Il rilevamento delle frodi tramite intelligenza artificiale farà risparmiare miliardi ai marchi di e-commerce

L'Intelligenza Artificiale (AI) sta rivoluzionando quasi tutti i settori, compreso l'e-commerce. Una di queste aree in cui le astute aziende di e-commerce utilizzano l'intelligenza artificiale è il rilevamento delle frodi. Con il progresso dell'analisi dei dati, gli algoritmi possono analizzare milioni di punti dati per rilevare nuovi potenziali casi di frode, in anticipo e con maggiore precisione.

Per eseguire un sistema di rilevamento delle frodi di successo, i commercianti devono mantenere un delicato equilibrio di precisione. Devono negare transazioni fraudolente, che sono estremamente costose, evitando anche la negazione di transazioni legittime per prevenire il churn e mantenere la loro reputazione.

Complicare le cose; non esiste un metodo affidabile per distinguere tra il desiderabile e l'indesiderabile; circa 600 miliardi di dollari di entrate globali dell'e-commerce sono stati persi a causa del rifiuto dei pagamenti nel 2020, complicando le cose.

In che modo l'IA combatte la buona battaglia contro le frodi? Continuate a leggere per scoprirlo.

Combattere la frode con il fuoco

Secondo Juniper Research, le perdite cumulative dei commercianti dovute a frodi nei pagamenti online dovrebbero superare i 343 miliardi di dollari a livello globale entro il 2027, evidenziando la crescente minaccia di frode. Il rilevamento delle frodi basato sull'intelligenza artificiale sta sempre più sostituendo i metodi tradizionali che utilizzano regole create dagli esseri umani per decidere se una transazione debba essere rifiutata. Tali metodi erano spesso inefficienti, a differenza dei processi di rilevamento delle frodi basati sull'intelligenza artificiale. Il rilevamento delle frodi basato su regole dipende da politiche che prevedono in anticipo il comportamento improprio dei clienti, il che può essere dolorosamente impreciso. L'intelligenza artificiale per il rilevamento delle frodi si basa principalmente su modelli di apprendimento non supervisionati. Gli algoritmi delle macchine analizzano grandi pool di dati di più fornitori e milioni di transazioni per rilevare modelli basati su modelli comportamentali nei dati. L'algoritmo non viene addestrato su punti dati specifici; invece, identifica autonomamente i modelli nei dati. L'intelligenza artificiale offre flessibilità alla prevenzione delle frodi identificando anomalie e attività sospette senza fare affidamento su regole prestabilite. Inoltre, l'intelligenza artificiale può fornire decisioni istantanee per migliorare la sicurezza del sistema. Le tecnologie di rilevamento delle frodi di fornitori di terze parti aiutano anche il campo di gioco per i commercianti a competere contro enormi mercati come Amazon o Alibaba. Queste tecnologie aggregano i dati di migliaia di commercianti e milioni di transazioni, fornendo un modo affidabile per rilevare le frodi e competere con i marchi giganti.

Riconoscere uno schema interrotto

I sistemi di rilevamento delle frodi basati sull'intelligenza artificiale possono adattarsi, prendendo decisioni sempre più sfumate man mano che emergono nuovi modelli di comportamento. Diamo uno sguardo alla recente pandemia, per esempio. Durante le prime fasi del blocco, gli acquirenti che in precedenza non erano mai stati grandi acquirenti di articoli e strumenti per la casa stavano ora effettuando acquisti sostanziali in queste categorie. Per evitare di rifiutare erroneamente gli acquisti, che in precedenza potevano sembrare ingannevoli, i commercianti di e-commerce hanno dovuto modificare il modo in cui monitorano e contrassegnano gli account. Questo è esattamente il tipo di aggiustamenti quasi in tempo reale che l'IA può apportare autonomamente.

La spedizione accelerata è un altro esempio di avanzamento dell'IA in tempo reale. Secondo i dati Riskified, gli ordini effettuati con spedizione celere sono aumentati del 140% da gennaio a dicembre 2020, mentre i livelli di frode sono diminuiti del 45% nello stesso periodo. Inoltre, la spedizione accelerata riduce il tempo di un commerciante per annullare un ordine ed è percepita come una bandiera rossa per il rilevamento di frodi. Tuttavia, la pandemia ha reso prevalente questo metodo di spedizione, diventando nel tempo una pratica più sicura.

Minacce emergenti

L'identificazione di attività di pagamento sospette commesse da clienti precedentemente autentici può essere particolarmente impegnativa. Un esempio comune è noto come "frode amichevole", in cui un cliente contesta un addebito con la società della propria carta di credito per eludere il pagamento di un prodotto acquistato in precedenza da un rivenditore di beni fisici. I truffatori possono dichiarare che un articolo non è stato ricevuto presentando uno storno di addebito per "articolo non ricevuto" presso la propria banca o società emittente della carta di credito. In effetti, alcuni si impegnano in riaddebiti su larga scala e vendono gli articoli sul mercato nero, facendo perdere ai rivenditori milioni di dollari ogni anno. Se ciò dovesse accadere in un negozio fisico, rientrerebbe nella categoria del taccheggio.

Una tendenza alle frodi in rapida crescita, nota come abuso di policy, coinvolge i clienti paganti regolari che infrangono i termini e le condizioni di un rivenditore, di solito per risparmiare o fare soldi. Sebbene l'abuso delle polizze differisca dalla frode tradizionale, i rivenditori possono comunque subire perdite finanziarie che possono passare inosservate.

Di conseguenza, le aziende si rivolgono ora all'intelligenza artificiale per affrontare queste situazioni. L'intelligenza artificiale raccoglierà dati, inclusi indirizzi IP, impronte digitali del dispositivo e analisi comportamentali. Questi dati vengono quindi confrontati con gli ordini passati in varie reti di commercianti. Ad esempio, supponiamo che un cliente stia contestando un ordine fraudolento non effettuato da lui. In tal caso, il sistema può verificare se l'ordine è stato effettuato utilizzando lo stesso indirizzo IP e/o dispositivo con cui il cliente ha precedentemente effettuato gli ordini. Ciò consente ai commercianti di dare la priorità alle controversie e affrontare gli abusi delle norme da parte dei trasgressori più frequenti, automatizzando il processo di risoluzione delle controversie per una maggiore scalabilità ed efficienza.

Con la crescente sofisticazione delle tattiche antifrode, anche i metodi di rilevamento delle frodi si sono evoluti. Presto, l'analisi degli aspetti biometrici dell'e-commerce, come l'"impronta vocale" e l'angolazione con cui viene tenuto un telefono cellulare, andrà oltre il monitoraggio dei modelli di acquisto.

Portare tutto insieme

Con un sistema di prevenzione delle frodi basato sull'intelligenza artificiale, le aziende possono essere flessibili e adattare il loro approccio a nuove minacce e opportunità mentre le autorità di regolamentazione, i clienti e i criminali continuano a evolversi. Sfruttando le tecniche basate sull'intelligenza artificiale, le aziende di e-commerce possono ridurre significativamente il rischio di perdite costose dovute a transazioni fraudolente, fornendo al contempo un'esperienza di acquisto più agevole per i propri clienti. È chiaro che l'intelligenza artificiale sta svolgendo un ruolo fondamentale nelle strategie di prevenzione delle frodi per le aziende di e-commerce oggi e continuerà a farlo per il prossimo futuro.