Wie KI die Betrugsprävention im E-Commerce verändert

Treffen Sie sich vom 11. bis 12. Juli in San Francisco mit Führungskräften, um zu erfahren, wie Führungskräfte KI-Investitionen für den Erfolg integrieren und optimieren. Erfahren Sie mehr

Künstliche Intelligenz (KI) verändert fast jede Branche, und E-Commerce ist da keine Ausnahme. Einer der Bereiche, in denen versierte Online-Unternehmen KI einsetzen, um ihre Abläufe zu rationalisieren, ist die Betrugserkennung. Wo Händler einst Legionen von Mitarbeitern beschäftigten, die sich der Überprüfung von Transaktionen widmeten, können Algorithmen jetzt Millionen von Datenpunkten analysieren, um Unregelmäßigkeiten und betrügerisches Verhalten zu erkennen.

Eine erfolgreiche Betrugserkennung erfordert ein feines Gleichgewicht und höchste Genauigkeit. Einerseits müssen Händler betrügerische Transaktionen ablehnen, die extrem kostspielig sein können. Andererseits können sie legitime Transaktionen nicht leugnen, die zu Abwanderung und Reputationsschäden führen.

Und natürlich gibt es keinen einfachen Weg, richtig von falsch zu unterscheiden. Infolgedessen gingen im Jahr 2020 rund 600 Milliarden US-Dollar an weltweiten E-Commerce-Einnahmen aufgrund von Zahlungsrückgängen verloren Konkurrent statt. .

Um dieses Gleichgewicht zu erreichen, ist eine sorgfältig kalibrierte KI erforderlich, die das zunehmend komplexe Verhalten einer globalen Verbraucherbasis vorhersagen kann.

Transformation 2023

Besuchen Sie uns vom 11. bis 12. Juli in San Francisco, wo Führungskräfte diskutieren, wie sie KI-Investitionen für den Erfolg integriert und optimiert und häufige Fallstricke vermieden haben.

Online-Zahlungsbetrug nimmt zu. Eine kürzlich von Juniper Research durchgeführte Studie ergab, dass die kumulierten Verluste von Händlern durch Online-Zahlungsbetrug bis 2027 weltweit 343 Milliarden US-Dollar übersteigen werden.

Herkömmliche Betrugserkennungsmethoden, die oft auf von Menschen erstellten Regeln basieren, die bestimmen, was eine abgelehnte Transaktion auslösen würde, weichen einer effizienteren, KI-basierten Betrugserkennung. Die regelbasierte Betrugserkennung stützt sich auf Richtlinien, die unzulässiges Kundenverhalten prospektiv vorhersagen müssen. Es ist umständlich, unflexibel und oft ungenau.

Die Betrugserkennungs-KI hingegen basiert meistens auf unüberwachten Lernmodellen, bei denen große Datenpools von mehreren Anbietern und Millionen von Transaktionen von einem Algorithmus analysiert werden. Der Algorithmus lernt nicht im Voraus, wonach er suchen muss; vielmehr findet das System Muster basierend auf Verhaltensmustern in den Daten. KI fügt der Betrugsprävention Flexibilität hinzu und kann Anomalien und verdächtiges Verhalten erkennen, ohne vorher festgelegte Regeln zu verwenden. KI kann auch sofort Entscheidungen treffen.

Auf diese Weise ermöglichen Betrugserkennungstechnologien von Drittanbietern auch mehr Händlern, mit riesigen Marktplätzen wie Amazon und Alibaba zu konkurrieren. Betrugserkennungstechnologien aggregieren Daten von Tausenden von Händlern und Millionen von Transaktionen und bringen alle auf Augenhöhe mit dem riesigen Markt ...