Wykrywanie oszustw AI pozwoli zaoszczędzić miliardy marek eCommerce

Sztuczna inteligencja (AI) rewolucjonizuje prawie wszystkie sektory, w tym e-commerce. Jednym z takich obszarów, w których sprytne firmy zajmujące się handlem elektronicznym wykorzystują sztuczną inteligencję, jest wykrywanie oszustw. Wraz z rozwojem analizy danych algorytmy mogą analizować miliony punktów danych, aby wykrywać nowe potencjalne przypadki oszustw, wcześniej iz większą dokładnością.

Aby wdrożyć skuteczny system wykrywania oszustw, sprzedawcy muszą zachować delikatną równowagę między precyzją. Muszą zaprzeczać oszukańczym transakcjom, które są niezwykle kosztowne, jednocześnie unikając odrzucania legalnych transakcji, aby zapobiec odejściu i utrzymać swoją reputację.

Komplikowanie spraw; nie ma niezawodnej metody rozróżniania tego, co pożądane, od tego, co niepożądane; około 600 miliardów dolarów globalnych przychodów z handlu elektronicznego zostało utraconych z powodu spadków płatności w 2020 r., co komplikuje sprawę.

Jak AI toczy dobrą walkę z oszustwami? Czytaj dalej, aby się dowiedzieć.

Zwalczanie oszustw ogniem

Według firmy Juniper Research łączne straty handlowców spowodowane oszustwami związanymi z płatnościami online przekroczą 343 miliardy dolarów na całym świecie do 2027 r., co wskazuje na stale rosnące zagrożenie oszustwami. Wykrywanie oszustw oparte na sztucznej inteligencji w coraz większym stopniu zastępuje tradycyjne metody, które wykorzystują reguły stworzone przez ludzi, aby zdecydować, czy transakcja powinna zostać odrzucona. Takie metody były często nieefektywne, w przeciwieństwie do procesów wykrywania oszustw opartych na sztucznej inteligencji. Wykrywanie oszustw oparte na regułach zależy od zasad, które z wyprzedzeniem przewidują niewłaściwe zachowanie klientów, które może być boleśnie niedokładne. Sztuczna inteligencja do wykrywania oszustw opiera się przede wszystkim na modelach uczenia się bez nadzoru. Algorytmy maszynowe analizują duże pule danych od wielu dostawców i miliony transakcji w celu wykrywania wzorców na podstawie wzorców zachowań w danych. Algorytm nie jest szkolony na określonych punktach danych; zamiast tego autonomicznie identyfikuje wzorce w danych. Sztuczna inteligencja oferuje elastyczność w zapobieganiu oszustwom, identyfikując anomalie i podejrzane działania bez polegania na wcześniej ustalonych zasadach. Dodatkowo sztuczna inteligencja może zapewniać natychmiastowe decyzje w celu zwiększenia bezpieczeństwa systemu. Technologie wykrywania oszustw od dostawców zewnętrznych pomagają sprzedawcom wyrównać szanse w konkurowaniu z ogromnymi rynkami, takimi jak Amazon czy Alibaba. Technologie te agregują dane z tysięcy handlowców i milionów transakcji, zapewniając niezawodny sposób wykrywania oszustw i konkurowania z gigantycznymi markami.

Rozpoznawanie zepsutego wzoru

Systemy wykrywania oszustw oparte na sztucznej inteligencji mogą się dostosowywać, podejmując coraz bardziej zniuansowane decyzje w miarę pojawiania się nowych wzorców zachowań. Spójrzmy na przykład na ostatnią pandemię. Na wczesnych etapach blokady kupujący, którzy wcześniej nigdy nie byli dużymi nabywcami artykułów i narzędzi do majsterkowania, teraz dokonywali znacznych zakupów w tych kategoriach. Aby uniknąć omyłkowego odrzucania zakupów, które wcześniej mogły wydawać się zwodnicze, sprzedawcy eCommerce musieli dostosować sposób monitorowania i oznaczania kont. Jest to dokładnie ten rodzaj dostosowań w czasie zbliżonym do rzeczywistego, które sztuczna inteligencja może wprowadzać autonomicznie.

Przyspieszona wysyłka to kolejny przykład postępu AI w czasie rzeczywistym. Według danych Riskified zamówienia złożone z przyspieszoną wysyłką wzrosły o 140% od stycznia do grudnia 2020 r., podczas gdy poziom oszustw spadł o 45% w tym samym okresie. Ponadto przyspieszona wysyłka skraca czas anulowania zamówienia przez handlowca i jest postrzegana jako sygnał ostrzegawczy do wykrywania oszustw. Jednak pandemia sprawiła, że ​​ta metoda wysyłki stała się powszechna, stając się z czasem bezpieczniejszą praktyką.

Pojawiające się zagrożenia

Identyfikacja podejrzanych działań płatniczych, których dopuścili się wcześniej autentyczni klienci, może być szczególnie trudna. Typowym przykładem jest „przyjacielskie oszustwo”, w którym klient kwestionuje opłatę z wystawcą karty kredytowej, aby uniknąć zapłaty za wcześniej zakupiony produkt od sprzedawcy towarów fizycznych. Oszuści mogą twierdzić, że przedmiot nie został odebrany, zgłaszając obciążenie zwrotne „nie otrzymano przedmiotu” w swoim banku lub firmie obsługującej karty kredytowe. W rzeczywistości niektórzy angażują się w obciążenia zwrotne na dużą skalę i sprzedają przedmioty na czarnym rynku, przez co detaliści tracą miliony dolarów każdego roku. Gdyby miało to miejsce w sklepie stacjonarnym, podlegałoby kategorii kradzieży sklepowej.

Szybko rosnący trend oszustw, znany jako nadużycia zasad, polega na tym, że regularni płacący klienci łamią warunki sprzedawcy, zwykle w celu zaoszczędzenia lub zarobienia pieniędzy. Chociaż nadużycia polis różnią się od tradycyjnych oszustw, sprzedawcy detaliczni mogą ponieść straty finansowe, które mogą pozostać niezauważone.

W rezultacie firmy zwracają się teraz do sztucznej inteligencji, aby zaradzić takim sytuacjom. Sztuczna inteligencja będzie zbierać dane, w tym adresy IP, odciski palców urządzeń i analizy behawioralne. Dane te są następnie porównywane z wcześniejszymi zamówieniami w różnych sieciach handlowych. Załóżmy na przykład, że klient kwestionuje fałszywe zamówienie, którego nie złożył. W takim przypadku system może zweryfikować, czy zamówienie zostało złożone przy użyciu tego samego adresu IP i/lub urządzenia, na którym klient wcześniej składał zamówienia. Umożliwia to handlowcom ustalanie priorytetów sporów i zajmowanie się nadużyciami zasad ze strony najczęstszych naruszeń, automatyzując proces rozstrzygania sporów w celu zwiększenia skalowalności i wydajności.

Wraz ze wzrostem wyrafinowania taktyk oszustw ewoluowały również metody wykrywania oszustw. Wkrótce analiza biometrycznych aspektów e-commerce, takich jak „odcisk głosowy” czy kąt trzymania telefonu komórkowego, wykroczy poza monitorowanie wzorców zakupowych.

Łącząc to wszystko razem

Dzięki opartemu na sztucznej inteligencji systemowi zapobiegania oszustwom firmy mogą być elastyczne i dostosowywać swoje podejście do nowych zagrożeń i możliwości w miarę ewolucji organów regulacyjnych, klientów i przestępców. Wykorzystując techniki oparte na sztucznej inteligencji, firmy zajmujące się handlem elektronicznym mogą znacznie zmniejszyć ryzyko kosztownych strat wynikających z nieuczciwych transakcji, jednocześnie zapewniając swoim klientom płynniejsze zakupy. Oczywiste jest, że sztuczna inteligencja odgrywa obecnie kluczową rolę w strategiach zapobiegania oszustwom dla firm zajmujących się handlem elektronicznym i będzie ją nadal odgrywać w dającej się przewidzieć przyszłości.