E-handlare möter idag flera utmaningar när de står inför att expandera sin verksamhet till ett nytt land eller en ny kontinent. Att anpassa sig till olika betalningstrender och metoder är några utav dem, men framförallt är det viktigt att kunna hantera bedrägerier och säkerställa sin affär. Det är en tuff uppgift då bedragarna blir allt mer sofistikerade. Intrång eller bedrägeri på en sajt kan göras av en ensam person, på andra sidan planeten och med en mycket låg risk att identifieras.

Stulna identiteter
De flesta bedrägerier utförs idag av organiserade brottslingar med stulna kreditkort och identiteter som säljs på den svarta marknaden. I Sverige rapporterades 205 000 kortbedrägerier under 2016 enligt polisens nationella bedrägericenter och identitetsstölder omsatte 6,3 miljarder kronor i fjol enligt UC.

Regler funkar inte
Tidigare kunde e-handeln förlita sig på regelbaserade modeller för att identifiera bedrägerier. Om en kortinnehavare genomförde en betalning som inte matchade dennes vanliga konsumtionsbeteende eller användes utomlands kunde transaktionen stoppas. Men vad händer om det är kortinnehavaren som bara ändrat eller utvecklat sitt köpbeteende? Då förlorar e-handlaren en bra (och nu upprörd) kund, som förmodligen går till huvudkonkurrenten istället. Denna risk, i kombination med bedragarnas ständigt förnyade metoder för att upptäcka sårbarheter, gör den regelbaserade modellen ineffektiv och kan äventyra affärsintäkterna.

Maskininlärning
För att bekämpa bedrägerier krävs således ett paradigmskifte för de verktyg som används. Här spelar data och maskininlärning en viktig roll. Genom att sätta all tillgängliga data i arbete, från e-postadresser och telefonnummer till beteendebaserad data som tidpunkt och klickmönster, blir det avsevärt enklare att identifiera konsumentens avsikt. Det kan finnas hundratals parametrar som var och en bidrar till att identifiera sannolikheten för bedrägeri. Med maskininlärning integreras historisk och ny data med avancerade algoritmer för att utvärdera varje transaktions bedrägeririsk och vidtar lämpliga åtgärder i realtid. Det är en process i ständig utveckling allt eftersom mer data insamlas och ytterligare kan förbättra noggrannheten.

Kontexten identifierar bedragare
Genom att ersätta ett underhållskrävande, regelbaserat system med maskininlärning för att bekämpa bedrägerier, kommer handlarna få ett kontextmedvetet system som kan identifiera bedragare, utan att överreagera och ta kål på bra försäljningsmöjligheter. Det kan även minska nivån av falska positiv och bidra till betydande besparingar för verksamheten när en stor del av bedrägeribekämpningen automatiseras.

Inventera data
I slutändan handlar det om vilken risk man är villig att ta. Säljer man en spelapplikation och fem utav hundra användare är bedragare som inte betalar för appen, då klarar man sig nog ganska bra. Men säljer man dyrare varor eller tjänster är fem utav hundra en relativt stor förlust och risk man inte är villig att ta.
Så gör en inventering av all er tillgängliga data och sätt den i arbete. Det kommer att öka förståelsen för kundernas önskemål och behov, samt ge fördjupade insikter om verksamheten och ett skyddsnät för att alltid vara steget före bedragarna.

Artikeln är en del av vårt tema om Debatt.