-Commerce, wie etwa des „Stimmabdrucks“ und des Winkels, in dem ein Mobiltelefon gehalten wird, über die Überwachung von Kaufmustern hinausgehen.

Alles zusammenbringen

Mit einem KI-gestützten Betrugspräventionssystem können Unternehmen flexibel sein und ihren Ansatz an neue Bedrohungen und Chancen anpassen, während sich Regulierungsbehörden, Kunden und Kriminelle ständig weiterentwickeln. Durch den Einsatz KI-basierter Techniken können E-Commerce-Unternehmen das Risiko kostspieliger Verluste durch betrügerische Transaktionen erheblich reduzieren und gleichzeitig ihren Kunden ein reibungsloseres Einkaufserlebnis bieten. Es ist klar, dass KI heute eine entscheidende Rolle bei den Betrugspräventionsstrategien für E-Commerce-Unternehmen spielt und dies auch in absehbarer Zukunft tun wird.