ಘಟಕಗಳು
1. ಇ-ಕಾಮರ್ಸ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಪರಿಚಯ: ಪಾತ್ರಗಳು, ಗಡಿಗಳು, ದೃಢೀಕರಣ, ಗೌಪ್ಯತೆ ಮತ್ತು ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ನಿಯಮಗಳು 2. ಉತ್ಪನ್ನದ ವಿಷಯ ಉತ್ಪಾದನೆ: ಶೀರ್ಷಿಕೆ, ವಿವರಣೆ, ಬುಲೆಟ್‌ಗಳು ಮತ್ತು ಬ್ರ್ಯಾಂಡ್ ಸುರಕ್ಷತೆ 3. ಇ-ಕಾಮರ್ಸ್ ಎಸ್‌ಇಒ: ಕೀವರ್ಡ್, ಇನ್-ಸ್ಟೋರ್ ಹುಡುಕಾಟ ಮತ್ತು ವರ್ಗ ಆಪ್ಟಿಮೈಸೇಶನ್ 4. ಶಿಫಾರಸು ವ್ಯವಸ್ಥೆಗಳು: ವೈಯಕ್ತೀಕರಣ, ಅಡ್ಡ-ಮಾರಾಟ ಮತ್ತು ಮುಖಪುಟ ಲೇಔಟ್ 5. ಬೆಲೆ ಮತ್ತು ಪ್ರತಿಸ್ಪರ್ಧಿ ಟ್ರ್ಯಾಕಿಂಗ್: ಡೈನಾಮಿಕ್ ಬೆಲೆ, ಮಾರ್ಜಿನ್ ಮತ್ತು ಮರು ಬೆಲೆ 6. ಗ್ರಾಹಕ ಸೇವಾ ಚಾಟ್‌ಬಾಟ್: ಸ್ವಯಂಚಾಲಿತ ಪ್ರತಿಕ್ರಿಯೆ, ಏರಿಕೆ ಮತ್ತು ಟೋನ್ ನಿರ್ವಹಣೆ 7. ರಿಟರ್ನ್ಸ್ ಮತ್ತು ಫ್ರಾಡ್: ರಿಸ್ಕ್ ಸ್ಕೋರಿಂಗ್, ದುರುಪಯೋಗ ಪತ್ತೆ ಮತ್ತು ನ್ಯಾಯೋಚಿತ ನಿರ್ಧಾರ 8. ಮಾರುಕಟ್ಟೆ ಆಪ್ಟಿಮೈಸೇಶನ್: ಟ್ರೆಂಡಿಯೋಲ್, ಹೆಪ್ಸಿಬುರಾಡಾ, ಅಮೆಜಾನ್ ಮತ್ತು ಬೈ ಬಾಕ್ಸ್ 9. ಇ-ಕಾಮರ್ಸ್ ಅನಾಲಿಟಿಕ್ಸ್: ಪರಿವರ್ತನೆ, ಬಾಸ್ಕೆಟ್, ಸಮಂಜಸ ಮತ್ತು ಬೇಡಿಕೆಯ ಮುನ್ಸೂಚನೆ 10. ದೃಶ್ಯ ವಿಷಯ, ಹಕ್ಕುಸ್ವಾಮ್ಯ ಮತ್ತು ಬ್ರ್ಯಾಂಡ್ ಸುರಕ್ಷತೆ: ಉತ್ಪನ್ನ ಛಾಯಾಗ್ರಹಣ, ಬ್ಯಾನರ್ ಮತ್ತು ಸ್ವಂತಿಕೆ 11. ಎಂಡ್-ಟು-ಎಂಡ್ ಇಂಟಿಗ್ರೇಷನ್, ಡೇಟಾ ಗೌಪ್ಯತೆ, ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ನಿಯಮಗಳು ಮತ್ತು ನೈತಿಕ ಆಡಳಿತ
ಘಟಕ 7 / 11

ರಿಟರ್ನ್ಸ್ ಮತ್ತು ಫ್ರಾಡ್: ರಿಸ್ಕ್ ಸ್ಕೋರಿಂಗ್, ದುರುಪಯೋಗ ಪತ್ತೆ ಮತ್ತು ನ್ಯಾಯೋಚಿತ ನಿರ್ಧಾರ

ಲಾಭಗಳು:

  • ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಬೆಂಬಲದೊಂದಿಗೆ ರಿಟರ್ನ್ ಮಾದರಿಗಳು ಮತ್ತು ವಂಚನೆ ಸಂಕೇತಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಅಪಾಯದ ಸ್ಕೋರ್ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ
  • ಚಾರ್ಜ್‌ಬ್ಯಾಕ್, ಖಾತೆ ಸ್ವಾಧೀನ ಮತ್ತು ಮರುಪಾವತಿ ದುರ್ಬಳಕೆ ಸನ್ನಿವೇಶಗಳನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ತಡೆಗಟ್ಟುವ ನಿಯಮಗಳು ಮತ್ತು ಪರಿಶೀಲನಾಪಟ್ಟಿಗಳನ್ನು ರಚಿಸುವುದು
  • ತಪ್ಪು ಧನಾತ್ಮಕ (ಅನ್ಯಾಯವಾದ ತಡೆಯುವಿಕೆ) ಮತ್ತು ತಾರತಮ್ಯದ ಅಪಾಯವನ್ನು ನೋಡುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರತಿ ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ನಿರ್ಧಾರವನ್ನು ಮಾನವ ಅನುಮೋದನೆ ಮತ್ತು ಸಮರ್ಥನೆಗೆ ಆರೋಪಿಸುವುದು

ಇ-ಕಾಮರ್ಸ್‌ನ ಅಗೋಚರ ಆದರೆ ನೋವಿನ ಭಾಗವೆಂದರೆ ಆದಾಯ ಮತ್ತು ವಂಚನೆ. ರಿಟರ್ನ್ ಗ್ರಾಹಕರ ಹಕ್ಕು ಮತ್ತು ಉತ್ತಮವಾಗಿ ನಿರ್ವಹಿಸಿದರೆ, ಅದು ನಂಬಿಕೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ; ಆದರೆ ಕೆಲವು ರಿಟರ್ನ್‌ಗಳು ದುರುಪಯೋಗವಾಗಿ ಬದಲಾಗುತ್ತವೆ: ಅದನ್ನು ಧರಿಸಿ ಹಿಂತಿರುಗಿಸುವುದು, ಉತ್ಪನ್ನವನ್ನು ಬದಲಾಯಿಸುವುದು ಮತ್ತು ಹಿಂತಿರುಗಿಸುವುದು, "ಇದು ಬರಲಿಲ್ಲ" ಎಂದು ಹೇಳುವ ಮೂಲಕ ಉತ್ಪನ್ನ ಮತ್ತು ಹಣ ಎರಡನ್ನೂ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ವಂಚನೆ ಹೆಚ್ಚು ಗಂಭೀರವಾಗಿದೆ: ಕದ್ದ ಕಾರ್ಡ್‌ನೊಂದಿಗೆ ಆರ್ಡರ್ ಮಾಡುವುದು, ಖಾತೆಯನ್ನು ಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳುವುದು, ನಕಲಿ ಮರುಪಾವತಿ ವಿನಂತಿ, ಚಾರ್ಜ್‌ಬ್ಯಾಕ್ ನಿಂದನೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಲಕ್ಷಾಂತರ ವಹಿವಾಟುಗಳಲ್ಲಿ ಮನುಷ್ಯರಿಗಿಂತ ವೇಗವಾಗಿ ಈ ಮಾದರಿಗಳನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ; ಅಪಾಯದ ಸ್ಕೋರ್, ಅನುಮಾನಾಸ್ಪದ ಚಿಹ್ನೆಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಆದರೆ ಮೊದಲಿನಿಂದಲೂ ಮಿತಿಯನ್ನು ಹೊಂದಿಸೋಣ: AI ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಅಪಾಯದ ಸ್ಕೋರ್ ಒಂದು ಸಂಕೇತವಾಗಿದೆ, ನಿರ್ಣಾಯಕ ಸಾಕ್ಷ್ಯವಲ್ಲ. ಆದೇಶವನ್ನು ರದ್ದುಗೊಳಿಸುವುದು, ಖಾತೆಯನ್ನು ಮುಚ್ಚುವುದು, ಹಿಂತಿರುಗಿಸುವಿಕೆಯನ್ನು ನಿರಾಕರಿಸುವುದು ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ನಿರ್ಧಾರಗಳು; ಇದು ಪ್ರಾಮಾಣಿಕ ಗ್ರಾಹಕರನ್ನು (ಸುಳ್ಳು ಧನಾತ್ಮಕ) ಅನ್ಯಾಯವಾಗಿ ತಡೆಯುವ ಅಪಾಯವನ್ನು ಹೊಂದಿದೆ. ಅದಕ್ಕಾಗಿಯೇ ಪ್ರತಿಯೊಂದು ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ನಿರ್ಧಾರವು ಮಾನವ ಅನುಮೋದನೆ ಮತ್ತು ಸಮರ್ಥನೆಗೆ ಒಳಪಟ್ಟಿರಬೇಕು.

ಮೂರು ಪದಗಳು. ಗ್ರಾಹಕನು ತನ್ನ ಬ್ಯಾಂಕ್ ಅನ್ನು ಸಂಪರ್ಕಿಸಿದಾಗ ಮತ್ತು ಪಾವತಿಯನ್ನು ನಿರಾಕರಿಸಿದಾಗ ಚಾರ್ಜ್‌ಬ್ಯಾಕ್ ಆಗಿದೆ; ಇದನ್ನು ಸಮರ್ಥಿಸಬಹುದು, ಆದರೆ ದುರುಪಯೋಗಪಡಿಸಿಕೊಳ್ಳಬಹುದು. ವಂಚಕನು ಬೇರೊಬ್ಬರ ಖಾತೆಯನ್ನು ನಮೂದಿಸಿ ಮತ್ತು ಖರೀದಿಗಳನ್ನು ಮಾಡಿದಾಗ ಖಾತೆಯನ್ನು ಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳುವುದು. ಒಂದು ತಪ್ಪು ಧನಾತ್ಮಕ ವ್ಯವಸ್ಥೆಯು ತಪ್ಪಾಗಿ ಪ್ರಾಮಾಣಿಕ ವಹಿವಾಟನ್ನು "ವಂಚನೆ" ಎಂದು ಗುರುತಿಸುತ್ತದೆ; ಇದು ಗ್ರಾಹಕರ ನಷ್ಟಕ್ಕೆ ಕಾರಣವಾಗುವ ಅತ್ಯಂತ ದುಬಾರಿ ತಪ್ಪು.

ಮರುಪಾವತಿ ದುರುಪಯೋಗದ ಮಾದರಿಗಳು

ಹೆಚ್ಚಿನ ಆದಾಯವು ಪ್ರಾಮಾಣಿಕವಾಗಿದೆ. ಆದರೆ ಗ್ರಾಹಕ ಅಥವಾ ಮಾದರಿಯು "ಅಸಾಮಾನ್ಯ" ಎಂಬುದನ್ನು AI ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ವಿಶಿಷ್ಟ ಸಿಗ್ನಲ್‌ಗಳು: ಅದೇ ಗ್ರಾಹಕನ ಅತಿ ಹೆಚ್ಚಿನ ರಿಟರ್ನ್ ದರ; ಯಾವಾಗಲೂ "ಬಳಸಿದಂತೆ" ಬರುವ ಆದಾಯ; "ಪ್ಯಾಕೇಜ್ ಖಾಲಿಯಾಗಿದೆ / ಬಂದಿಲ್ಲ" ಎಂಬ ಕ್ಲೈಮ್‌ನ ಆವರ್ತನ; ದುಬಾರಿ ಉತ್ಪನ್ನಗಳ ಮೇಲೆ ಪುನರಾವರ್ತಿತ ಆದಾಯ; ವಿತರಣಾ ವಿಳಾಸ ಮತ್ತು ಹಿಂತಿರುಗಿಸುವ ನಡವಳಿಕೆಯ ಅಸಾಮರಸ್ಯ. AI ಈ ಸಂಕೇತಗಳನ್ನು ಅಪಾಯದ ಸ್ಕೋರ್ ಆಗಿ ಭಾಷಾಂತರಿಸುತ್ತದೆ; ಆದರೆ ಹೆಚ್ಚಿನ ಅಂಕಗಳು ಅವನು ತಪ್ಪಿತಸ್ಥನೆಂದು ಅರ್ಥವಲ್ಲ. ಬಹುಶಃ ಗ್ರಾಹಕರ ಗಾತ್ರವು ಸರಿಹೊಂದುವುದಿಲ್ಲ, ಬಹುಶಃ ಸರಕು ವಾಸ್ತವವಾಗಿ ಹಾನಿಯನ್ನುಂಟುಮಾಡುತ್ತದೆ. ಆದ್ದರಿಂದ, ಸ್ಕೋರ್ ವಿಮರ್ಶೆಯನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ, ನಿರ್ಧಾರವಲ್ಲ.

ಕೆಳಗಿನ ಕೋಷ್ಟಕವು ರಿಟರ್ನ್ ಮತ್ತು ವಂಚನೆ ಸಂಕೇತಗಳು ಮತ್ತು ಸರಿಯಾದ ಉತ್ತರವನ್ನು ತೋರಿಸುತ್ತದೆ:

ಸಂಕೇತ

ಸಂಭಾವ್ಯ ವಿವರಣೆ

AI ನ ಪಾತ್ರ

ಸರಿಯಾದ ಉತ್ತರ

ಹೆಚ್ಚಿನ ಆದಾಯದ ದರ

ಗಾತ್ರ/ಫಿಟ್ ಸಮಸ್ಯೆ ಅಥವಾ ದುರ್ಬಳಕೆ

ಅಂಕಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ

ಪರೀಕ್ಷಿಸಿ, ಮಾದರಿಯನ್ನು ನೋಡಿ

ಆಗಾಗ್ಗೆ "ಬರಲಿಲ್ಲ" ಎಂದು ಹೇಳಿಕೊಳ್ಳುತ್ತಾರೆ

ಶಿಪ್ಪಿಂಗ್ ಸಮಸ್ಯೆ ಅಥವಾ ದುರ್ಬಳಕೆ

ಚಿಹ್ನೆಗಳು

ಸರಕು ದಾಖಲೆಯೊಂದಿಗೆ ದೃಢೀಕರಣ

ಹೊಸ ಖಾತೆ + ದುಬಾರಿ ಆದೇಶ

ನಿಯಮಿತ ಅಥವಾ ಕದ್ದ ಕಾರ್ಡ್

ಅಪಾಯದ ಸ್ಕೋರ್

ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಗೆ ವಿನಂತಿಸಿ

ವಿಭಿನ್ನ ವಿಳಾಸ + ರಶ್ ಶಿಪ್ಪಿಂಗ್

ಉಡುಗೊರೆ ಅಥವಾ ವಂಚನೆ

ಚಿಹ್ನೆಗಳು

ಹಸ್ತಚಾಲಿತ ವಿಮರ್ಶೆ

ಬಹಳಷ್ಟು ವಿಫಲ ಪಾವತಿಗಳು

ಕಾರ್ಡ್ ಪ್ರಯೋಗ ದಾಳಿ

ಎಚ್ಚರಿಸುತ್ತಾನೆ

ತಾತ್ಕಾಲಿಕ ನಿರ್ಬಂಧ, ಪರಿಶೀಲಿಸಿ

ನ್ಯಾಯೋಚಿತ ನಿರ್ಧಾರದ ತತ್ವ

ವಂಚನೆ ತಡೆಗಟ್ಟುವಿಕೆ ಕೂಡ ಒಂದು ಕರಾಳ ಮುಖವನ್ನು ಹೊಂದಿದೆ: ತಾರತಮ್ಯ ಮತ್ತು ಅನ್ಯಾಯ. ಅಪಾಯದ ಮಾದರಿಯು ವ್ಯವಸ್ಥಿತವಾಗಿ ಕೆಲವು ಪ್ರದೇಶಗಳು, ಕೆಲವು ಪಾವತಿ ಪ್ರಕಾರಗಳು ಅಥವಾ ಕೆಲವು ಗ್ರಾಹಕ ಗುಂಪುಗಳನ್ನು "ಅಪಾಯಕಾರಿ" ಎಂದು ಪರಿಗಣಿಸಬಹುದು ಏಕೆಂದರೆ ಅದು ಐತಿಹಾಸಿಕ ಡೇಟಾವನ್ನು ಆಧರಿಸಿದೆ. ಇದು ನೈತಿಕವಾಗಿ ತಪ್ಪಾಗಿದೆ ಮತ್ತು ವಾಣಿಜ್ಯಿಕವಾಗಿ ಹಾನಿಕಾರಕವಾಗಿದೆ (ನೀವು ಪ್ರಾಮಾಣಿಕ ಗ್ರಾಹಕರನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತೀರಿ) ಮತ್ತು ತಾರತಮ್ಯದ ಹಕ್ಕುಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು. ನ್ಯಾಯಯುತ ನಿರ್ಧಾರಕ್ಕಾಗಿ ನಾಲ್ಕು ತತ್ವಗಳು:

  1. ಮಾನವ ಅನುಮೋದನೆ: ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ನಿರ್ಧಾರಗಳನ್ನು (ರದ್ದತಿ, ಖಾತೆ ಮುಚ್ಚುವಿಕೆ, ಮರುಪಾವತಿ ನಿರಾಕರಣೆ) ಮಾನವ ವಿಮರ್ಶೆಯ ಮೂಲಕ ಮಾಡಲಾಗುತ್ತದೆ, ಸ್ವಯಂಚಾಲಿತವಲ್ಲ.
  2. ಸಮರ್ಥನೆ: ಪ್ರತಿ ನಿರ್ಧಾರವನ್ನು ದಾಖಲಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಸಮರ್ಥಿಸಲಾಗುತ್ತದೆ; ಪ್ರಶ್ನೆ "ಅದನ್ನು ಏಕೆ ತಿರಸ್ಕರಿಸಲಾಯಿತು?" ಉತ್ತರಿಸಬೇಕು.
  3. ಆಕ್ಷೇಪಣೆ ವಿಧಾನ: ಗ್ರಾಹಕರು ನಿರ್ಧಾರವನ್ನು ವಿರೋಧಿಸಲು ಶಕ್ತರಾಗಿರಬೇಕು; ದೋಷವನ್ನು ಸರಿಪಡಿಸಬೇಕು.
  4. ಮೊದಲು ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆ: ಸಾಧ್ಯವಾದರೆ, ನಿರಾಕರಣೆಯ ಮೊದಲು ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆ (ಗುರುತು, ಕೋಡ್, ಸಂಪರ್ಕ) ಪ್ರಯತ್ನಿಸಲಾಗುತ್ತದೆ; ತಕ್ಷಣ ಬಾಗಿಲು ಮುಚ್ಚಿಲ್ಲ.
ಎಚ್ಚರಿಕೆ: "ಈ ಆದೇಶವು ಹಗರಣವಾಗಿರಬಹುದು" ಮತ್ತು "ಈ ಆದೇಶವು ಹಗರಣ" ನಡುವೆ ವ್ಯತ್ಯಾಸದ ಪ್ರಪಂಚವಿದೆ. AI ಹೇಳುತ್ತದೆ ಮೊದಲನೆಯದು; ಎರಡನೆಯದನ್ನು ನಿರ್ಧರಿಸುವ ವ್ಯಕ್ತಿಯು ಸಾಕ್ಷ್ಯ ಮತ್ತು ಸಮರ್ಥನೆಯನ್ನು ಅವಲಂಬಿಸಬೇಕು. ಮುಗ್ಧ ಗ್ರಾಹಕರನ್ನು ದೂಷಿಸುವುದು ನೈತಿಕ ಮತ್ತು ಕಾನೂನು ಅಪಾಯವಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ರಿಟರ್ನ್ ಪ್ಯಾಟರ್ನ್ ವಿಶ್ಲೇಷಣೆ:

ನಿಮ್ಮ ಪಾತ್ರ: ರಿಟರ್ನ್ಸ್ ಆಪರೇಷನ್ ವಿಶ್ಲೇಷಕ ಸಹಾಯಕ.ಕೆಳಗೆ ಅನಾಮಧೇಯ ರಿಟರ್ನ್ಸ್ ಡೇಟಾ (ಗ್ರಾಹಕರ ಕೋಡ್, ಆರ್ಡರ್‌ಗಳ ಸಂಖ್ಯೆ, ರಿಟರ್ನ್‌ಗಳ ಸಂಖ್ಯೆ, ರಿಟರ್ನ್ ಕಾರಣ, ಉತ್ಪನ್ನ ವರ್ಗ).ಡೇಟಾ: [ಟೇಬಲ್].ಕಾರ್ಯ: ಅಸಾಮಾನ್ಯ ರಿಟರ್ನ್ ಪ್ಯಾಟರ್ನ್‌ಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ (ಹೆಚ್ಚಿನ ದರ, ಪುನರಾವರ್ತಿತ "ಪ್ರದರ್ಶನವಿಲ್ಲ", ನಿರ್ದಿಷ್ಟ ವರ್ಗ); ಪ್ರತಿಯೊಂದಕ್ಕೂ ಮುಗ್ಧ ಮತ್ತು ನಿಂದನೆ ಹೇಳಿಕೆಯನ್ನು ಬರೆಯಿರಿ. ಗಮನಿಸಿ: ಇದು ಪತ್ತೆಹಚ್ಚುವಿಕೆ ಅಲ್ಲ, ಆದರೆ ತನಿಖೆಯನ್ನು ಪ್ರಾರಂಭಿಸಲು ಸಂಕೇತವಾಗಿದೆ.

2) ಆರ್ಡರ್ ರಿಸ್ಕ್ ಸ್ಕೋರ್ ಔಟ್‌ಲೈನ್:

ಆದೇಶದ ಸಂದರ್ಭ (ಅನಾಮಧೇಯ): ಖಾತೆಯ ವಯಸ್ಸು, ಪಾವತಿ ಪ್ರಕಾರ, ಆದೇಶದ ಮೊತ್ತ, ವಿಳಾಸದ ಸ್ಥಿರತೆ, ವಿಫಲ ಪಾವತಿಗಳ ಸಂಖ್ಯೆ. ಡೇಟಾ: [ಕ್ಷೇತ್ರಗಳು]. ಕಾರ್ಯ: ಈ ಆದೇಶಕ್ಕಾಗಿ ಕಡಿಮೆ/ಮಧ್ಯಮ/ಹೆಚ್ಚಿನ ಅಪಾಯವನ್ನು ನಿರ್ಣಯಿಸಿ ಮತ್ತು ಯಾವ ಸಂಕೇತಗಳನ್ನು ಆಧರಿಸಿದೆ ಎಂಬುದನ್ನು ವಿವರಿಸಿ. ಹೆಚ್ಚಿನ ಅಪಾಯದಲ್ಲಿ ತಕ್ಷಣದ ನಿರಾಕರಣೆಯನ್ನು ಶಿಫಾರಸು ಮಾಡಿ; ಮೊದಲು ಯಾವ ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಯನ್ನು ವಿನಂತಿಸಬಹುದು ಎಂಬುದನ್ನು ಬರೆಯಿರಿ.

3) ಚಾರ್ಜ್‌ಬ್ಯಾಕ್ ಪ್ರತಿಕ್ರಿಯೆ ಫೈಲ್:

ಚಾರ್ಜ್‌ಬ್ಯಾಕ್ (ಪಾವತಿ ಆಕ್ಷೇಪಣೆ) ಸ್ವೀಕರಿಸಲಾಗಿದೆ. ಸಂದರ್ಭ: [ಆದೇಶ, ವಿತರಣಾ ದಾಖಲೆ, ಸಂಪರ್ಕ]. ಕಾರ್ಯ: ಆಕ್ಷೇಪಣೆಯ ವಿರುದ್ಧ (ವಿತರಣೆ ದೃಢೀಕರಣ, ಐಪಿ, ಸಂಪರ್ಕ ದಾಖಲೆ) ವಿರುದ್ಧವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಬಹುದಾದ ಸಾಕ್ಷ್ಯವನ್ನು ಕ್ರಮಬದ್ಧವಾದ ಫೈಲ್‌ಗೆ ರೂಪಿಸಿ. ನಿಯಮ: ನಿಜವಾದ ದಾಖಲೆಗಳ ಮೇಲೆ ಮಾತ್ರ ಅವಲಂಬಿತವಾಗಿದೆ; ಸಾಕ್ಷ್ಯವನ್ನು ನಿರ್ಮಿಸಿ.

4) ನ್ಯಾಯಯುತ ನಿರ್ಧಾರ ನಿಯಂತ್ರಣ:

ನ್ಯಾಯಸಮ್ಮತತೆಗಾಗಿ ಈ ಕೆಳಗಿನ ವಂಚನೆ/ರಿಟರ್ನ್ ನಿಯಮಗಳನ್ನು ಆಡಿಟ್ ಮಾಡಿ. ನಿಯಮಗಳು: [ಪಟ್ಟಿ]. ಕಾರ್ಯ: ಪ್ರತಿ ನಿಯಮವು ವ್ಯವಸ್ಥಿತವಾಗಿ ನಿರ್ದಿಷ್ಟ ಗುಂಪಿಗೆ ಅನನುಕೂಲವಾಗಿದೆಯೇ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ (ಪ್ರದೇಶ, ಪಾವತಿ ಪ್ರಕಾರ, ಹೊಸ ಗ್ರಾಹಕ); ತಪ್ಪು ಧನಾತ್ಮಕ ಮತ್ತು ತಾರತಮ್ಯದ ಅಪಾಯವನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿ; ಸಮರ್ಥನೆ ಮತ್ತು ಆಕ್ಷೇಪಣಾ ಕಾರ್ಯವಿಧಾನವಿದೆಯೇ ಎಂದು ತಿಳಿಸಿ.

ವಂಚನೆ-ವಿರೋಧಿ ಕಾರ್ಯಾಚರಣೆಯ ಪದರಗಳು

ಉತ್ತಮ ವ್ಯವಸ್ಥೆಯು ಕ್ರಮೇಣ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಆಧರಿಸಿದೆ, ಒಂದೇ "ಗೊಟ್ಚಾ" ನಿರ್ಧಾರವಲ್ಲ. ಕಡಿಮೆ ಅಪಾಯ: ಹರಿವನ್ನು ಎಂದಿಗೂ ಅಡ್ಡಿಪಡಿಸಬೇಡಿ, ವಹಿವಾಟನ್ನು ದೃಢೀಕರಿಸಿ. ಮಧ್ಯಮ ಅಪಾಯ: ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಗಾಗಿ ವಿನಂತಿಸಿ (SMS ಕೋಡ್, ಗುರುತಿನ ದೃಢೀಕರಣ, ವಿಭಿನ್ನ ಪಾವತಿ). ಹೆಚ್ಚಿನ ಅಪಾಯ: ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ, ಅಗತ್ಯವಿದ್ದರೆ ತಾತ್ಕಾಲಿಕವಾಗಿ ಹಿಡಿದುಕೊಳ್ಳಿ ಮತ್ತು ಸಂಪರ್ಕಿಸಿ. ಅತಿ ಹೆಚ್ಚು + ಪುರಾವೆ: ವಹಿವಾಟು ನಿಲ್ಲಿಸಿ, ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಉಳಿಸಿ. ಈ ಕ್ರಮೇಣ ರಚನೆಯು ಪ್ರಾಮಾಣಿಕ ಗ್ರಾಹಕರನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ನಿಜವಾದ ವಂಚಕನನ್ನು ಹಿಡಿಯುತ್ತದೆ. AI ಪ್ರತಿ ಹಂತದಲ್ಲೂ ಸಂಕೇತಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಯಾವ ಹಂತಕ್ಕೆ ಹೋಗಬೇಕೆಂದು ವ್ಯಕ್ತಿಯು ನಿರ್ಧರಿಸುತ್ತಾನೆ.

ಸಲಹೆ: ತಪ್ಪಾದ ಧನಾತ್ಮಕ ದರವನ್ನು ನಿಯಮಿತವಾಗಿ ಅಳೆಯಿರಿ. ನೀವು ಆಕಸ್ಮಿಕವಾಗಿ ಎಷ್ಟು ಪ್ರಾಮಾಣಿಕ ಗ್ರಾಹಕರನ್ನು ನಿರ್ಬಂಧಿಸಿದ್ದೀರಿ ಎಂದು ನಿಮಗೆ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ, ನಿಮ್ಮ ವಂಚನೆಯ ಮಾದರಿಯು ವಂಚನೆಗಿಂತ ಹೆಚ್ಚು ವೆಚ್ಚವಾಗಬಹುದು. "ನಾವು ಎಷ್ಟು ಅಮಾಯಕರನ್ನು ಅಪಹರಿಸಿದ್ದೇವೆ" ಎಂಬುದು "ಎಷ್ಟು ವಂಚಕರನ್ನು ನಾವು ಹಿಡಿದಿದ್ದೇವೆ" ಎಂಬುದಷ್ಟೇ ಮೆಟ್ರಿಕ್ ಆಗಿದೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಹೆಚ್ಚುತ್ತಿರುವ ಪರಿಶೀಲನೆ. ಹೊಸ ಖಾತೆಯಿಂದ ಹೆಚ್ಚಿನ ಮೊತ್ತದ ಆರ್ಡರ್‌ಗಳನ್ನು ಅಂಗಡಿಯೊಂದು ನೇರವಾಗಿ ತಿರಸ್ಕರಿಸುತ್ತಿದೆ ಮತ್ತು ಬಹಳಷ್ಟು ಗ್ರಾಹಕರನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತಿದೆ. ಇದು ಕ್ರಮೇಣ ವ್ಯವಸ್ಥೆಗೆ ಬದಲಾಯಿತು: ಹೆಚ್ಚಿನ ಅಪಾಯದ ಸ್ಕೋರ್‌ನೊಂದಿಗೆ ಆದೇಶವನ್ನು ತಿರಸ್ಕರಿಸುವ ಬದಲು, ಇದು SMS ಮೂಲಕ ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಗೆ ವಿನಂತಿಸಿದೆ. ಹೆಚ್ಚಿನ ಪ್ರಾಮಾಣಿಕ ಗ್ರಾಹಕರು ಪರಿಶೀಲನೆಯಲ್ಲಿ ಉತ್ತೀರ್ಣರಾಗಿದ್ದಾರೆ; ನಿಜವಾದ ವಂಚನೆ ಪ್ರಯತ್ನಗಳನ್ನು ತೆಗೆದುಹಾಕಲಾಗಿದೆ. ನಷ್ಟ ಮತ್ತು ವಂಚನೆ ಎರಡೂ ಕಡಿಮೆಯಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ತಪ್ಪು ಧನಾತ್ಮಕ ಬಲೆ. ಒಂದು ವ್ಯವಸ್ಥೆಯು ಐತಿಹಾಸಿಕ ದತ್ತಾಂಶದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ದಿಷ್ಟ ನಗರದಿಂದ ಆದೇಶಗಳನ್ನು "ಹೆಚ್ಚಿನ ಅಪಾಯ" ಎಂದು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದೆ. ಪರಿಣಾಮವಾಗಿ, ಆ ನಗರದಲ್ಲಿ ಪ್ರಾಮಾಣಿಕ ಗ್ರಾಹಕರು ನಿರಂತರವಾಗಿ ನಿರ್ಬಂಧಿಸಲ್ಪಟ್ಟರು; ದೂರುಗಳು ಮತ್ತು ತಾರತಮ್ಯದ ಗ್ರಹಿಕೆ ಇತ್ತು. ಲೆಕ್ಕಪರಿಶೋಧನೆಯ ಸಮಯದಲ್ಲಿ ನಿಯಮವನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ ಮತ್ತು ಭೌಗೋಳಿಕತೆ ಮಾತ್ರ ಇನ್ನು ಮುಂದೆ ನಿರಾಕರಣೆಗೆ ಕಾರಣವಾಗಿರಲಿಲ್ಲ.

ಪ್ರಕರಣ 3 - ಹಸ್ತಾಂತರ ದುರುಪಯೋಗ. ಗ್ರಾಹಕರೊಬ್ಬರು ದುಬಾರಿ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಉತ್ಪನ್ನಗಳನ್ನು ಖರೀದಿಸುತ್ತಿದ್ದರು ಮತ್ತು "ಬಾಕ್ಸ್ ಖಾಲಿಯಾಗಿದೆ" ಎಂದು ಹೇಳುತ್ತಾ ನಿಯಮಿತ ಆದಾಯವನ್ನು ಪಡೆಯುತ್ತಿದ್ದರು. AI ಮಾದರಿಯನ್ನು ಗುರುತಿಸಿದೆ (ಅದೇ ಹಕ್ಕು ಪುನರಾವರ್ತನೆ); ತಂಡವು ಸರಕು ತೂಕದ ದಾಖಲೆಗಳನ್ನು ಪರಿಶೀಲಿಸಿತು, ಅಸಂಗತತೆ ಸಾಬೀತಾಗಿದೆ ಮತ್ತು ದುರುಪಯೋಗದಿಂದ ಅದನ್ನು ನಿಲ್ಲಿಸಲಾಯಿತು. ಸಿಗ್ನಲ್ AI ನಿಂದ ಬಂದಿತು, ನಿರ್ಧಾರ ಮತ್ತು ಪುರಾವೆಗಳು ಮಾನವನಿಂದ ಬಂದವು.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಆದೇಶವನ್ನು ಪರಿಶೀಲಿಸಿ ಮತ್ತು ಇದು ವಂಚನೆಯೇ ಅಥವಾ ಇಲ್ಲವೇ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಿ.

ಮಾದರಿಯು ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡಬಾರದು ಮತ್ತು ಮಾಡಬಾರದು; ಈ ಪ್ರಾಂಪ್ಟ್ ತಪ್ಪು ಧನಾತ್ಮಕ ಮತ್ತು ಅನ್ಯಾಯದ ಆರೋಪವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಸಹಾಯಕ ಅಪಾಯ ವಿಶ್ಲೇಷಕ. ಆರ್ಡರ್ ಸಂದರ್ಭ (ಅನಾಮಧೇಯ): ಖಾತೆಯನ್ನು 2 ದಿನಗಳ ಹಿಂದೆ ತೆರೆಯಲಾಗಿದೆ, ಆರ್ಡರ್ 8,500 TL ಆಗಿದೆ, ಡೆಲಿವರಿ ವಿಳಾಸವು ಬಿಲ್ಲಿಂಗ್ ವಿಳಾಸಕ್ಕಿಂತ ಭಿನ್ನವಾಗಿದೆ, 3 ವಿಫಲ ಪಾವತಿ ಪ್ರಯತ್ನಗಳಿವೆ. ಕಾರ್ಯ: ಕಡಿಮೆ/ಮಧ್ಯಮ/ಹೆಚ್ಚಿನ ಅಪಾಯವನ್ನು ನಿರ್ಣಯಿಸಿ ಮತ್ತು ನೀವು ಯಾವ ಸಂಕೇತಗಳನ್ನು ಅವಲಂಬಿಸಿರುತ್ತೀರಿ ಎಂಬುದನ್ನು ವಿವರಿಸಿ. ತಕ್ಷಣದ ನಿರಾಕರಣೆಯನ್ನು ನೀಡಬೇಡಿ; ನೀವು ಮೊದಲು ಯಾವ ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಯನ್ನು (SMS, ID) ಕೇಳಲು ಬಯಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ಟೈಪ್ ಮಾಡಿ. ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ಮನುಷ್ಯರು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾರೆ.

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • ಅಪಾಯದ ಅಂಕವನ್ನು ನಿರ್ಣಾಯಕ ಪುರಾವೆಯಾಗಿ ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಸ್ಕೋರ್ ವಿಮರ್ಶೆಯನ್ನು ಪ್ರಾರಂಭಿಸುತ್ತದೆ, ಆದರೆ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದಿಲ್ಲ.
  • ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುವುದು. ರದ್ದತಿ, ಖಾತೆ ಮುಚ್ಚುವಿಕೆ, ಮರುಪಾವತಿ ನಿರಾಕರಣೆಗೆ ಮಾನವ ಅನುಮೋದನೆಯ ಅಗತ್ಯವಿದೆ.
  • ತಪ್ಪು ಧನಾತ್ಮಕತೆಯನ್ನು ಅಳೆಯುವುದಿಲ್ಲ. ನೀವು ಎಷ್ಟು ಅಮಾಯಕರನ್ನು ನಿರ್ಬಂಧಿಸುತ್ತಿದ್ದೀರಿ ಎಂದು ನಿಮಗೆ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ, ಹಾನಿ ಅಗೋಚರವಾಗಿ ಉಳಿಯುತ್ತದೆ.
  • ಭೌಗೋಳಿಕ/ಗುಂಪಿನ ಆಧಾರದ ಮೇಲೆ ಕುರುಡು ನಿಯಮಗಳು. ಇದು ತಾರತಮ್ಯ ಮತ್ತು ಅನ್ಯಾಯವನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.
  • ಸಮರ್ಥನೆ ಮತ್ತು ಆಕ್ಷೇಪಣೆ ಇಲ್ಲದೆ ನಿರ್ಧಾರ. ಪಾರದರ್ಶಕತೆ ಇಲ್ಲದೆ, ನೈತಿಕ ಮತ್ತು ಕಾನೂನು ಅಪಾಯಗಳು ಬೆಳೆಯುತ್ತವೆ.
  • ಕ್ರಮೇಣ ಪ್ರತಿಕ್ರಿಯೆಗಿಂತ ಏಕ "ಕ್ಯಾಚ್". ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಗೆ ಅವಕಾಶ ನೀಡದೆ ಬಾಗಿಲು ಮುಚ್ಚುವುದರಿಂದ ನೀವು ಗ್ರಾಹಕರನ್ನು ಕಳೆದುಕೊಳ್ಳುತ್ತೀರಿ.

ಸಾರಾಂಶದಲ್ಲಿ

ರಿಟರ್ನ್ಸ್ ಮತ್ತು ವಂಚನೆ ನಿರ್ವಹಣೆಯಲ್ಲಿ, AI ಮಾನವನ ಕಣ್ಣು ತಪ್ಪಿಸುವ ಮಾದರಿಗಳನ್ನು ಸೆರೆಹಿಡಿಯುತ್ತದೆ ಮತ್ತು ಅಪಾಯದ ಅಂಕವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದರೆ ಈ ಅಂಕವು ಸಂಕೇತವಾಗಿದೆ, ಪುರಾವೆಯಲ್ಲ. ಆದೇಶ ರದ್ದತಿ, ಖಾತೆ ಮುಚ್ಚುವಿಕೆ, ಮರುಪಾವತಿ ನಿರಾಕರಣೆ ಮುಂತಾದ ಹೆಚ್ಚಿನ ಪರಿಣಾಮದ ನಿರ್ಧಾರಗಳು ಮಾನವ ಅನುಮೋದನೆ, ಸಮರ್ಥನೆ ಮತ್ತು ಆಕ್ಷೇಪಣೆಯ ಹಕ್ಕನ್ನು ಆಧರಿಸಿರಬೇಕು. ಕ್ರಮೇಣ ಪ್ರತಿಕ್ರಿಯೆ (ಮೊದಲು ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆ, ಕೊನೆಯ ನಿರಾಕರಣೆ) ಎರಡೂ ಪ್ರಾಮಾಣಿಕ ಗ್ರಾಹಕರನ್ನು ರಕ್ಷಿಸುತ್ತದೆ ಮತ್ತು ವಂಚಕನನ್ನು ನಿವಾರಿಸುತ್ತದೆ. ತಪ್ಪು ಧನಾತ್ಮಕತೆಯನ್ನು ಅಳೆಯಿರಿ; ಭೌಗೋಳಿಕ ಅಥವಾ ಗುಂಪಿನ ಆಧಾರದ ಮೇಲೆ ಕುರುಡು ನಿಯಮಗಳನ್ನು ತಪ್ಪಿಸಿ. ನ್ಯಾಯೋಚಿತ, ಪಾರದರ್ಶಕ ಮತ್ತು ಆಡಿಟ್ ಮಾಡಬಹುದಾದ ನಿರ್ಧಾರವು ನೈತಿಕ ಹೊಣೆಗಾರಿಕೆ ಮತ್ತು ವಾಣಿಜ್ಯ ಬುದ್ಧಿವಂತಿಕೆಯಾಗಿದೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ಅನಾಮಧೇಯ ರಿಟರ್ನ್ ಡೇಟಾದಿಂದ 5 ಅಸಾಮಾನ್ಯ ಮಾದರಿಗಳನ್ನು ತೆಗೆದುಹಾಕಿ (ಹೆಚ್ಚಿನ ದರ, ಪುನರಾವರ್ತಿತ "ನೋ-ಶೋಗಳು", ಇತ್ಯಾದಿ). "ರಿಟರ್ನ್ ಪ್ಯಾಟರ್ನ್ ವಿಶ್ಲೇಷಣೆ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಪ್ರತಿಯೊಂದಕ್ಕೂ ಮುಗ್ಧ ಮತ್ತು ನಿಂದನೆಯ ವಿವರಣೆಯನ್ನು ಬರೆಯಿರಿ. ನಂತರ ಮಾದರಿಯ ಹೆಚ್ಚಿನ ಅಪಾಯದ ಆದೇಶಕ್ಕಾಗಿ "ಡ್ರಾಫ್ಟ್ ಆರ್ಡರ್ ರಿಸ್ಕ್ ಸ್ಕೋರ್" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ರನ್ ಮಾಡಿ ಮತ್ತು ತಕ್ಷಣದ ನಿರಾಕರಣೆಯ ಬದಲಿಗೆ ನೀವು ಯಾವ ಹೆಚ್ಚುವರಿ ಪರಿಶೀಲನೆಯನ್ನು ಬಯಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಿ. ಅಂತಿಮವಾಗಿ, "ನ್ಯಾಯಯುತ ನಿರ್ಧಾರ ಆಡಿಟ್" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ತಪ್ಪು ಧನಾತ್ಮಕ ಮತ್ತು ತಾರತಮ್ಯಕ್ಕಾಗಿ ನಿಮ್ಮ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ನಿಯಮಗಳನ್ನು ಪರಿಶೀಲಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ನಾನು ಅಪಾಯದ ಅಂಕವನ್ನು ಸಂಕೇತವಾಗಿ ಪರಿಗಣಿಸಿದ್ದೇನೆ, ನಿರ್ಣಾಯಕ ನಿರ್ಧಾರವಲ್ಲ.
  • [ ] ನಾನು ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ನಿರ್ಧಾರಗಳನ್ನು ಮಾನವ ಅನುಮೋದನೆ ಮತ್ತು ಸಮರ್ಥನೆಗೆ ಕಾರಣವೆಂದು ಹೇಳುತ್ತೇನೆ.
  • [ ] ನಾನು ಶ್ರೇಣೀಕೃತ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಹೊಂದಿಸಿದ್ದೇನೆ: ಮೊದಲು ಹೆಚ್ಚುವರಿ ಮೌಲ್ಯೀಕರಣ, ಕೊನೆಯ ನಿರಾಕರಣೆ.
  • [ ] ನಾನು ತಪ್ಪು ಧನಾತ್ಮಕ ದರವನ್ನು ಅಳೆಯಲು ಯೋಜಿಸಿದೆ.
  • [ ] ನಾನು ಭೌಗೋಳಿಕ/ಗುಂಪಿನ ಆಧಾರದ ಮೇಲೆ ಕುರುಡು ತಾರತಮ್ಯದ ನಿಯಮಗಳನ್ನು ತಪ್ಪಿಸಿದೆ.
  • [ ] ನಾನು ನಿರ್ಧಾರಗಳಿಗೆ ಮೇಲ್ಮನವಿ ವಿಧಾನ ಮತ್ತು ದಾಖಲೆ (ಸಮರ್ಥನೆ) ಸೇರಿಸಿದ್ದೇನೆ.