ASSIST усовершенствовал систему антифрода и повысил конверсию до 99%

ASSIST усовершенствовал систему антифрода и повысил конверсию до 99%

16 Декабря 2015

Группа компаний ASSIST повысила эффективность интеллектуальной системы противодействия мошенничеству, что дало возможность довести конверсию интернет-магазина до 99%. При этом уровень фрода составляет не более 0,035% без использования фильтров и 3D-Secure. ASSIST с 2010 года использует на практике самообучающуюся антифродовую систему, в основе которой лежит математический анализ статистики интернет-платежей. Этот подход позволяет интернет-магазину «выжать» максимум из своего трафика и при этом не стать жертвой мошенников.

С самого начала система ASSIST Antifraud включала в себя подсистемы бизнес-правил и математического определения вероятности мошенничества, а также была оснащена набором отчетов, помогающих специалистам групп фрод-мониторинга анализировать подозрительные транзакции. В 2015 году была проделана работа по созданию независимой OLAP-системы, которая включила в себя весь набор ранее используемых отчетов, а также позволила формировать многомерные срезы данных, необходимые как для анализа самих транзакций, так и для выявления мошенничества на стороне интернет-магазинов. Это на порядок увеличило быстродействие системы и количество формируемых выборок. Все это позволяет добиться роста показателя конверсии до 99% при минимальном риске мошенничества.

Вопрос обеспечения безопасности платежей в интернете нельзя рассматривать отдельно от его влияния на объемы продаж. Бизнесу нужен такой метод защиты, который при допустимом риске будет минимально сокращать продажи.

Директор по исследованиям и разработке ПО группы компаний ASSIST

В основе системы ASSIST Antifraud лежит принцип построения математических моделей оценки вероятности мошенничества. Платежный шлюз, имея данные по «чистым» и мошенническим транзакциям за определенный период времени, может использовать их для настройки математических моделей. Модели за доли секунды сопоставляют новую транзакцию со всем объемом ранее совершенных операций и определяют вероятность, с которой она похожа на мошенническую, при этом они анализируют тысячи параметров, характеризующих профиль клиента, его поведение на сайте, платежную историю и данные конкретного заказа.

Эффективность работы системы напрямую зависит от накопленной истории транзакций и опыта специалистов по антифроду, которых очень трудно найти на рынке. Опыт – это ключевая компетенция, потому что формирование правил функционирования системы осуществляется именно силами экспертов. В ASSIST работают специалисты с более чем 15-летним опытом работы с карточными транзакциями, что является ценнейшим активом компании.

Директор по исследованиям и разработке ПО группы компаний ASSIST

Важное качество антифродовых систем, построенных на математических моделях – возможность гибко настраивать их под конкретные задачи и тип бизнеса. Для этого проводится обучение модели на истории транзакций именно того интернет-магазина, для которого она предназначена. При этом использование интеллектуальных систем противодействия мошенничеству не исключает применение всего арсенала средств антифрода (3D-Secure, фильтров, «ручного» мониторинга), но значительно его оптимизирует, т.к. позволяет отсеять порядка 99,97% мошеннических транзакций.

ASSIST применяет разработанную интеллектуальную систему антифрода ко всем транзакциям, проводимым через свой платежный шлюз, обеспечивая безопасность платежей для более чем 3000 компаний России и СНГ, среди которых Google, OZON, OZON.Travel, Мариинский и Большой театры, KASSIR, Bileter, Head Hunter, PUMA, OTTO, Росгосстрах, The Body Shop, Mothercare, Starbucks, KFC и многие другие.

Схема работы системы:

  1. Сканирование профиля клиента (сбор максимального количества данных, характеризующих поведение клиента при осуществлении покупок и платежей).
  2. Проверка данных, построение связей между ними (формирование числового профиля клиента).
  3. Математический анализ профиля клиента (определение статистической вероятности мошенничества).
  4. В зависимости от результата анализа платеж может быть отклонен как подозрительный, отправлен на обработку в банк или подвергнут дополнительной проверке.

Такой подход позволяет сфокусировать внимание на действительно подозрительных транзакциях, к которым уместно применять весь арсенал существующих методов верификации клиента, при этом не рискуя сократить продажи.

Поделиться новостью: