AI 사기 탐지로 전자상거래 브랜드 수십억 달러 절약

인공 지능(AI)은 전자 상거래를 포함한 거의 모든 분야에 혁명을 일으키고 있습니다. 기민한 전자 상거래 비즈니스가 AI를 활용하는 영역 중 하나는 사기 탐지입니다. 데이터 분석의 발전으로 알고리즘은 수백만 개의 데이터 포인트를 분석하여 새로운 잠재적인 사기 사례를 더 빠르고 정확하게 탐지할 수 있습니다.

사기 탐지 시스템을 성공적으로 실행하려면 가맹점은 정밀함의 섬세한 균형을 유지해야 합니다. 막대한 비용이 드는 사기성 거래를 거부하는 동시에 이탈을 방지하고 명성을 유지하기 위해 합법적인 거래의 거부도 피해야 합니다.

복잡한 문제; 바람직한 것과 바람직하지 않은 것을 구별하는 신뢰할 수 있는 방법이 없습니다. 2020년 결제 감소로 인해 약 6천억 달러의 글로벌 전자상거래 수익이 몰수되어 문제가 복잡해졌습니다.

AI는 어떻게 사기에 맞서 싸우고 있습니까? 알아 보려면 계속 읽으십시오.

불로 사기 퇴치

Juniper Research 에 따르면 온라인 결제 사기로 인한 누적 가맹점 손실은 2027년까지 전 세계적으로 3,430억 달러를 초과할 것으로 예상되어 사기 위협이 계속 증가하고 있습니다. AI 기반 사기 탐지는 트랜잭션 거부 여부를 결정하기 위해 사람이 만든 규칙을 사용하는 기존 방법을 점차 대체하고 있습니다. 이러한 방법은 AI 기반 사기 탐지 프로세스와 달리 비효율적인 경우가 많았습니다. 규칙 기반 사기 탐지는 부적절한 고객 행동을 미리 예측하는 정책에 의존하며, 이는 매우 부정확할 수 있습니다. 사기 탐지 AI는 주로 비지도 학습 모델을 기반으로 합니다. 머신 알고리즘은 여러 공급업체의 대규모 데이터 풀과 수백만 건의 트랜잭션을 분석하여 데이터의 행동 패턴을 기반으로 패턴을 감지합니다. 알고리즘은 특정 데이터 포인트에 대해 학습되지 않습니다. 대신 데이터에서 패턴을 자율적으로 식별합니다. 인공 지능은 사전 설정된 규칙에 의존하지 않고 이상 및 의심스러운 활동을 식별하여 사기 방지에 유연성을 제공합니다. 또한 AI는 시스템의 보안을 강화하기 위해 즉각적인 결정을 내릴 수 있습니다. 타사 공급자의 사기 탐지 기술은 판매자가 Amazon 또는 Alibaba와 같은 대규모 시장과 경쟁할 수 있는 경기장을 지원합니다. 이러한 기술은 수천 명의 판매자와 수백만 건의 거래 데이터를 집계하여 사기를 탐지하고 거대 브랜드와 경쟁할 수 있는 신뢰할 수 있는 방법을 제공합니다.

깨진 패턴 인식

AI 기반 사기 탐지 시스템은 적응할 수 있으므로 새로운 행동 패턴이 등장함에 따라 점점 더 미묘한 결정을 내릴 수 있습니다. 예를 들어 최근의 팬데믹을 살펴보겠습니다. 봉쇄 초기 단계에서 이전에는 주택 개조 품목 및 도구의 대규모 구매자가 아니었던 구매자가 이제 이러한 범주에서 상당한 구매를 하고 있었습니다. 이전에는 기만적으로 보일 수 있었던 구매를 실수로 거부하는 것을 방지하기 위해 전자 상거래 판매자는 계정을 모니터링하고 플래그를 지정하는 방법을 조정해야 했습니다. 이것은 AI가 자율적으로 할 수 있는 거의 실시간에 가까운 조정입니다.

신속한 배송은 실시간 AI 발전의 또 다른 예입니다. Riskified 데이터에 따르면 2020년 1월부터 12월까지 신속 배송 주문이 140% 증가한 반면 사기 수준은 같은 기간 동안 45% 감소했습니다. 또한 빠른 배송은 판매자가 주문을 취소하는 시간을 줄이고 사기 적발에 대한 위험 신호로 인식됩니다. 그러나 팬데믹으로 인해 이 배송 방법이 널리 보급되어 시간이 지남에 따라 더 안전한 관행이 되었습니다.

새로운 위협

이전의 정품 고객이 저지른 의심스러운 결제 활동을 식별하는 것은 특히 어려울 수 있습니다. 일반적인 예는 고객이 실제 상품 소매점에서 이전에 구매한 제품에 대한 지불을 회피하기 위해 신용 카드 회사와 청구에 대해 이의를 제기하는 "실수"로 알려져 있습니다. 사기꾼은 은행이나 신용 카드 회사에 "수령되지 않은 항목" 지불 거절을 제출하여 항목을 받지 못했다고 주장할 수 있습니다. 실제로 일부는 대규모 지불 거절에 관여하고 암시장에서 품목을 판매하여 소매업체가 매년 수백만 달러의 손실을 입게 합니다. 실제 상점에서 이런 일이 발생한다면 좀도둑 범주에 속하게 됩니다.

정책 남용으로 알려진 빠르게 증가하는 사기 트렌드는 일반적으로 비용을 절약하거나 돈을 벌기 위해 정기적인 유료 고객이 소매업체의 약관을 위반하는 것과 관련이 있습니다. 정책 남용은 전통적인 사기와 다르지만 소매업체는 여전히 눈에 띄지 않는 재정적 손실을 입을 수 있습니다.

결과적으로 기업은 이제 이러한 상황을 해결하기 위해 AI로 전환하고 있습니다. AI는 IP 주소, 장치 지문 및 행동 분석을 포함한 데이터를 수집합니다. 그런 다음 이 데이터는 다양한 판매자 네트워크의 과거 주문과 상호 참조됩니다. 예를 들어 고객이 자신이 주문하지 않은 사기 주문에 대해 이의를 제기한다고 가정합니다. 이 경우 시스템은 고객이 이전에 주문한 동일한 IP 주소 및/또는 장치를 사용하여 주문했는지 확인할 수 있습니다. 이를 통해 가맹점은 분쟁의 우선순위를 정하고 가장 빈번한 위반자의 정책 남용을 해결할 수 있으며 분쟁 해결 프로세스를 자동화하여 확장성과 효율성을 높일 수 있습니다.

사기 전술이 점점 더 정교해짐에 따라 사기 탐지 방법도 발전했습니다. 머지않아 "음성 지문" 및 휴대폰을 잡는 각도와 같은 전자 상거래의 생체 인식 측면에 대한 분석이 구매 패턴 모니터링을 넘어설 것입니다.

모든 것을 하나로 모으기

AI 기반 사기 방지 시스템을 통해 기업은 규제 기관, 고객 및 범죄자가 계속 진화함에 따라 새로운 위협과 기회에 대한 접근 방식을 유연하게 조정할 수 있습니다. 전자 상거래 비즈니스는 AI 기반 기술을 활용하여 사기 거래로 인한 비용 손실 위험을 크게 줄이는 동시에 고객에게 보다 원활한 쇼핑 경험을 제공할 수 있습니다. AI가 오늘날 전자상거래 비즈니스의 사기 방지 전략에서 중요한 역할을 하고 있으며 가까운 미래에도 계속 그렇게 할 것이라는 것은 분명합니다.