人工智能欺詐檢測將為電子商務品牌節省數十億美元

人工智能 (AI) 正在徹底改變幾乎所有行業，包括電子商務。 精明的電子商務企業正在利用人工智能的領域之一是欺詐檢測。 隨著數據分析的進步，算法可以分析數百萬個數據點，以更早、更準確地檢測新的潛在欺詐實例。

要執行成功的欺詐檢測系統，商家需要在精度之間保持微妙的平衡。 他們必須拒絕成本極高的欺詐交易，同時還要避免拒絕合法交易以防止客戶流失並維護他們的聲譽。

使事情複雜化； 沒有可靠的方法來區分合意的和不合意的； 由於 2020 年的付款下降，全球電子商務收入中約有 6000 億美元被沒收，這使事情變得更加複雜。

人工智能如何打擊欺詐？ 請仔細閱讀，找出答案。

用火打擊欺詐

據Juniper Research 稱，到 2027 年，全球在線支付欺詐造成的累計商戶損失預計將超過 3430 億美元，凸顯欺詐威脅不斷增加。 基於人工智能的欺詐檢測正越來越多地取代使用人類創建的規則來決定交易是否應該被拒絕的傳統方法。 與基於 AI 的欺詐檢測流程不同，此類方法通常效率低下。 基於規則的欺詐檢測依賴於提前預測不當客戶行為的策略，這可能非常不准確。 欺詐檢測 AI 主要基於無監督學習模型。 機器算法分析來自多個供應商的大型數據池和數百萬筆交易，以根據數據中的行為模式檢測模式。 該算法未針對特定數據點進行訓練； 相反，它會自動識別數據中的模式。 人工智能通過識別異常和可疑活動而無需依賴預先制定的規則，從而為欺詐預防提供了靈活性。 此外，人工智能可以提供即時決策以增強系統的安全性。 來自第三方提供商的欺詐檢測技術甚至可以幫助商家在競爭環境中與亞馬遜或阿里巴巴等大型市場競爭。 這些技術匯集了來自數千家商家和數百萬筆交易的數據，提供了一種可靠的方法來檢測欺詐並與巨頭品牌競爭。

識別損壞的模式

基於 AI 的欺詐檢測系統可以適應，隨著新行為模式的出現做出越來越細微的決策。 例如，讓我們看一下最近的大流行病。 在封鎖的早期階段，以前從來不是家居裝修用品和工具的大買家的買家現在開始大量購買這些類別的商品。 為了避免錯誤地拒絕購買，這在以前可能具有欺騙性，電子商務商家必須調整他們監控和標記賬戶的方式。 這正是人工智能可以自主進行的那種近乎實時的調整。

加急運輸是實時人工智能進步的另一個例子。 根據 Riskified 數據，從 2020 年 1 月到 12 月，通過加急運輸下達的訂單增加了 140%，而同期欺詐水平下降了 45%。 此外，加急運輸減少了商家取消訂單的時間，並被視為欺詐檢測的危險信號。 然而，大流行使這種運輸方式變得普遍，隨著時間的推移成為一種更安全的做法。

新出現的威脅

識別以前真正的客戶進行的可疑支付活動可能特別具有挑戰性。 一個常見的例子被稱為“友好欺詐”，在這種情況下，客戶向他們的信用卡公司提出異議，以逃避對先前從實體商品零售商處購買的產品的付款。 欺詐者可以通過向銀行或信用卡公司提交“未收到物品”拒付單來聲稱未收到物品。 事實上，有些人進行大規模退款並在黑市上出售商品，導致零售商每年損失數百萬美元。 如果這種情況發生在實體店中，則屬於入店行竊。

一種快速增長的欺詐趨勢被稱為政策濫用，涉及定期付費客戶違反零售商的條款和條件，通常是為了省錢或賺錢。 儘管政策濫用不同於傳統的欺詐行為，但零售商仍可能遭受不為人知的經濟損失。

因此，企業現在轉向人工智能來解決這些情況。 人工智能將收集數據，包括 IP 地址、設備指紋和行為分析。 然後將這些數據與各種商家網絡中過去的訂單進行交叉引用。 例如，假設客戶對不是他們下的欺詐性訂單提出異議。 在這種情況下，系統可以驗證訂單是否使用與客戶之前下訂單相同的 IP 地址和/或設備下達。 這使商家能夠確定爭議的優先級並解決最常見違規者的政策濫用問題，自動化爭議解決流程以提高可擴展性和效率。

隨著欺詐策略的日益複雜，欺詐檢測方法也在不斷發展。 很快，對電子商務的生物識別方面的分析，例如“聲紋”和手持手機的角度，將超越監控購買模式。

匯集一切

借助人工智能支持的欺詐預防系統，隨著監管機構、客戶和犯罪分子的不斷發展，企業可以靈活地調整他們的方法來應對新的威脅和機遇。 通過利用基於 AI 的技術，電子商務企業可以顯著降低欺詐交易造成代價高昂損失的風險，同時為客戶提供更順暢的購物體驗。 很明顯，人工智能在當今電子商務企業的欺詐預防策略中發揮著至關重要的作用，並將在可預見的未來繼續發揮作用。