Klaidingų teigiamų rezultatų era: kai sukčiavimo prevencija trukdo teisėtiems pardavimui

Įsivaizduokite, kad bandote nusipirkti naują mobilųjį telefoną, tarptautinį bilietą ar specialią dovaną – ir jūsų sandoris pažymėtas kaip įtartinas ir užblokuotas sukčiavimo prevencijos sistemos be jokio įtikinamo paaiškinimo. Tai yra neigiama apsipirkimo internetu pusė. Nors šios sistemos buvo sukurtos siekiant apsaugoti nuo sukčiavimo ir užtikrinti patenkinamą apsipirkimo patirtį, jos taip pat gali sukelti nusivylimą ir žalą.

Eksponentiškai didėjant duomenų rinkimui ir dalijimuisi, sparčiai skaitmeninant vis sudėtingesnes sistemas ir sukčiavimo taktiką, rinka sugriežtino savo gynybą. Tačiau šis judėjimas sukūrė paradoksą: bandant per daug apsaugoti, jis tampa brangus – ne tik pajamomis, bet ir reputacija. Tai yra tai, ką mes vadiname klaidingais teigiamais rezultatais, kai teisėtas sandoris klaidingai įvardijamas kaip apgaulingas.

Paslėpta perteklinio saugumo kaina

Šiuolaikiniai sukčiai veikia kaip įmonės: jie yra greiti, organizuoti ir maitinami dideliais duomenų kiekiais. Tokie metodai kaip “sukčiavimas kaip paslauga” imituoja nutekėjusios informacijos tapatybes ir tiria sistemose esančias elgesio spragas. Jie nebesilaiko akivaizdžių modelių, todėl tradiciniai modeliai pasensta ir verčia įmones ieškoti tvirtesnių saugumo lygių.

Nors sukčiai diegia naujoves, daugelis finansinių paslaugų ir mažmeninės prekybos įmonių vis dar remiasi fiksuotomis taisyklėmis. Tai griežtas ir neefektyvus modelis – apsipirkimo patirtis yra pažeista, konversijų rodikliai smunka ir klientų lojalumas prarandamas.

Ir poveikis neapsiriboja: 32% vartotojų, kurie išgyvena klaidingą teigiamą, visam laikui apleidžia parduotuvės savininką. Vienintelis kovos su sukčiavimu sistemos gedimas gali reikšti galutinį pajamų ir reputacijos praradimą. Remiantis „Javelin Strategy & Research“, šios klaidos mums, mažmenininkams, jau kainuoja 118 milijardų per metus – 13 kartų daugiau nei tikri nuostoliai dėl sukčiavimo. Sąskaita neuždaroma.

realaus laiko intelekto ir elgesio analizės svarba

Norint susidoroti su šiuo scenarijumi, nauja prevencijos era reikalauja intelekto, o ne per didelio nelankstumo. Tai reiškia, kad reikia naudoti dirbtinį intelektą (AI), realaus laiko duomenis ir elgesio analizę, kad būtų galima priimti tikslius sprendimus nepažeidžiant vartotojo patirties.

Naudojant nuolat mokymosi algoritmus, galima suprasti atskirus modelius: vietą, laiką, įrenginį, pirkimo istoriją ir mokėjimo būdą. Elgesys kalba garsiau nei bet kuri iš anksto užprogramuota taisyklė.

Tai ne tik “taip” arba “ne”, bet ir konteksto interpretavimas. Tas pats klientas gali ką nors nusipirkti San Paule ryte ir Rio de Žaneire vakare. Jis gali pakeisti mobilųjį telefoną, pakeisti naršyklę arba atnaujinti įrenginio operacinę sistemą. Kovos su sukčiavimu sistema turi tai suprasti ir neblokuoti operacijos.

Taikydami mašininio mokymosi metodus, įmonės gali sukurti modelius, kurie mokosi iš istorinių duomenų ir laikui bėgant sumažina klaidingų teigiamų rezultatų. Tikslas yra suprasti, kas yra normalu kiekvienam vartotojui, ir nustatyti nukrypimus – nepasikliaujant tik iš anksto nustatytomis taisyklėmis. MIT tyrimas, kurio duomenys buvo iš Europos banko, parodė, kad ši strategija sumažino klaidingų teigiamų rezultatų skaičių 54%, todėl sutaupoma 220 000 US$.

Nematomo autentifikavimo ateitis

AI ir naudotojų profilių derinys, siekiant pasiūlyti tikslesnes rekomendacijas, kartu su duomenų naudojimu siekiant subalansuoti saugumą ir konversiją, atveria duris naujoms technologijoms. Vienas iš jų yra vektorinis identifikatorius: sprendimas, galintis aptikti sukčiavimą net tada, kai bandoma naudoti įrenginius su švariais slapukais arba anoniminiu režimu. Tačiau teisėti vartotojai taip pat gali taip elgtis.

O kai už tos pačios kaukės slepiasi ir sukčiai, ir geri vartotojai, kaip juos atskirti? Sujungus vektorinius duomenis su įrenginio “pirštų atspaudu”, sistema gali suprasti tipišką to vartotojo elgesį ir geriau aptikti anomalijas. Tai žymiai padidina tikslumą, išvengiant nereikalingų užraktų nepakenkiant saugumui.

Šiame modelyje nedideli variantai traktuojami kontekstiniu intelektu – naudojami anomalijoms aptikti pagal numatomą vartotojo modelį. Subtilūs pakeitimai (pvz., programinės įrangos naujinimas) nesukelia įspėjimų, tačiau reikšmingi pakeitimai (pvz., operacinės sistemos perjungimas ar geografinės vietos pakeitimas) gali būti pažymėti, jei jie neatitinka įprasto elgesio. Tai nauja saugumo riba: veikimas užkulisiuose, be trinties. Geriausia kovos su sukčiavimu sistema yra ta, kurios klientas net nepastebi.

Saugumas, kuris skatina pardavimą, o ne atvirkščiai

Įmonės linkusios manyti, kad geriau atsisakyti kai kurių teisėtų sandorių, net jei tai šiek tiek sumažina konversijų rodiklius, nei kentėti dėl sukčiavimo pasekmių. Tačiau jiems nereikia užimti tokios pozicijos, jei jie turi tinkamus įrankius.

Todėl sukčiavimo prevencijos sprendimo, subalansuojančio saugumą ir patogumą, priėmimas yra tikras rinkos poreikis. Saugumas ir naudotojų patirtis nebūtinai turi būti priešingos jėgos – jos turi eiti kartu. Tam paslaptis slypi tikslume, o ne standumu.

Klaidingų teigiamų rezultatų era reikalauja, kad įmonės investuotų į išmaniąsias technologijas, tokias kaip AI, elgesio analizę ir pažangias sukčiavimo aptikimo priemones. Šios naujovės sumažina nuostolius neprarandant teisėtų pardavimų – ir, svarbiausia, neatimant klientų.

Saugumas ir klientų patirtis nėra priešingybė – teisingai elgiantis, jie eina koja kojon. Pasiūlymo apsauga yra privaloma. Tačiau tai darant nepakenkiant patirčiai yra tai, kas iš tikrųjų daro skirtumą šiandieninėje vis labiau konkurencingoje rinkoje.

Thiago Bertaccchini, „Nethon“ pardavimų vadovas