Noll
Även om Black Friday traditionellt väcker bilder av förödelse som konsumenter flöda i tegel och murbruk butiker, detta kan förändras. I en undersökning som släpptes för några dagar sedan, 80 procent av de BRITTISKA konsumenterna säger att de planerar att undvika butiker på Black Friday i år, medan 21 procent svarade att de föredrar att jaga för Black Friday handlar online.
Detta leder till fler och fler online-försäljning med inriktning på topp poäng. En av de frågor som plågar online-försäljning, men är bedrägeri. Med mer försäljning online kommer fler bedrägerier. Data och maskininlärning kan hjälpa till med anti-bedrägeri, men också detta har sina blinda fläckar, som ny EU-förordning som syftar till att åtgärda.
Stora Detaljhandeln, Stora Bedrägeri, Big Data
Enligt ett 2016 rapport, den genomsnittliga årliga finansiella kostnader hänföras till bedrägerier för återförsäljare var 7,6 procent av de årliga intäkterna i alla kanaler, inklusive online och offline. Och det är på en business-as-usual dag. På topp-detaljhandel dagar, kunder som är verksamma på Amazon har enligt rapporter sett en ökning på 150 procent i bedrägeri försök.
En nyligen publicerad data-driven analys på bedrägeri-genom att Sålla forskning visar att peak detaljhandel dagar är inte de med den högsta andelen för försök till bedrägeri. De kan vara de som har de högsta volym totalt, men det finns en skillnad.
Som Kevin Lee, Förtroende & Säkerhet-Arkitekt på Sift Vetenskapen, baserat på analys av sina data, “antalet bedrägerier attacker gå upp under Black Friday och Cyber Monday. Men det är inte så mycket som det totala antalet legitima volym slå systemet.
Viktiga begrepp: Gratis PDF ladda ner: Data, AI, IoT: framtidens handel | Business analytics: Den viktigaste i data-driven beslutsfattande
Förhållandet av bedrägeri faktiskt går ner under semestern på grund av den dåliga beställningar är i skuggan av den goda orderingången. Om du är en fraud analyst kan du se din arbetsbelastning (aka bedrägeri order) dubbel eller trippel, men mängden bra trafik (att han/hon inte ser) ökar sätt mer”.
Bedrägerier är ett heltidsjobb för en del, och en stor tid sak. Bild: Sift-Vetenskap
Analyser görs av andra anti-bedrägeri experter, verkar för att stödja detta. När man tittar på transaktionsdata för detaljhandel, finner vi att bedrägerier priser bor ganska konsekvent under hela året och ofta även gå ner som en övergripande del av alla transaktioner, enligt Angie Vit, iovation product marketing manager:
Detta är helt enkelt eftersom volymen av bra affärer ökar över de tidsramar. Detta stödjer vad vi har sagt i år, bedrägeri har blivit ett företag. Dessa är avancerade operationer som fungerar året runt, är ständigt utvecklas deras taktik, och ser detta som sin heltidssysselsättning.
Data Sålla sig resultaten också att stödja detta. Bedrägerier inte händer medan du sover, det händer hela tiden, faktiskt i synk med legitima transaktioner. Så att folk inte begår bedrägerier som en sida liv, men att vara en bedragare är en korrekt dag jobb, om du kan kalla det för det. Frågan är då, vad man ska göra åt det.
Maskininlärning till undsättning, och människor i slingan
Vi har redan sett hur lärande kan ta på online detaljhandeln bedrägeri. Men är det den enda vägen att gå? Både Data Sålla och iovation erbjuder lösningar för online detaljhandeln anti-bedrägeri, så att deras insikter bör vara av intresse.
Lee sade Uppgifter Sålla ser köpmän leda med en maskin lärande i första strategi för sin verksamhet, eftersom det är den mest skalbart och anpassningsbart verktyg att handlarna har för närvarande — merchants’ mekanisk fördel eller super power:
Vi använder handlett machine learning, eftersom det ramper upp snabbare än oövervakad — inte ta så mycket data att lära sig. Vi drar nytta av vår globala modell-över 12 000 webbplatser använder oss och vi använder dem för att skydda varandra.
Vi har i realtid anpassningsförmåga och upptäcka avvikelser, vilket innebär att vi kan stoppa nya former av dåligt så fort det dyker upp. Vi behöver inte vänta på en modell uppdatera eller till en regel att skapas. Detta minskar ett företags övergripande företagets exponering priser till bedrägeri.
Vi tränar dynamisk friktion, mening, machine learning gör det möjligt för oss/för företag att erbjuda fantastiska upplevelser för användaren kända, betrodda kunder. Detta gör det möjligt för handlarna att slutföra större / Amazon-liknande transaktioner med fler verktyg under sitt bälte. Vi level the playing field lite.
Grundfärger: Vad är AI? Allt du behöver veta om Artificiell Intelligens | maskininlärning? | Djupt lärande? | Artificiell generell intelligens? | AI, maskininlärning, och data vetenskap gåta: Vem kommer att hantera algoritmer?
Iovation, å andra sidan, erbjuder också en machine learning lösning, men inte förlita sig på maskininlärning uteslutande. White sade iovation tar en skiktad strategi för förebyggande av bedrägeri, som gör det möjligt för dem att utnyttja styrkan hos båda machine learning lösningar och mänskliga insikter med ett regelbaserat system:
Medarbetarna är ett företags viktigaste tillgång. De förstår det unika landskapet bättre än någon teknik någonsin kommer. Bedrägeri analytiker kan fånga vissa typer av bedrägerier maskiner kan missa och snabbt reagera på hot som är unika för denna verksamhet. Men de kan missa trender som är för subtil för människor att plocka upp den eller är det bara märks på en global skala.
Våra maskinlärande algoritmer analysera miljarder kombinationer av ingångar för att upptäcka små bedrägerier trender över flera branscher och att snabbare och mer exakt än en människa. iovation utnyttjar det bästa av båda världar.
Bedrägerier på nätet: Det s förordning för det också
Men online-handel anti-bedrägeri är på väg att förändras, och att förändring kommer att påverka konsumenter och återförsäljare. Detta är på grund av nya EU-förordningen kallas PSD2. PSD2, som träder i kraft i mitten av 2019, är främst om att öppna Api: er bank till 3: e part. Men det innehåller också bestämmelser som gäller för försäljning online.
För online-företag med hög bedrägeri händelser, transaktioner från och med €30 och upp måste gå igenom tunga autentisering, vilket inte kommer att vara en mycket bra upplevelse för kunder. Lägre bedrägeri priser menar att gränsen går upp och kunder är inte utsätts för sådana autentisering. Vi frågade experterna om hur de ser på att spela ut.
Avsikten med detta direktiv är bra på hjärtat, men onödigt ger friktion till mer än 99 procent av användarna där ute som är bra, enligt Lee: “Vi är i huvudsak att göra köpare följer en uppsättning regler eftersom systemet utnyttjas av ett fåtal rötägg.
Våra kunder inom EU har varit väl förberedda inför dessa förändringar och har satt ordentliga garantier, inklusive att uppgradera sina system med Data Sålla svit av produkter som innehåller machine learning, rapportering och data verktyg visualisering”.
Vitt tycker att vi sannolikt kommer att se till att de mest framgångsrika återförsäljare post-PSD2 är de som har möjlighet att samarbeta med payment service providers (Psp) för att uppnå den lägsta hänvisning bedrägeri priser och därmed den högsta tröskel för undantag för att Trygga Kundens Autentisering (SCA):
Endast Psp kommer att kunna begära undantag från SCA baserat på transaktionen riskanalys. Men hänvisningen bedrägeri priser är beräknade på alla de transaktioner som de bearbetar, inte bara för en enda köpman. Detta innebär att det kommer att kräva ett mycket nära samarbete mellan köpmän och Psp för att träffa de högsta undantag priser.
Det kommer troligen att ha effekten av att skapa en differentierad system där annonsörer med högre bedrägeri priser kommer att få betala en högre ränta för transaktioner. Diagrammet nedan korrelerar referens bedrägeri priser med SCA-tröskel för undantag och förutspår hur detta korrelerar till transaktionshantering kostnader.
PSD2 är en ny EU-förordning som gör ett antal saker, bland annat att införa ett lager tillvägagångssätt för köpmän grundar sig på bedrägeri tröskelvärden. Bild: iovation
White sa detta kommer att ha en enorm inverkan på marknaden, särskilt inom e-handel rymden: “omräkningskurser är redan låg på denna plats, och någon lagt hinder eller friktion kan relatera till en ökning i kundvagnen abandonments.
Vinnarna kommer att vara de företag som verkligen tittar på hur de kan maximera sina SCA undantag för att minska det totala antalet transaktioner som är föremål för SCA. Och sedan ger låg friktion, användarvänlig autentisering för transaktioner som är föremål för SCA”.
Vad sägs om tolkningsbarhet?
En annan bieffekt av förordning har att göra med tolkningsbarhet. Eftersom lärande är, och kommer sannolikt att fortsätta att vara den dominerande metoden för anti-bedrägeri idag, hur kan krav på insyn tillgodoses genom maskininlärning-baserade anti-bedrägeri erbjudanden, med tanke på de problem med maskinen lärande modell tolkningsbarhet?
Ofta, machine learning kan ses som en svart låda eftersom (om det är bra) det är knäckande tusentals signaler i realtid och upptäcka de okända riskerna och deras samband, enligt Uppgifter Sålla.
Vad är GDPR? Allt du behöver veta om den nya allmänna bestämmelser för dataskydd
Lee sa att deras lärande var byggt på ett sätt att ge analytiker mer insikter i de kända signaler som starkt bidragit till att öka sannolikheten för bedrägeri. Data Sålla ger analytiker lite ströbröd för att hjälpa dem att bättre förstå orsakerna bakom den poäng modeller utgång.
Vit tycker det krav på öppenhet som anges av andra regelverk såsom GDPR och e-Privacy-lagstiftningen kommer att kräva att leverantörer för att säkerställa att den mest komplexa lösningar kan förstås i enklaste form:
Vad kan göras för att öppna upp den svarta lådan av maskininlärning? Bild: aitrends
Detta kan vara en svår uppgift, eftersom om det var enkelt så skulle vi inte behöva den prediktiva kraften i maskinen lärande i första hand. Vårt tillvägagångssätt gör det möjligt för våra kunder att exakt skilja mellan användare att de kan lita på, och de kan de inte. Smarta företag använder denna kunskap för att fokusera på att förbättra upplevelsen för användare, samtidigt som bedragarna på bay.
Föga förvånande, av svaren på denna fråga inte verkar gå mycket djupt. Machine Learning tolkningsbarhet är en öppen frågeställning. Först ut, inte alla modeller är direkt tolkningsbara. Djupt lärande, till exempel, är notoriskt svåra att tolka. Ofta, det är en avvägning mellan effektivitet och tolkningsbarhet.
Men även för de modeller som är enklare, till exempel sådana som baseras på beslut träd, begreppet tolkningsbarhet för träd med tusentals grenar är inte riktigt klart. Tolkningsbarhet, eller förklaras AI, är ett ämne i och av sig själv. Vi kommer att återkomma till det snart.
Vem som egentligen äger din Internet of Things data?
I en värld där fler och fler objekt kommer online och leverantörer får delta i leveranskedjan, hur kan du hålla koll på vad som är ditt och vad är inte?
Läs Mer
Relaterade Ämnen:
Hantering Av Data
Digital Omvandling
Robotteknik
Sakernas Internet
Innovation
Affärssystem
0