Повернення та шахрайство: оцінка ризиків, виявлення зловживань і справедливе рішення

Прибуток:

• Здатність аналізувати моделі повернення та сигнали шахрайства за допомогою штучного інтелекту та створювати чернетку оцінки ризику
• Можливість розпізнавати сценарії зловживань поверненням платежів, захопленням облікового запису та відшкодуванням, а також створювати превентивні правила та контрольні списки
• Здатність бачити ризик помилкових спрацьовувань (несправедливе блокування) і дискримінації та приписувати кожне рішення, яке має значний вплив, на схвалення та виправдання людини

Невидимою, але болючою стороною електронної комерції є повернення та шахрайство. Повернення є правом споживача, і якщо воно добре управляється, воно створює довіру; Але деякі повернення перетворюються на зловживання: одягають і повертають, змінюють товар і повертають, забирають і товар, і гроші, кажучи «не прийшло». Шахрайство є більш серйозним: замовлення з викраденою карткою, захоплення рахунку, фальшивий запит на повернення коштів, зловживання поверненням платежу. Штучний інтелект (ШІ) вловлює ці моделі швидше, ніж люди, у мільйонах транзакцій; генерує оцінку ризику, підозрілі ознаки. Але давайте встановимо обмеження з самого початку: оцінка ризику, створена ШІ, є сигналом, а не остаточним доказом. Скасування замовлення, закриття облікового запису, відмова в поверненні – це дуже важливі рішення; Це несе ризик несправедливого перешкоджання чесному клієнту (помилковий результат). Ось чому кожне рішення, яке має значний вплив, має бути схвалено та обґрунтовано людьми.

Три терміни. Повернення платежу відбувається, коли клієнт зв’язується зі своїм банком і відхиляє платіж; Це може бути виправдано, але нею також можна зловживати. Захоплення облікового запису – це коли шахрай входить в чужий обліковий запис і здійснює покупки. Помилковий результат — це коли система помилково позначає чесну операцію як «шахрайство»; Це найдорожча помилка, яка призводить до втрати клієнтів.

Моделі зловживання поверненням коштів

Більшість повернення є чесним. Але штучний інтелект може визначити, чи є клієнт або шаблон «незвичайним». Типові сигнали: занадто висока віддача того самого клієнта; повернення, які завжди надходять «як використані»; Частота претензії «пакет був порожній / не прийшов»; багаторазове повернення дорогих товарів; Невідповідність адреси доставки та поведінки повернення. ШІ перетворює ці сигнали на оцінку ризику; Але високий бал не означає, що він винен. Можливо, розмір клієнта не підходить, можливо, вантаж справді завдає шкоди. Тому оцінка ініціює перегляд, а не рішення.

У наведеній нижче таблиці наведено сигнали повернення та шахрайства, а також правильну відповідь:

сигнал

Можливе пояснення

Роль ШІ

Правильна відповідь

Висока віддача

Проблема з розміром/підгонкою або зловживання

створює бали

Розгляньте, подивіться на викрійку

Часта претензія «не прийшов».

Проблема з доставкою або зловживання

знаки

Підтвердження з записом про вантаж

Новий аккаунт + дороге замовлення

Звичайна або крадена картка

оцінка ризику

Запит на додаткову перевірку

Інша адреса + термінова доставка

Подарунок або шахрайство

знаки

Ручний огляд

Багато невдалих платежів

карта пробна атака

попереджає

Тимчасово обмежити, перевірити

Принцип справедливого рішення

Запобігання шахрайству також має темну сторону: дискримінацію та несправедливість. Модель ризику може систематично вважати певні регіони, певні типи платежів або певні групи клієнтів «ризиковими», оскільки вона базується на історичних даних. Це як етично, так і комерційно шкідливо (ви втратите чесних клієнтів) і може призвести до позовів про дискримінацію. Чотири принципи справедливого рішення:

1. Схвалення людиною. Важливі рішення (скасування, закриття облікового запису, відмова у відшкодуванні) приймаються шляхом перевірки людиною, а не автоматично.
2. Обґрунтування: кожне рішення фіксується та обґрунтовується; Питання "чому відхилено?" слід відповісти.
3. Метод заперечення: клієнт повинен мати можливість заперечити проти рішення; Помилку слід виправити.
4. Додаткова перевірка перед: якщо можливо, перед відмовою виконується додаткова перевірка (особа, код, контакт); Двері закриваються не відразу.

Застереження: існує величезна різниця між «це замовлення може бути шахрайством» і «це замовлення є шахрайством». ШІ говорить перший; Особа, яка приймає рішення про останнє, повинна спиратися на докази та обґрунтування. Звинувачення невинного клієнта є як етичним, так і правовим ризиком.

Чотири шаблони, які можна копіювати

1) Аналіз шаблону повернення:

Ваша роль: помічник аналітика операцій із поверненнями. Нижче наведено анонімні дані про повернення (код клієнта, кількість замовлень, кількість повернень, причина повернення, категорія продукту). Дані: [таблиця]. Завдання: перерахувати незвичайні моделі повернення (високий показник, повторюване «не з’явилося», певна категорія); Напишіть заяву про невинуватість і заяву про зловживання для кожного. Примітка: це не виявлення, а сигнал для початку розслідування.

2) Схема оцінки ризику замовлення:

Контекст замовлення (анонімний): вік рахунку, тип платежу, сума замовлення, узгодженість адреси, кількість невдалих платежів. Дані: [поля]. Завдання: оцінити низький/середній/високий ризик цього замовлення та пояснити, на ЯКИХ сигналах воно засноване. Рекомендувати негайну відмову при високому ризику; Запишіть, яка додаткова перевірка може вимагатися в першу чергу.

3) Файл відповіді на повернення платежу:

Отримано повернення платежу (заперечення щодо платежу). Контекст: [замовлення, запис про доставку, контакт]. Завдання: складіть докази, які можна надати проти заперечення (підтвердження доставки, IP, контактний запис), у впорядкований файл. Правило: покладайтеся лише на фактичні записи; сфабрикувати докази.

4) Контроль справедливого рішення:

Перевірте наведені нижче правила шахрайства/повернення на справедливість. Правила: [список]. Завдання: оцініть, чи систематично кожне правило ставить у невигідне становище певну групу (регіон, тип платежу, новий клієнт); позначити ризик помилкових спрацьовувань і дискримінації; Вкажіть, чи існує механізм обґрунтування та заперечень.

Операційні рівні боротьби з шахрайством

Хороша система базується на поступових реакціях, а не на одноразовому рішенні. Низький ризик: ніколи не переривайте потік, підтверджуйте транзакцію. Середній ризик: вимагайте додаткової перевірки (SMS-код, підтвердження особи, інший платіж). Високий ризик: перевірте вручну, за потреби тимчасово затримайте та зв’яжіться. Дуже високий + доказ: зупинити транзакцію, зберегти з обґрунтуванням. Така поступова структура менше турбує чесного клієнта та ловить справжнього шахрая. AI генерує сигнали на кожному етапі; Людина сама вирішує, на який рівень переходити.

Порада: регулярно вимірювайте рівень хибнопозитивних результатів. Якщо ви не знаєте, скільки чесних клієнтів ви випадково заблокували, ваша схема шахрайства може коштувати вам більше, ніж саме шахрайство. «Скільки невинних ми викрали» є таким же показником, як і «скільки шахраїв ми спіймали».

три міні-чохла

Випадок 1 — поетапна перевірка. Магазин напряму відхиляв великі суми замовлень з нового облікового запису і втрачав багато клієнтів. Він перейшов на поступову систему: замість того, щоб відхиляти замовлення з високим балом ризику, він запитував додаткову перевірку через SMS. Більшість сумлінних клієнтів пройшли перевірку; Справжні спроби шахрайства були усунені. Зменшилися як втрати, так і шахрайство.

Випадок 2 — помилкова пастка. Одна система автоматично позначала замовлення з певного міста як «високий ризик» на основі історичних даних. В результаті чесних клієнтів у цьому місті постійно блокували; Було сприйняття скарг і дискримінації. Правило було виправлено під час аудиту, і лише географія більше не була причиною для відмови.

Випадок 3 — зловживання екстрадицією. Клієнт купував дорогі електронні вироби та отримував регулярні повернення, сказавши, що «коробка прийшла порожня». AI позначив шаблон (повторення того самого твердження); Команда перевірила записи про вагу вантажу, було доведено невідповідність і було зупинено через зловживання. Сигнал надійшов від штучного інтелекту, рішення та докази – від людини.

Слабка підказка / Сильна підказка

Слабка підказка:

Перегляньте цей наказ і вирішіть, чи є він шахрайством чи ні.

Модель не може і не повинна приймати остаточні рішення; ця підказка створює помилкові спрацьовування та несправедливе звинувачення.

Потужна підказка:

Ваша роль: помічник ризик-аналітика. Контекст замовлення (анонімний): обліковий запис відкрито 2 дні тому, замовлення становить 8500 TL, адреса доставки відрізняється від адреси виставлення рахунку, є 3 невдалі спроби оплати. Завдання: оцініть низький/середній/високий ризик і поясніть, на які сигнали ви покладаєтеся. Не пропонуйте негайну відмову; Введіть, яку додаткову перевірку (SMS, ID) ви хочете запитати спочатку. Остаточне рішення приймуть люди.

Поширені помилки

• Помилка оцінки ризику як остаточного доказу. Оцінка ініціює перегляд, але не приймає рішення.
• Автоматизація прийняття рішень із високим ступенем впливу. Скасування, закриття облікового запису, відмова у відшкодуванні потребують схвалення людини.
• Не вимірювання помилкового позитивного результату. Якщо ви не знаєте, скільки невинних ви блокуєте, збиток залишається непомітним.
• Сліпі правила на основі географії/групи. Це породжує дискримінацію та несправедливість.
• Рішення без обґрунтування та заперечень. Без прозорості зростають як етичні, так і правові ризики.
• Одиночний «улов», а не поступова відповідь. Якщо закрити двері, не давши їм шансу на додаткову перевірку, ви втратите клієнтів.

Підсумовуючи

У сфері повернення та управління шахрайством штучний інтелект вловлює шаблони, які людське око пропускає, і створює оцінку ризику; Але ця оцінка є сигналом, а не доказом. Вагомі рішення, такі як скасування замовлення, закриття облікового запису, відмова у відшкодуванні, мають ґрунтуватися на схваленні людини, обґрунтуванні та праві на заперечення. Поступова реакція (спочатку додаткова перевірка, а потім відмова) одночасно захищає чесного клієнта та усуває шахрая. Виміряйте помилковий результат; Уникайте сліпих правил, заснованих на географії чи групі. Справедливе, прозоре рішення, яке підлягає перевірці, є одночасно етичним обов’язком і комерційною мудрістю.

Аплікаційне завдання

Видаліть 5 незвичайних шаблонів із ваших анонімних даних про повернення (високий показник, повторні "неявки" тощо). Напишіть як невинний опис, так і опис насильства для кожного за допомогою шаблону «Аналіз шаблону повернення». Потім запустіть шаблон «Оцінка ризику чернетки замовлення» для зразка замовлення з високим ризиком і визначте, яку додаткову перевірку ви бажаєте замість негайної відмови. Нарешті, перегляньте свої існуючі правила на наявність помилкових спрацьовувань і дискримінації за допомогою шаблону «Аудит справедливого рішення».

контрольний список

• [ ] Я розглядав оцінку ризику як сигнал, а не як остаточне рішення.
• [ ] Я відношу важливі рішення до схвалення та виправдання людей.
• [ ] Я встановив багаторівневу відповідь: спочатку додаткова перевірка, а потім відхилення.
• [ ] Я планував виміряти частоту помилкових позитивних результатів.
• [ ] Я уникав сліпих дискримінаційних правил, заснованих на географії/групі.
• [ ] Я додав спосіб оскарження та запис (обґрунтування) до рішень.