வருமானம் மற்றும் மோசடி: இடர் மதிப்பெண், முறைகேடு கண்டறிதல் மற்றும் நியாயமான முடிவு

ஆதாயங்கள்:

• செயற்கை நுண்ணறிவு ஆதரவுடன் ரிட்டர்ன் பேட்டர்ன்கள் மற்றும் மோசடி சிக்னல்களை பகுப்பாய்வு செய்து ரிஸ்க் ஸ்கோர் வரைவை உருவாக்கும் திறன்
• திரும்பப் பெறுதல், கணக்கை கையகப்படுத்துதல் மற்றும் ரீபண்ட் முறைகேடு சூழ்நிலைகளை அடையாளம் கண்டு தடுப்பு விதிகள் மற்றும் சரிபார்ப்பு பட்டியல்களை உருவாக்கும் திறன்
• தவறான நேர்மறைகள் (நியாயமற்ற தடுப்பு) மற்றும் பாகுபாடு ஆகியவற்றின் அபாயத்தைக் காணும் திறன் மற்றும் ஒவ்வொரு உயர் தாக்க முடிவையும் மனித ஒப்புதல் மற்றும் நியாயப்படுத்துதல்

ஈ-காமர்ஸின் கண்ணுக்கு தெரியாத ஆனால் வேதனையான பக்கம் வருமானம் மற்றும் மோசடி. திரும்பப் பெறுவது ஒரு நுகர்வோர் உரிமை மற்றும் நன்கு நிர்வகிக்கப்பட்டால், அது நம்பிக்கையை உருவாக்குகிறது; ஆனால் சில வருமானங்கள் முறைகேடாக மாறும்: அதை அணிந்து திரும்பப் பெறுதல், பொருளை மாற்றித் திருப்பித் தருதல், "அது வரவில்லை" என்று கூறி பொருள் மற்றும் பணம் இரண்டையும் எடுத்துக்கொள்வது. மோசடி மிகவும் தீவிரமானது: திருடப்பட்ட அட்டை மூலம் ஆர்டர் செய்தல், கணக்கு கையகப்படுத்துதல், போலியான பணத்தைத் திரும்பப்பெறுதல் கோரிக்கை, திரும்பப்பெறுதல் முறைகேடு. செயற்கை நுண்ணறிவு (AI) மில்லியன் கணக்கான பரிவர்த்தனைகளில் மனிதர்களை விட வேகமாக இந்த வடிவங்களைப் பிடிக்கிறது; ஆபத்து மதிப்பெண், சந்தேகத்திற்கிடமான அறிகுறிகளை உருவாக்குகிறது. ஆனால் ஆரம்பத்திலிருந்தே வரம்பை நிர்ணயிப்போம்: AI ஆல் உருவாக்கப்பட்ட ஆபத்து மதிப்பெண் ஒரு சமிக்ஞையாகும், உறுதியான ஆதாரம் அல்ல. ஆர்டரை ரத்து செய்தல், கணக்கை மூடுதல், திரும்பப் பெற மறுத்தல் ஆகியவை அதிக தாக்கத்தை ஏற்படுத்தும் முடிவுகள்; இது நேர்மையான வாடிக்கையாளரை (தவறான நேர்மறை) நியாயமற்ற முறையில் தடுக்கும் அபாயத்தைக் கொண்டுள்ளது. அதனால்தான் ஒவ்வொரு உயர் தாக்க முடிவும் மனித அங்கீகாரத்திற்கும் நியாயத்திற்கும் உட்பட்டதாக இருக்க வேண்டும்.

மூன்று சொற்கள். சார்ஜ்பேக் என்பது வாடிக்கையாளர் தனது வங்கியைத் தொடர்புகொண்டு பணம் செலுத்த மறுப்பது; இது நியாயப்படுத்தப்படலாம், ஆனால் அது துஷ்பிரயோகம் செய்யப்படலாம். ஒரு மோசடி செய்பவர் வேறொருவரின் கணக்கில் நுழைந்து கொள்முதல் செய்வதே கணக்கை கையகப்படுத்துதல் ஆகும். தவறான நேர்மறை என்பது நேர்மையான பரிவர்த்தனையை "மோசடி" என்று கணினி தவறாகக் குறிக்கும் போது; இது வாடிக்கையாளர் இழப்பை ஏற்படுத்தும் மிகவும் விலையுயர்ந்த தவறு.

ரீபண்ட் முறைகேடு முறைகள்

பெரும்பாலான வருமானங்கள் நேர்மையானவை. ஆனால் ஒரு வாடிக்கையாளர் அல்லது ஒரு முறை "அசாதாரணமானதா" என்பதை AI எடுக்க முடியும். வழக்கமான சமிக்ஞைகள்: அதே வாடிக்கையாளரின் மிக அதிக வருவாய் விகிதம்; "பயன்படுத்தப்பட்டது போல்" எப்போதும் வரும் வருமானம்; "தொகுப்பு காலியாக இருந்தது / வரவில்லை" என்ற கோரிக்கையின் அதிர்வெண்; விலையுயர்ந்த தயாரிப்புகளில் மீண்டும் மீண்டும் வருமானம்; விநியோக முகவரி மற்றும் திரும்பும் நடத்தை பொருந்தவில்லை. AI இந்த சிக்னல்களை ரிஸ்க் ஸ்கோராக மொழிபெயர்க்கிறது; ஆனால் அதிக மதிப்பெண் எடுத்தால் அவர் குற்றவாளி என்று அர்த்தம் இல்லை. ஒருவேளை வாடிக்கையாளரின் அளவு பொருந்தவில்லை, ஒருவேளை சரக்கு உண்மையில் சேதத்தை ஏற்படுத்துகிறது. எனவே, மதிப்பெண் மதிப்பாய்வைத் தொடங்குகிறது, முடிவை அல்ல.

பின்வரும் அட்டவணையில் வருமானம் மற்றும் மோசடி சமிக்ஞைகள் மற்றும் சரியான பதிலைக் காட்டுகிறது:

சமிக்ஞை

சாத்தியமான விளக்கம்

AI இன் பங்கு

சரியான பதில்

அதிக வருவாய் விகிதம்

அளவு/பொருத்தம் பிரச்சனை அல்லது துஷ்பிரயோகம்

மதிப்பெண்களை உருவாக்குகிறது

ஆராயுங்கள், வடிவத்தைப் பாருங்கள்

அடிக்கடி "வரவில்லை" என்ற கூற்று

ஷிப்பிங் பிரச்சனை அல்லது துஷ்பிரயோகம்

அடையாளங்கள்

சரக்கு பதிவுடன் உறுதிப்படுத்தல்

புதிய கணக்கு + விலையுயர்ந்த ஆர்டர்

வழக்கமான அல்லது திருடப்பட்ட அட்டை

ஆபத்து மதிப்பெண்

கூடுதல் சரிபார்ப்பைக் கோரவும்

வெவ்வேறு முகவரி + அவசர ஷிப்பிங்

பரிசு அல்லது மோசடி

அடையாளங்கள்

கைமுறை மதிப்பாய்வு

நிறைய பணம் செலுத்த முடியவில்லை

அட்டை சோதனை தாக்குதல்

எச்சரிக்கிறது

தற்காலிக கட்டுப்பாடு, சரிபார்க்கவும்

நியாயமான முடிவின் கொள்கை

மோசடி தடுப்பு ஒரு இருண்ட பக்கத்தையும் கொண்டுள்ளது: பாகுபாடு மற்றும் அநீதி. ஒரு இடர் மாதிரியானது குறிப்பிட்ட பகுதிகள், குறிப்பிட்ட கட்டண வகைகள் அல்லது சில வாடிக்கையாளர் குழுக்களை "ஆபத்தானது" என்று முறையாகக் கருதலாம், ஏனெனில் அது வரலாற்றுத் தரவை அடிப்படையாகக் கொண்டது. இது நெறிமுறை ரீதியாக தவறானது மற்றும் வணிக ரீதியாக தீங்கு விளைவிக்கும் (நீங்கள் நேர்மையான வாடிக்கையாளர்களை இழப்பீர்கள்) மற்றும் பாகுபாடு உரிமைகோரல்களுக்கு வழிவகுக்கும். நியாயமான முடிவிற்கான நான்கு கொள்கைகள்:

1. மனித ஒப்புதல்: அதிக தாக்கத்தை ஏற்படுத்தும் முடிவுகள் (ரத்து செய்தல், கணக்கு மூடல், பணத்தைத் திரும்பப் பெறுதல்) மனித மதிப்பாய்வு மூலம் எடுக்கப்படுகின்றன, தானாக அல்ல.
2. நியாயப்படுத்துதல்: ஒவ்வொரு முடிவும் பதிவு செய்யப்பட்டு நியாயப்படுத்தப்படுகிறது; கேள்வி "ஏன் நிராகரிக்கப்பட்டது?" பதில் சொல்ல வேண்டும்.
3. ஆட்சேபனை முறை: வாடிக்கையாளர் முடிவை ஆட்சேபிக்க முடியும்; பிழை திருத்தப்பட வேண்டும்.
4. முன் கூடுதல் சரிபார்ப்பு: முடிந்தால், நிராகரிப்பதற்கு முன் கூடுதல் சரிபார்ப்பு (அடையாளம், குறியீடு, தொடர்பு) முயற்சிக்கப்படுகிறது; கதவு உடனடியாக மூடப்படவில்லை.

எச்சரிக்கை: "இந்த உத்தரவு ஒரு மோசடியாக இருக்கலாம்" மற்றும் "இந்த உத்தரவு ஒரு மோசடி" ஆகியவற்றுக்கு இடையே வேறுபாடு உள்ளது. AI முதலில் கூறுகிறது; பிந்தையதை தீர்மானிக்கும் நபர் ஆதாரம் மற்றும் நியாயத்தை நம்பியிருக்க வேண்டும். ஒரு அப்பாவி வாடிக்கையாளரைக் குற்றம் சாட்டுவது நெறிமுறை மற்றும் சட்டரீதியான ஆபத்து.

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) திரும்பும் முறை பகுப்பாய்வு:

உங்கள் பங்கு: ரிட்டர்ன்ஸ் ஆபரேஷன்ஸ் அனலிஸ்ட் அசிஸ்டெண்ட்.கீழே அநாமதேய ரிட்டர்ன்ஸ் டேட்டா (வாடிக்கையாளர் குறியீடு, ஆர்டர்களின் எண்ணிக்கை, ரிட்டர்ன்களின் எண்ணிக்கை, ரிட்டர்ன் காரணம், தயாரிப்பு வகை).தரவு: [அட்டவணை].பணி: வழக்கத்திற்கு மாறான ரிட்டர்ன் பேட்டர்ன்களை பட்டியலிடவும் (அதிக விகிதம், மீண்டும் மீண்டும் "நோ ஷோ", குறிப்பிட்ட வகை); ஒவ்வொன்றிற்கும் ஒரு அப்பாவி மற்றும் ஒரு முறைகேடு அறிக்கையை எழுதுங்கள். குறிப்பு: இது கண்டறிதல் அல்ல, விசாரணையைத் தொடங்குவதற்கான சமிக்ஞையாகும்.

2) ஆர்டர் ரிஸ்க் ஸ்கோர் அவுட்லைன்:

ஆர்டர் சூழல் (அநாமதேய): கணக்கு வயது, பணம் செலுத்தும் வகை, ஆர்டர் தொகை, முகவரி நிலைத்தன்மை, தோல்வியுற்ற கட்டணங்களின் எண்ணிக்கை. தரவு: [புலங்கள்]. பணி: இந்த ஆர்டருக்கான குறைந்த/நடுத்தர/அதிக ஆபத்தை மதிப்பீடு செய்து, அது என்ன சிக்னல்களை அடிப்படையாகக் கொண்டது என்பதை விளக்கவும். அதிக ஆபத்தில் உடனடியாக நிராகரிக்க பரிந்துரைக்கவும்; முதலில் என்ன கூடுதல் சரிபார்ப்பு கோரப்படலாம் என்பதை எழுதவும்.

3) சார்ஜ்பேக் மறுமொழி கோப்பு:

கட்டணம் திரும்பப் பெறப்பட்டது (கட்டண ஆட்சேபனை). சூழல்: [ஆர்டர், டெலிவரி பதிவு, தொடர்பு]. பணி: ஆட்சேபனைக்கு எதிராக வழங்கக்கூடிய ஆதாரத்தை (டெலிவரி உறுதிப்படுத்தல், ஐபி, தொடர்பு பதிவு) ஒரு ஒழுங்கான கோப்பாக உருவாக்கவும். விதி: உண்மையான பதிவுகளை மட்டுமே நம்புங்கள்; இட்டுக்கட்டப்பட்ட ஆதாரம்.

4) நியாயமான முடிவு கட்டுப்பாடு:

நேர்மைக்காக பின்வரும் மோசடி/திரும்ப விதிகளை தணிக்கை செய்யுங்கள்.விதிகள்: [பட்டியல்].பணி: ஒவ்வொரு விதியும் ஒரு குறிப்பிட்ட குழுவிற்கு (பிராந்தியம், கட்டண வகை, புதிய வாடிக்கையாளர்) முறையாக பாதகத்தை ஏற்படுத்துகிறதா என்பதை மதிப்பீடு செய்யவும்; தவறான நேர்மறைகள் மற்றும் பாகுபாடுகளின் அபாயத்தைக் கொடியிடவும்; நியாயப்படுத்தல் மற்றும் ஆட்சேபனை பொறிமுறை உள்ளதா என்பதைக் குறிப்பிடவும்.

மோசடிக்கு எதிரான செயல்பாட்டு அடுக்குகள்

ஒரு நல்ல அமைப்பு படிப்படியான பதில்களை அடிப்படையாகக் கொண்டது, ஒரு "கோட்சா" முடிவு அல்ல. குறைந்த ஆபத்து: ஓட்டத்தை ஒருபோதும் சீர்குலைக்காதீர்கள், பரிவர்த்தனையை உறுதிப்படுத்தவும். நடுத்தர ஆபத்து: கூடுதல் சரிபார்ப்பைக் கோரவும் (SMS குறியீடு, அடையாள உறுதிப்படுத்தல், வெவ்வேறு கட்டணம்). அதிக ஆபத்து: கைமுறையாக மதிப்பாய்வு செய்யவும், தேவைப்பட்டால் தற்காலிகமாகப் பிடித்து, தொடர்பு கொள்ளவும். மிக உயர்ந்த + ஆதாரம்: பரிவர்த்தனையை நிறுத்துங்கள், நியாயத்துடன் சேமிக்கவும். இந்த படிப்படியான அமைப்பு நேர்மையான வாடிக்கையாளரை குறைவாக தொந்தரவு செய்து உண்மையான மோசடி செய்பவரை பிடிக்கிறது. AI ஒவ்வொரு நிலையிலும் சிக்னல்களை உருவாக்குகிறது; எந்த நிலைக்கு செல்ல வேண்டும் என்பதை நபர் தீர்மானிக்கிறார்.

உதவிக்குறிப்பு: தவறான நேர்மறை விகிதத்தை தவறாமல் அளவிடவும். எத்தனை நேர்மையான வாடிக்கையாளர்களை நீங்கள் தற்செயலாகத் தடுத்துள்ளீர்கள் என்பது உங்களுக்குத் தெரியாவிட்டால், உங்கள் மோசடி முறையானது மோசடியை விட அதிகமாக உங்களுக்குச் செலவாகும். "எத்தனை அப்பாவிகளை கடத்தினோம்" என்பது "எத்தனை ஏமாற்றுக்காரர்களை பிடித்தோம்" என்பது போல.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - அதிகரிக்கும் சரிபார்ப்பு. ஒரு கடை புதிய கணக்கிலிருந்து அதிக தொகை ஆர்டர்களை நேரடியாக நிராகரித்து, நிறைய வாடிக்கையாளர்களை இழந்தது. இது ஒரு படிப்படியான அமைப்புக்கு மாறியது: அதிக ரிஸ்க் ஸ்கோர் உள்ள ஆர்டரை நிராகரிப்பதற்குப் பதிலாக, SMS மூலம் கூடுதல் சரிபார்ப்பைக் கோரியது. பெரும்பாலான நேர்மையான வாடிக்கையாளர்கள் சரிபார்ப்பில் தேர்ச்சி பெற்றுள்ளனர்; உண்மையான மோசடி முயற்சிகள் அகற்றப்பட்டன. நஷ்டம், மோசடி இரண்டும் குறைந்துள்ளன.

வழக்கு 2 - தவறான நேர்மறை பொறி. ஒரு அமைப்பு ஒரு குறிப்பிட்ட நகரத்திலிருந்து வரும் ஆர்டர்களை வரலாற்றுத் தரவுகளின் அடிப்படையில் "அதிக ஆபத்து" என்று தானாகவே கொடியிட்டது. இதன் விளைவாக, அந்த நகரத்தில் நேர்மையான வாடிக்கையாளர்கள் தொடர்ந்து தடுக்கப்பட்டனர்; புகார்கள் மற்றும் பாகுபாடு பற்றிய ஒரு கருத்து இருந்தது. தணிக்கையின் போது விதி சரி செய்யப்பட்டது, மேலும் புவியியல் மட்டும் நிராகரிப்புக்கு ஒரு காரணம் அல்ல.

வழக்கு 3 - நாடு கடத்தல் முறைகேடு. ஒரு வாடிக்கையாளர் விலையுயர்ந்த எலக்ட்ரானிக் பொருட்களை வாங்கி, "பெட்டி காலியாகிவிட்டது" என்று கூறி வழக்கமான வருமானத்தைப் பெற்றுக் கொண்டிருந்தார். AI வடிவத்தைக் குறித்தது (அதே கூற்றை மீண்டும் கூறுதல்); சரக்கு எடை பதிவேடுகளை ஆய்வு செய்த குழுவினர், முரண்பாடு நிரூபிக்கப்பட்டு, முறைகேடு காரணமாக நிறுத்தப்பட்டது. AI இலிருந்து சமிக்ஞை வந்தது, முடிவு மற்றும் ஆதாரம் மனிதனிடமிருந்து வந்தது.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த உத்தரவை ஆராய்ந்து, இது மோசடியா இல்லையா என்பதை முடிவு செய்யுங்கள்.

மாதிரி உறுதியான முடிவுகளை எடுக்க முடியாது மற்றும் எடுக்கக்கூடாது; இந்த தூண்டுதல் தவறான நேர்மறை மற்றும் நியாயமற்ற பழியை உருவாக்குகிறது.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: உதவி இடர் ஆய்வாளர். ஆர்டர் சூழல் (அநாமதேய): கணக்கு 2 நாட்களுக்கு முன்பு திறக்கப்பட்டது, ஆர்டர் 8,500 TL, டெலிவரி முகவரியும் பில்லிங் முகவரியும் வேறுபட்டது, 3 முறை தோல்வியுற்ற கட்டண முயற்சிகள் உள்ளன. பணி: குறைந்த/நடுத்தர/அதிக ஆபத்தை மதிப்பீடு செய்து, நீங்கள் எந்த சமிக்ஞைகளை நம்பியிருக்கிறீர்கள் என்பதை விளக்குங்கள். உடனடியாக நிராகரிப்பு வழங்க வேண்டாம்; நீங்கள் முதலில் கேட்க விரும்பும் கூடுதல் சரிபார்ப்பை (SMS, ID) உள்ளிடவும். இறுதி முடிவு மனிதர்களால் எடுக்கப்படும்.

பொதுவான தவறுகள்

• ரிஸ்க் ஸ்கோரை உறுதியான ஆதாரமாக தவறாகப் புரிந்துகொள்வது. மதிப்பெண் மதிப்பாய்வைத் தொடங்குகிறது, ஆனால் முடிவை எடுக்காது.
• உயர் தாக்க முடிவெடுப்பதை தானியங்குபடுத்துதல். ரத்துசெய்தல், கணக்கை மூடுதல், பணத்தைத் திரும்பப் பெறுதல் நிராகரிப்பு ஆகியவற்றுக்கு மனித ஒப்புதல் தேவை.
• தவறான நேர்மறையை அளவிடவில்லை. நீங்கள் எத்தனை அப்பாவிகளைத் தடுக்கிறீர்கள் என்பது உங்களுக்குத் தெரியாவிட்டால், சேதம் கண்ணுக்கு தெரியாததாகவே இருக்கும்.
• புவியியல்/குழு அடிப்படையில் குருட்டு விதிகள். இது பாகுபாடு மற்றும் அநீதியை உருவாக்குகிறது.
• நியாயம் மற்றும் ஆட்சேபனை இல்லாத முடிவு. வெளிப்படைத்தன்மை இல்லாமல், நெறிமுறை மற்றும் சட்ட அபாயங்கள் வளரும்.
• படிப்படியான பதிலை விட ஒற்றை "பிடி". கூடுதல் சரிபார்ப்புக்கு அவர்களுக்கு வாய்ப்பளிக்காமல் கதவை மூடுவது வாடிக்கையாளர்களை இழக்கச் செய்யும்.

சுருக்கமாக

வருமானம் மற்றும் மோசடி நிர்வாகத்தில், AI ஆனது மனிதக் கண்கள் தவறவிட்ட வடிவங்களைப் படம்பிடித்து, ஆபத்து மதிப்பெண்ணை உருவாக்குகிறது; ஆனால் இந்த மதிப்பெண் ஒரு சமிக்ஞை, ஆதாரம் அல்ல. ஆர்டர் ரத்து, கணக்கு மூடல், பணத்தைத் திரும்பப் பெறுதல் போன்ற உயர் தாக்கத் தீர்மானங்கள் மனித ஒப்புதல், நியாயப்படுத்துதல் மற்றும் எதிர்க்கும் உரிமை ஆகியவற்றின் அடிப்படையில் இருக்க வேண்டும். படிப்படியான பதில் (முதலில் கூடுதல் சரிபார்ப்பு, கடைசியாக நிராகரிப்பு) நேர்மையான வாடிக்கையாளரைப் பாதுகாக்கிறது மற்றும் மோசடி செய்பவரை நீக்குகிறது. தவறான நேர்மறையை அளவிடவும்; புவியியல் அல்லது குழுவின் அடிப்படையில் குருட்டு விதிகளைத் தவிர்க்கவும். ஒரு நியாயமான, வெளிப்படையான மற்றும் தணிக்கை செய்யக்கூடிய முடிவு ஒரு நெறிமுறைக் கடமை மற்றும் வணிக ஞானம் ஆகும்.

விண்ணப்ப பணி

உங்கள் அநாமதேய ரிட்டர்ன் தரவிலிருந்து 5 அசாதாரண வடிவங்களை அகற்றவும் (அதிக விகிதம், மீண்டும் மீண்டும் "நோ-ஷோக்கள்" போன்றவை). "ரிட்டர்ன் பேட்டர்ன் அனாலிசிஸ்" டெம்ப்ளேட்டுடன் ஒவ்வொன்றிற்கும் ஒரு அப்பாவி மற்றும் முறைகேடு விளக்கத்தை எழுதவும். பின்னர் மாதிரி உயர்-அபாய ஆர்டருக்கான "டிராஃப்ட் ஆர்டர் ரிஸ்க் ஸ்கோர்" டெம்ப்ளேட்டை இயக்கி, உடனடி நிராகரிப்புக்குப் பதிலாக நீங்கள் என்ன கூடுதல் சரிபார்ப்பை விரும்புகிறீர்கள் என்பதைத் தீர்மானிக்கவும். இறுதியாக, "நியாயமான முடிவு தணிக்கை" டெம்ப்ளேட்டுடன் தவறான நேர்மறை மற்றும் பாகுபாடுகளுக்கான உங்கள் தற்போதைய விதிகளை மதிப்பாய்வு செய்யவும்.

சரிபார்ப்பு பட்டியல்

• [ ] ரிஸ்க் ஸ்கோரை ஒரு சமிக்ஞையாகக் கருதினேன், உறுதியான முடிவு அல்ல.
• [ ] நான் மனித அங்கீகாரம் மற்றும் நியாயப்படுத்தல் உயர் தாக்க முடிவுகளை காரணம்.
• [ ] நான் ஒரு அடுக்கு பதிலை அமைத்துள்ளேன்: கூடுதல் சரிபார்ப்பு முதலில், நிராகரிப்பு கடைசியாக.
• [ ] நான் தவறான நேர்மறை விகிதத்தை அளவிட திட்டமிட்டேன்.
• [ ] புவியியல்/குழுவின் அடிப்படையிலான குருட்டு பாகுபாடு விதிகளை நான் தவிர்த்தேன்.
• [ ] முடிவுகளில் மேல்முறையீட்டு முறை மற்றும் பதிவை (நியாயப்படுத்துதல்) சேர்த்துள்ளேன்.