कल्पना करें कि आप एक नया मोबाइल फोन, एक अंतरराष्ट्रीय टिकट या एक विशेष उपहार खरीदने का प्रयास कर रहे हैं — और आपकी लेनदेन को संदिग्ध के रूप में चिह्नित किया गया है और धोखाधड़ी रोकथाम प्रणाली द्वारा ब्लॉक कर दिया गया है, बिना किसी उचित स्पष्टीकरण के। यह ऑनलाइन खरीदारी का नकारात्मक पक्ष है। हालांकि इन प्रणालियों को धोखाधड़ी से सुरक्षा करने और एक संतोषजनक खरीदारी अनुभव सुनिश्चित करने के लिए डिज़ाइन किया गया है, वे निराशा और नुकसान भी कर सकते हैं।
डाटा संग्रहण और साझा करने में तेजी से वृद्धि, प्रणालियों और धोखाधड़ी की रणनीतियों का तेजी से डिजिटलकरण, बाजार ने अपनी रक्षा मजबूत कर ली है। लेकिन इस आंदोलन ने एक विरोधाभास पैदा कर दिया है: अधिक सुरक्षा का प्रयास करना महंगा पड़ रहा है — न केवल राजस्व में बल्कि प्रतिष्ठा में भी। यह जिसे हम झूठे सकारात्मक कहते हैं, जब एक वैध लेनदेन को गलत तरीके से धोखाधड़ी के रूप में पहचाना जाता है।
अतिरिक्त सुरक्षा का छुपा हुआ खर्च
आधुनिक धोखेबाज कंपनियों की तरह काम करते हैं: वे तेज़, संगठित हैं और बड़े डेटा वॉल्यूम से प्रेरित हैं। "फिशिंग जैसी सेवाओं" जैसी तकनीकें लीक हुई जानकारी से पहचान बनाती हैं और प्रणालियों में व्यवहारिक खामियों का फायदा उठाती हैं। वे अब स्पष्ट मानकों का पालन नहीं करते हैं, पारंपरिक मॉडलों को अप्रचलित बनाते हैं और कंपनियों को अधिक मजबूत सुरक्षा परतें खोजने के लिए मजबूर करते हैं।
जबकि धोखेबाज नवाचार कर रहे हैं, कई वित्तीय सेवाएं और खुदरा कंपनियां अभी भी प्रतिक्रिया देने के लिए स्थिर नियमों पर निर्भर हैं। यह एक कठोर और अप्रभावी मॉडल है — खरीदारी का अनुभव प्रभावित होता है, रूपांतरण दरें गिर जाती हैं और ग्राहक की वफादारी खो जाती है।
और प्रभाव उससे भी आगे है: 32% उपभोक्ता जो झूठे सकारात्मकता का सामना करते हैं, वे हमेशा के लिए विक्रेता को छोड़ देते हैं। एकमात्र धोखाधड़ी विरोधी प्रणाली में विफलता स्थायी आय और प्रतिष्ठा के नुकसान का संकेत हो सकती है। जैवलीन स्ट्रैटजी और रिसर्च के अनुसार, ये गलतियाँ अमेरिकी खुदरा विक्रेताओं को सालाना 118 अरब डॉलर का नुकसान पहुंचाती हैं — जो धोखाधड़ी से होने वाले वास्तविक नुकसान से 13 गुना अधिक है। खाता मेल नहीं खाता।
तत्काल बुद्धिमत्ता और व्यवहार विश्लेषण का महत्व
इस स्थिति से निपटने के लिए, रोकथाम का नया युग बुद्धिमत्ता की मांग करता है, न कि अत्यधिक कठोरता। यह का अर्थ है कि सटीक निर्णय लेने के लिए कृत्रिम बुद्धिमत्ता (एआई), रीयल-टाइम डेटा और व्यवहार विश्लेषण का संयोजन करना, बिना उपयोगकर्ता के अनुभव को समझौता किए।
लगातार सीखने वाले एल्गोरिदम के साथ, व्यक्तिगत पैटर्न को समझना संभव है: स्थान, समय, उपकरण, खरीदारी का इतिहास और भुगतान का तरीका। व्यवहार किसी भी पूर्व-प्रोग्राम्ड नियम से अधिक बोलता है।
यह केवल "हाँ" या "नहीं" कहने का मामला नहीं है, बल्कि संदर्भ की व्याख्या करने का है। एक ही ग्राहक सुबह साओ पाउलो में कुछ खरीद सकता है और रात में रियो डी जनेरियो में। वह अपना मोबाइल बदल सकता है, ब्राउज़र बदल सकता है या डिवाइस का ऑपरेटिंग सिस्टम अपडेट कर सकता है। फ्रॉड विरोधी प्रणाली को इसे समझना चाहिए — और लेनदेन को ब्लॉक नहीं करना चाहिए।
मशीन लर्निंग तकनीकों का उपयोग करके, कंपनियां ऐसे मॉडल बना सकती हैं जो ऐतिहासिक डेटा से सीखते हैं और समय के साथ झूठे सकारात्मकताओं को कम करते हैं। उद्देश्य यह समझना है कि प्रत्येक उपयोगकर्ता के लिए सामान्य क्या है और विचलनों की पहचान करना है — केवल पूर्वनिर्धारित नियमों पर निर्भर किए बिना। MIT के एक अध्ययन ने यूरोपीय बैंक के डेटा के साथ दिखाया कि इस रणनीति ने झूठे सकारात्मक को 54% तक कम कर दिया, जिससे लगभग 220,000 अमेरिकी डॉलर की बचत हुई।
अदृश्य प्रमाणीकरण का भविष्य
आईए और उपयोगकर्ता प्रोफाइल का संयोजन अधिक सटीक सिफारिशें प्रदान करने के लिए — सुरक्षा और रूपांतरण के बीच संतुलन बनाने के लिए डेटा के उपयोग के साथ — नई तकनीकों के द्वार खोलता है। उनमें से एक है वेक्टरियल आइडेंटिफायर: एक समाधान जो धोखाधड़ी का पता लगाने में सक्षम है, भले ही प्रयास साफ़ कुकीज़ वाले उपकरणों से या गुमनाम मोड में हो। सभी वैध उपयोगकर्ता भी इस तरह से कार्य कर सकते हैं।
और जब दोनों धोखेबाज और अच्छे उपयोगकर्ता एक ही मुखौटा के पीछे छिप जाते हैं, तो उन्हें कैसे अलग किया जाए? डिवाइस की "आइडेंटिटी" के साथ वेक्टर डेटा को मिलाकर, सिस्टम उस उपयोगकर्ता के सामान्य व्यवहार को समझ सकता है और बेहतर अनियमितताओं का पता लगा सकता है। यह महत्वपूर्ण रूप से सटीकता बढ़ाता है, अनावश्यक अवरोधों से बचते हुए सुरक्षा को प्रभावित किए बिना।
इस मॉडल में, छोटे बदलाव संदर्भ बुद्धिमत्ता के साथ संभाले जाते हैं — जो उपयोगकर्ता की अपेक्षित आदत के आधार पर असामान्यताओं का पता लगाने के लिए उपयोग की जाती है। सूक्ष्म परिवर्तन (जैसे सॉफ्टवेयर अपडेट) अलर्ट नहीं भेजते हैं, लेकिन महत्वपूर्ण परिवर्तन (जैसे ऑपरेटिंग सिस्टम का परिवर्तन या भूगोलिक स्थान का बदलाव) को संकेतित किया जा सकता है यदि वे सामान्य व्यवहार से बाहर हों। यह सुरक्षा की नई सीमा है: पर्दे के पीछे काम करना, बिना टकराव के। सबसे अच्छा धोखाधड़ी विरोधी प्रणाली वह है जिसे ग्राहक महसूस भी नहीं करता।
बिक्री को प्रेरित करने वाली सुरक्षा, न कि इसके विपरीत
कंपनियां मानती हैं कि कुछ वैध लेनदेन को अस्वीकार करना बेहतर होता है, भले ही इससे परिवर्तन दर थोड़ी कम हो जाए, बजाय इसके कि धोखाधड़ी के परिणामों का सामना करना पड़े। लेकिन यदि उनके पास सही उपकरण हैं तो उन्हें यह रवैया अपनाने की आवश्यकता नहीं है।
इसलिए, धोखाधड़ी रोकथाम का एक समाधान अपनाना जो सुरक्षा और सुविधा के बीच संतुलन बनाए, बाजार की एक वास्तविक आवश्यकता है। सुरक्षा और उपयोगकर्ता का अनुभव एक-दूसरे के विरोधी बल नहीं होने चाहिए — उन्हें साथ-साथ चलना चाहिए। इसके लिए, रहस्य सटीकता में है, कठोरता में नहीं।
झूठे सकारात्मकता के युग में, कंपनियों को बुद्धिमान तकनीकों जैसे कि एआई, व्यवहार विश्लेषण और उन्नत धोखाधड़ी का पता लगाने वाले उपकरणों में निवेश करना चाहिए। इन नवाचारों से हानि कम होती है बिना वैध बिक्री का बलिदान किए — और सबसे महत्वपूर्ण बात यह है कि ग्राहकों को दूर किए बिना।
सुरक्षा और ग्राहक का अनुभव विरोधी नहीं हैं — जब अच्छी तरह से की जाती हैं, तो वे साथ-साथ चलते हैं। सुरक्षा प्रदान करना अनिवार्य है। लेकिन बिना अनुभव को नुकसान पहुंचाए ऐसा करना आज के अधिक प्रतिस्पर्धी बाजार में वास्तव में फर्क करता है।
थियागो बर्टाचिनी, नेटहोन के बिक्री प्रमुख द्वारा
