Detecção de fraude por IA economizará bilhões para marcas de comércio eletrônico

A Inteligência Artificial (IA) está revolucionando quase todos os setores, incluindo o comércio eletrônico. Uma dessas áreas em que empresas astutas de comércio eletrônico estão utilizando IA é a detecção de fraudes. Com o avanço da análise de dados, os algoritmos podem analisar milhões de pontos de dados para detectar novas possíveis instâncias de fraude, mais cedo e com maior precisão.

Para executar um sistema de detecção de fraude bem-sucedido, os comerciantes precisam manter um delicado equilíbrio de precisão. Eles devem negar transações fraudulentas, que são extremamente caras, ao mesmo tempo em que evitam a negação de transações legítimas para evitar churn e manter sua reputação.

Complicando as coisas; não existe um método confiável para diferenciar entre o desejável e o indesejável; aproximadamente $ 600 bilhões da receita global de comércio eletrônico foram perdidos devido a quedas de pagamento em 2020, complicando as coisas.

Como a IA está lutando contra a boa luta contra a fraude? Leia mais para descobrir.

Combate à fraude com fogo

De acordo com a Juniper Research, as perdas cumulativas de comerciantes devido a fraudes de pagamento on-line são projetadas para exceder US$ 343 bilhões globalmente até 2027, destacando a ameaça cada vez maior de fraude. A detecção de fraude baseada em IA está substituindo cada vez mais os métodos tradicionais que usam regras criadas por humanos para decidir se uma transação deve ser recusada. Esses métodos eram frequentemente ineficientes, ao contrário dos processos de detecção de fraude baseados em IA. A detecção de fraude baseada em regras depende de políticas que preveem o comportamento impróprio do cliente com antecedência, o que pode ser extremamente impreciso. A IA de detecção de fraude é baseada principalmente em modelos de aprendizado não supervisionados. Os algoritmos de máquina analisam grandes conjuntos de dados de vários fornecedores e milhões de transações para detectar padrões com base em padrões comportamentais nos dados. O algoritmo não é treinado em pontos de dados específicos; em vez disso, ele identifica padrões nos dados de forma autônoma. A inteligência artificial oferece flexibilidade à prevenção de fraudes ao identificar anomalias e atividades suspeitas sem depender de regras pré-estabelecidas. Além disso, a IA pode fornecer decisões instantâneas para aumentar a segurança do sistema. As tecnologias de detecção de fraude de provedores terceirizados ajudam os comerciantes a competir em grandes mercados como Amazon ou Alibaba. Essas tecnologias agregam dados de milhares de comerciantes e milhões de transações, fornecendo uma maneira confiável de detectar fraudes e competir com as marcas gigantes.

Reconhecendo um padrão quebrado

Os sistemas de detecção de fraude baseados em IA podem se adaptar, tomando decisões cada vez mais sutis à medida que surgem novos padrões de comportamento. Vejamos a recente pandemia, por exemplo. Durante os estágios iniciais do bloqueio, os compradores que antes nunca foram grandes compradores de itens e ferramentas para reformas domésticas agora faziam compras substanciais nessas categorias. Para evitar a rejeição equivocada de compras, que antes pareciam enganosas, os comerciantes de comércio eletrônico tiveram que ajustar a forma como monitoram e sinalizam contas. Esse é precisamente o tipo de ajuste quase em tempo real que a IA pode fazer de forma autônoma.

O envio acelerado é outro exemplo de avanços de IA em tempo real. De acordo com dados da Riskified, os pedidos feitos com remessa acelerada aumentaram 140% de janeiro a dezembro de 2020, enquanto os níveis de fraude diminuíram 45% no mesmo período. Além disso, o envio expresso reduz o tempo do comerciante para cancelar um pedido e é percebido como um sinal de alerta para a detecção de fraudes. No entanto, a pandemia tornou esse método de envio predominante, tornando-se uma prática mais segura ao longo do tempo.

Ameaças emergentes

Identificar atividades de pagamento suspeitas cometidas por clientes anteriormente genuínos pode ser particularmente desafiador. Um exemplo comum é conhecido como “fraude amigável”, em que um cliente contesta uma cobrança com a administradora do cartão de crédito para evitar o pagamento de um produto adquirido anteriormente de um varejista de bens físicos. Os fraudadores podem alegar que um item não foi recebido registrando um estorno de "item não recebido" em seu banco ou administradora de cartão de crédito. Na verdade, alguns se envolvem em estornos em larga escala e vendem os itens no mercado negro, fazendo com que os varejistas percam milhões de dólares a cada ano. Se isso ocorresse em uma loja física, seria enquadrado na categoria de furto.

Uma tendência de fraude em rápido crescimento, conhecida como abuso de política, envolve clientes regulares e pagantes que quebram os termos e condições de um varejista, geralmente para economizar ou ganhar dinheiro. Embora o abuso de políticas seja diferente da fraude tradicional, os varejistas ainda podem sofrer perdas financeiras que podem passar despercebidas.

Como resultado, as empresas agora estão recorrendo à IA para lidar com essas situações. A IA coletará dados, incluindo endereços IP, impressões digitais de dispositivos e análises comportamentais. Esses dados são então cruzados com pedidos anteriores em várias redes de comerciantes. Por exemplo, suponha que um cliente esteja contestando um pedido fraudulento que não foi feito por ele. Nesse caso, o sistema pode verificar se o pedido foi feito usando o mesmo endereço IP e/ou dispositivo que o cliente fez pedidos anteriormente. Isso permite que os comerciantes priorizem as disputas e resolvam o abuso de políticas dos infratores mais frequentes, automatizando o processo de resolução de disputas para maior escalabilidade e eficiência.

Com a crescente sofisticação das táticas de fraude, os métodos de detecção de fraude também evoluíram. Em breve, a análise dos aspectos biométricos do comércio eletrônico, como “impressão de voz” e o ângulo em que um telefone celular é segurado, irá além do monitoramento de padrões de compra.

Juntando tudo

Com um sistema de prevenção de fraude baseado em IA, as empresas podem ser flexíveis e adaptar sua abordagem a novas ameaças e oportunidades à medida que reguladores, clientes e criminosos continuam a evoluir. Ao alavancar técnicas baseadas em IA, as empresas de comércio eletrônico podem reduzir significativamente o risco de perdas dispendiosas de transações fraudulentas, ao mesmo tempo em que fornecem uma experiência de compra mais tranquila para seus clientes. Está claro que a IA está desempenhando um papel vital nas estratégias de prevenção de fraudes para empresas de comércio eletrônico hoje e continuará a fazê-lo no futuro previsível.