Dobički:
- Sposobnost analiziranja vzorcev vračanja in signalov goljufij s podporo umetne inteligence ter izdelava osnutka ocene tveganja
- Sposobnost prepoznavanja scenarijev povratne bremenitve, prevzema računa in vračila denarja ter ustvarjanje preventivnih pravil in kontrolnih seznamov
- Sposobnost videti tveganje lažnih pozitivnih rezultatov (nepošteno blokiranje) in diskriminacije ter pripisati vsako odločitev z velikim učinkom odobritvi in utemeljitvi ljudi
Nevidna, a boleča stran e-trgovine so vračila in goljufije. Vračilo je pravica potrošnika in če se dobro upravlja, ustvarja zaupanje; Toda nekatera vračila se sprevržejo v zlorabo: nosite ga in vrnete, zamenjate izdelek in ga vrnete, vzamete tako izdelek kot denar z besedo "ni prišel". Goljufije so hujše: naročanje z ukradeno kartico, prevzem računa, lažna zahteva za vračilo, zloraba povratnega bremena. Umetna inteligenca (AI) zajame te vzorce hitreje kot ljudje v milijonih transakcij; ustvari oceno tveganja, sumljive znake. Toda postavimo mejo že na samem začetku: ocena tveganja, ki jo ustvari umetna inteligenca, je signal, ne dokončen dokaz. Preklic naročila, zaprtje računa, zavrnitev vračila so odločitve z velikim vplivom; Predstavlja tveganje neupravičenega oviranja poštene stranke (lažno pozitivno). Zato mora biti vsaka odločitev z velikim vplivom predmet človeške odobritve in utemeljitve.
Trije termini. Povratna bremenitev je, ko stranka stopi v stik s svojo banko in zavrne plačilo; Lahko je upravičeno, lahko pa tudi zlorabljeno. Prevzem računa je, ko prevarant vstopi v račun nekoga drugega in opravi nakupe. Lažno pozitivno je, ko sistem pomotoma označi pošteno transakcijo kot "goljufijo"; To je najdražja napaka, ki povzroči izgubo strank.
Vzorci zlorabe vračil
Večina vračil je poštenih. Toda AI lahko ugotovi, ali je stranka ali vzorec »nenavaden«. Tipični signali: previsoka donosnost iste stranke; vrnitve, ki vedno pridejo »kot rabljene«; Pogostost trditve "paket je bil prazen / ni prispel"; večkratna vračila dragih izdelkov; Neujemanje naslova za dostavo in obnašanja pri vračilu. AI te signale pretvori v oceno tveganja; Toda visoka ocena ne pomeni, da je kriv. Morda velikost stranke ne ustreza, morda tovor dejansko povzroča škodo. Zato ocena sproži pregled, ne odločitev.
Naslednja tabela prikazuje znake vrnitve in goljufije ter pravilen odgovor:
signal
Možna razlaga
Vloga AI
Pravilen odgovor
Visoka stopnja donosa
Težava z velikostjo/prileganje ali zloraba
ustvarja rezultate
Preglejte, poglejte vzorec
Pogosta trditev "ni prišel".
Težava pri pošiljanju ali zloraba
znaki
Potrditev s tovornim zapisom
Nov račun + drago naročilo
Običajna ali ukradena kartica
ocena tveganja
Zahtevajte dodatno preverjanje
Drug naslov + hitra dostava
Darilo ali goljufija
znaki
Ročni pregled
Veliko neuspelih plačil
card trial napad
opozarja
Začasna omejitev, preverjanje
Načelo pravične odločitve
Preprečevanje goljufij ima tudi temno stran: diskriminacijo in nepravičnost. Model tveganja lahko nekatere regije, določene vrste plačil ali določene skupine strank sistematično obravnava kot »tvegane«, ker temelji na preteklih podatkih. To je etično napačno in komercialno škodljivo (izgubili boste poštene stranke) in lahko privede do diskriminacijskih zahtevkov. Štiri načela za pošteno odločitev:
- Človeška odobritev: Odločitve z velikim vplivom (preklic, zaprtje računa, zavrnitev vračila) se sprejmejo s človeškim pregledom in ne samodejno.
- Obrazložitev: Vsaka odločitev se zabeleži in utemelji; Vprašanje "zakaj je bilo zavrnjeno?" je treba odgovoriti.
- Način ugovora: Stranka mora imeti možnost ugovora zoper odločitev; Napako je treba popraviti.
- Dodatno preverjanje pred: Če je možno, se pred zavrnitvijo poskusi dodatno preveriti (identiteta, koda, kontakt); Vrata se ne zaprejo takoj.
Pozor: Med "to naročilo je lahko prevara" in "to naročilo je prevara" je velika razlika. AI pravi prvo; Oseba, ki se odloči za slednjo, se mora opreti na dokaze in utemeljitev. Obtoževanje nedolžne stranke je tako etično kot pravno tveganje.
Štiri predloge za kopiranje
1) Analiza vzorca vračanja:
Vaša vloga: pomočnik analitika operacij vračil. Spodaj so anonimni podatki o vračilih (koda stranke, število naročil, število vračil, razlog za vračila, kategorija izdelka). Podatki: [tabela]. Naloga: seznam nenavadnih vzorcev vračil (visoka stopnja, ponavljajoče se "ni prikaži", posebna kategorija); Za vsakega napišite izjavo o nedolžnosti in izjavo o zlorabi. Opomba: To ni zaznava, ampak znak za začetek preiskave.
2) Pregled ocene tveganja naročila:
Kontekst naročila (anonimno): starost računa, vrsta plačila, znesek naročila, doslednost naslova, število neuspelih plačil. Podatki: [polja]. Naloga: ocenite nizko/srednje/visoko tveganje za to naročilo in razložite, na KATERIH signalih temelji. Priporočite takojšnjo zavrnitev pri visokem tveganju; Zapišite, katero dodatno preverjanje se lahko najprej zahteva.
3) Datoteka z odzivom na povratno bremenitev:
Prejet je bil povratni znesek (ugovor plačilu). Kontekst: [naročilo, zapisnik o dostavi, kontakt]. Naloga: osnutek dokazov, ki se lahko predložijo zoper ugovor (potrdilo o dostavi, IP, zapis o kontaktu), v urejeno datoteko. Pravilo: zanašajte se samo na dejanske zapise; izmisliti dokaze.
4) Nadzor poštenih odločitev:
Preverite poštenost naslednjih pravil o goljufijah/vračilu. Pravila: [seznam]. Naloga: ocenite, ali vsako pravilo sistematično postavlja določeno skupino v slabši položaj (regija, vrsta plačila, nova stranka); označite tveganje lažnih pozitivnih rezultatov in diskriminacije; Navedite, ali obstaja mehanizem utemeljitve in ugovora.
Operativni nivoji boja proti goljufijam
Dober sistem temelji na postopnih odzivih, ne na eni sami odločitvi. Nizko tveganje: nikoli ne motite toka, potrdite transakcijo. Srednje tveganje: zahtevajte dodatno preverjanje (SMS koda, potrditev identitete, drugačno plačilo). Visoko tveganje: preglejte ročno, po potrebi začasno zadržite in kontaktirajte. Zelo visoko + dokazilo: ustavitev transakcije, shranjevanje z utemeljitvijo. Ta postopna struktura manj moti pošteno stranko in ujame pravega goljufa. AI ustvarja signale na vsaki stopnji; Oseba se odloči, na katero raven se bo premaknila.
Nasvet: Redno merite lažno pozitivno stopnjo. Če ne veste, koliko poštenih strank ste pomotoma blokirali, vas vaš vzorec goljufije morda stane več kot sama goljufija. "Koliko nedolžnih smo ugrabili" je enako merilo kot "koliko goljufov smo ujeli".
trije mini kovčki
Primer 1 – Postopno preverjanje. Trgovina je neposredno zavračala naročila z visokim zneskom iz novega računa in izgubila veliko strank. Prešel je na postopen sistem: namesto zavrnitve naročila z visoko oceno tveganja je zahteval dodatno preverjanje prek SMS-a. Večina poštenih strank je opravila preverjanje; resnični poskusi goljufij so bili odpravljeni. Tako izgube kot goljufije so se zmanjšale.
Primer 2 – lažno pozitivna past. En sistem je na podlagi preteklih podatkov naročila iz določenega mesta samodejno označil kot "visoko tveganje". Posledično so bile poštene stranke v tem mestu nenehno blokirane; Bilo je zaznati pritožbe in diskriminacijo. Pravilo so med revizijo popravili in zgolj geografija ni bila več razlog za zavrnitev.
Primer 3 – zloraba izročitve. Stranka je kupovala drage elektronske izdelke in prejemala redne vračila ter rekla, da je "škatla prispela prazna". AI je označil vzorec (ponovitev iste trditve); Ekipa je preučila evidenco teže tovora, nedoslednost je bila dokazana in ustavljena zaradi zlorabe. Signal je prišel od umetne inteligence, odločitev in dokazi pa od človeka.
Šibek poziv/močan poziv
Šibek poziv:
Preglejte to naročilo in se odločite, ali gre za goljufijo ali ne.
Model ne more in ne sme sprejemati dokončnih odločitev; ta poziv povzroči lažne pozitivne rezultate in nepošteno krivdo.
Močan poziv:
Vaša vloga: pomočnik analitika tveganja. Kontekst naročila (anonimno): račun je bil odprt pred 2 dnevi, naročilo je 8.500 TL, naslov za dostavo se razlikuje od naslova za izstavitev računa, obstajajo 3 neuspešni poskusi plačila. Naloga: ocenite nizko/srednje/visoko tveganje in pojasnite, na katere signale se zanašate. Ne nudite takojšnje zavrnitve; Vnesite, katero dodatno preverjanje (SMS, ID) želite najprej zahtevati. Končno odločitev bodo sprejeli ljudje.
Pogoste napake
- Napačna ocena tveganja kot dokončni dokaz. Ocena začne pregled, vendar ne sprejme odločitve.
- Avtomatizacija odločanja z velikim vplivom. Preklic, zaprtje računa, zavrnitev vračila zahtevajo človeško odobritev.
- Brez merjenja lažno pozitivnega. Če ne veste, koliko nedolžnih blokirate, škoda ostane nevidna.
- Slepa pravila glede na geografijo/skupino. Proizvaja diskriminacijo in nepravičnost.
- Odločitev brez obrazložitve in ugovora. Brez preglednosti se povečujejo tako etična kot pravna tveganja.
- Posamezen "prijem" namesto postopen odziv. Če zaprete vrata, ne da bi jim dali priložnost za dodatno preverjanje, boste izgubili stranke.
Če povzamem
Pri upravljanju vračil in goljufij umetna inteligenca zajame vzorce, ki jih človeško oko zgreši, in ustvari oceno tveganja; Toda ta rezultat je znak, ne dokaz. Odločitve z velikim vplivom, kot so preklic naročila, zaprtje računa, zavrnitev vračila, bi morale temeljiti na človeškem soglasju, utemeljitvi in pravici do ugovora. Postopen odziv (najprej dodatno preverjanje, nazadnje zavrnitev) ščiti pošteno stranko in izloči goljufa. Izmerite lažno pozitivno; Izogibajte se slepim pravilom, ki temeljijo na geografiji ali skupini. Poštena, pregledna in revizijska odločitev je hkrati etična obveznost in komercialna modrost.
Aplikacijska naloga
Odstranite 5 nenavadnih vzorcev iz vaših anonimnih podatkov o vračilu (visoka stopnja, ponavljajoče se "neprijave" itd.). Za vsakega napišite opis nedolžnosti in opis zlorabe s predlogo »Analiza povratnega vzorca«. Nato zaženite predlogo »Ocena tveganja osnutka naročila« za vzorec naročila z visokim tveganjem in določite, katero dodatno preverjanje želite namesto takojšnje zavrnitve. Na koncu preglejte vaša obstoječa pravila za lažne pozitivne rezultate in diskriminacijo s predlogo »Revizija poštenih odločitev«.
kontrolni seznam
- [ ] Oceno tveganja sem obravnaval kot signal in ne kot dokončno odločitev.
- [ ] Odločitve z velikim vplivom pripisujem človeškemu odobravanju in upravičevanju.
- [ ] Nastavil sem stopenjski odgovor: najprej dodatno preverjanje, nazadnje zavrnitev.
- [ ] Načrtoval sem izmeriti lažno pozitivno stopnjo.
- [ ] Izogibal sem se slepim diskriminatornim pravilom na podlagi geografije/skupine.
- [ ] Odločbam sem dodal način pritožbe in zapis (utemeljitev).