Обнаружение мошенничества с помощью ИИ сэкономит миллиарды брендов электронной коммерции

Искусственный интеллект (ИИ) произвел революцию практически во всех секторах, включая электронную коммерцию. Одной из таких областей, где проницательные предприятия электронной коммерции используют ИИ, является обнаружение мошенничества. С развитием анализа данных алгоритмы могут анализировать миллионы точек данных, чтобы обнаруживать новые потенциальные случаи мошенничества раньше и с большей точностью.

Для успешной работы системы обнаружения мошенничества продавцы должны поддерживать тонкий баланс точности. Они должны отклонять мошеннические транзакции, которые обходятся чрезвычайно дорого, а также избегать отказа в законных транзакциях, чтобы предотвратить отток клиентов и сохранить свою репутацию.

Усложнение дела; нет надежного способа отличить желаемое от нежелательного; примерно 600 миллиардов долларов глобального дохода от электронной коммерции были потеряны из-за снижения платежей в 2020 году, что усложнило ситуацию.

Как ИИ борется с мошенничеством? Читай дальше что бы узнать.

Борьба с мошенничеством огнем

По прогнозам Juniper Research, к 2027 году совокупные убытки продавцов из-за мошенничества с онлайн-платежами во всем мире превысят 343 миллиарда долларов, что подчеркивает постоянно растущую угрозу мошенничества. Обнаружение мошенничества на основе ИИ все больше заменяет традиционные методы, использующие созданные людьми правила для принятия решения о том, следует ли отклонять транзакцию. Такие методы часто были неэффективными, в отличие от процессов обнаружения мошенничества на основе ИИ. Обнаружение мошенничества на основе правил зависит от политик, которые заранее прогнозируют ненадлежащее поведение клиентов, что может быть крайне неточным. ИИ для обнаружения мошенничества в основном основан на моделях обучения без учителя. Машинные алгоритмы анализируют большие пулы данных от нескольких поставщиков и миллионы транзакций, чтобы обнаружить шаблоны на основе поведенческих шаблонов в данных. Алгоритм не обучается на конкретных точках данных; вместо этого он автономно идентифицирует закономерности в данных. Искусственный интеллект обеспечивает гибкость в предотвращении мошенничества, выявляя аномалии и подозрительные действия, не полагаясь на заранее установленные правила. Кроме того, искусственный интеллект может принимать мгновенные решения для повышения безопасности системы. Технологии обнаружения мошенничества от сторонних поставщиков помогают даже продавцам конкурировать с такими крупными торговыми площадками, как Amazon или Alibaba. Эти технологии объединяют данные тысяч продавцов и миллионов транзакций, предоставляя надежный способ обнаружения мошенничества и конкуренции с гигантскими брендами.

Распознавание сломанного шаблона

Системы обнаружения мошенничества на основе ИИ могут адаптироваться, принимая все более тонкие решения по мере появления новых моделей поведения. Возьмем, к примеру, недавнюю пандемию. На ранних этапах блокировки покупатели, которые раньше никогда не были крупными покупателями предметов и инструментов для обустройства дома, теперь совершали значительные покупки в этих категориях. Чтобы избежать ошибочного отклонения покупок, которые раньше могли казаться обманчивыми, продавцам электронной коммерции пришлось изменить способ отслеживания и пометки учетных записей. Это именно тот тип корректировок, которые ИИ может выполнять автономно в режиме, близком к реальному времени.

Ускоренная доставка — еще один пример достижений ИИ в реальном времени. Согласно данным Riskified, количество заказов, размещенных с ускоренной доставкой, увеличилось на 140% с января по декабрь 2020 года, а уровень мошенничества за тот же период снизился на 45%. Кроме того, ускоренная доставка сокращает время продавца на отмену заказа и воспринимается как красный флаг для обнаружения мошенничества. Однако пандемия сделала этот способ доставки распространенным, и со временем он стал более безопасной практикой.

Новые угрозы

Выявление подозрительных платежных операций, совершенных ранее настоящими клиентами, может быть особенно сложной задачей. Распространенный пример известен как «дружеское мошенничество», когда покупатель оспаривает платеж со своей компанией-эмитентом кредитной карты, чтобы уклониться от оплаты за ранее приобретенный продукт у продавца физических товаров. Мошенники могут заявить, что товар не был получен, отправив возвратный платеж «предмет не получен» в свой банк или компанию-эмитент кредитной карты. Фактически, некоторые из них занимаются крупномасштабными возвратными платежами и продают товары на черном рынке, в результате чего розничные торговцы ежегодно теряют миллионы долларов. Если бы это произошло в физическом магазине, это подпадало бы под категорию магазинной кражи.

Быстро растущая тенденция к мошенничеству, известная как злоупотребление политикой, связана с постоянными, платящими покупателями, нарушающими условия розничного продавца, как правило, для экономии или заработка. Хотя злоупотребление политикой отличается от традиционного мошенничества, розничные торговцы все же могут нести финансовые потери, которые могут остаться незамеченными.

В результате предприятия теперь обращаются к ИИ для решения этих ситуаций. ИИ будет собирать данные, включая IP-адреса, снятие отпечатков пальцев и поведенческую аналитику. Затем эти данные сопоставляются с прошлыми заказами в различных торговых сетях. Например, предположим, что клиент оспаривает мошеннический заказ, размещенный не им. В этом случае система может проверить, был ли заказ размещен с использованием того же IP-адреса и/или устройства, на котором клиент ранее размещал заказы. Это позволяет продавцам определять приоритетность споров и устранять нарушения политики со стороны наиболее частых нарушителей, автоматизируя процесс разрешения споров для повышения масштабируемости и эффективности.

По мере усложнения тактики мошенничества развивались и методы обнаружения мошенничества. Вскоре анализ биометрических аспектов электронной коммерции, таких как «отпечаток голоса» и угол, под которым держат мобильный телефон, выйдет за рамки отслеживания покупательских моделей.

Собираем все вместе

Благодаря системе предотвращения мошенничества на базе ИИ предприятия могут быть гибкими и адаптировать свой подход к новым угрозам и возможностям по мере того, как регулирующие органы, клиенты и преступники продолжают развиваться. Используя методы, основанные на искусственном интеллекте, предприятия электронной коммерции могут значительно снизить риск дорогостоящих потерь от мошеннических транзакций, а также обеспечить более плавный процесс совершения покупок для своих клиентов. Ясно, что ИИ сегодня играет жизненно важную роль в стратегиях предотвращения мошенничества для предприятий электронной коммерции и будет продолжать играть в обозримом будущем.