Big Data, IA y Machine Learning: claves contra fraudes en eCommerce

0
78

Así como los usuarios deben ser cuidadosos al realizar pagos en línea, los comercios también deben protegerse de transacciones fraudulentas que a la larga podrían costarles millones de dólares. En América Latina, por ejemplo, el fraude en eCommerce representa entre el 1% y 2% del volumen total de ventas. 

Es por eso que algunas de las grandes compañías de comercio electrónico han apostado por tener su propio equipo de prevención de fraudes, que se dedica a analizar los pedidos, detectar posibles alarmas y negar aquellos pagos que resulten sospechosos, una tarea que consume tiempo y recursos. 

“Aunque las intervenciones humanas son siempre importantes, tener mucho volumen de revisiones manuales puede repercutir en una mala experiencia de los consumidores, que a veces llegan a esperar hasta un día o más para que una transacción sea aprobada. La inteligencia artificial es la apuesta del comercio electrónico moderno”, explica Christian León, director regional de Signifyd. 

Las herramientas antifraude han registrado una evolución importante y es gracias a tecnologías disruptivas como la inteligencia artificial (IA) y el machine learning que hacen posible el análisis de big data para que la detección de fraudes en eCommerce pueda automatizarse y, por ende, los equipos de seguridad se dediquen a tareas más importantes o casos específicos. 

Entender el Big Data en eCommerce

Las soluciones más avanzadas de protección contra fraudes, como las de Signifyd, recolectan información clave de millones de usuarios sobre transacciones pasadas y hábitos de compra de un cliente potencial. 

Por ejemplo, es posible identificar si el comportamiento del titular cambia de manera dramática, desde qué ciudad está haciendo la transacción, si el lugar de entrega corresponde con los patrones de compra del usuario, si ha realizado pagos exitosos anteriormente, etc.

Su sistema de big data se alimenta con una red de miles de negocios en eCommerce que venden sus productos a 250 millones de usuarios en más de 100 países, lo que garantiza que se utilice el conocimiento previo de más del 97% de los compradores en línea para proteger a los retailers

Esta información, que permanece anónima y encriptada, es extremadamente relevante y útil en la prevención de fraudes, ya que con ella los comercios pueden evaluar con mayor velocidad si una transacción es segura o no. Emplear machine learning e inteligencia artificial como parte esencial de su plataforma, permite que Signifyd pueda tomar decisiones en cuestión de milisegundos.  

Inteligencia Artificial y Machine Learning 

Una vez recolectada la información, la IA se encarga de detectar factores que indiquen si una compra en eCommerce es potencialmente fraudulenta. Por ejemplo, si se trata de una tarjeta de crédito que se ha visto involucrada en numerosos contracargos en el pasado. 

Todos estos factores son procesados por algoritmos de machine learning, que aprenden modelos y patrones de los datos recolectados y utilizan la información para predecir transacciones a futuro y diferenciar entre una orden real y una fraudulenta en milisegundos y a gran escala.  

Esto es positivo no solo para prevenir fraudes, sino para aumentar la tasa de aceptación de pagos de los negocios. Mientras que a primera vista una compra podría parecer falsa, la tecnología puede indicar que el usuario es confiable y que el envío de sus productos a una nueva dirección no es motivo para rechazarlo.  

Según datos de PwC, en América Latina 49% de los clientes dijo estar dispuesto a abandonar una marca que aman después de una mala experiencia de usuario. 

“El objetivo en el uso de tecnologías inteligentes es impactar en los ingresos y ofrecer experiencias más satisfactorias para los clientes. Nuestra plataforma ofrece un aumento de ingresos promedio del 4% al 6%”, indica Christian León. 

¿Y qué pasa con el capital humano? 

La tecnología no pretende sustituir a los equipos de prevención de fraude ni a los expertos en el tema. Al contrario, son ellos mismos quienes al comprender el contexto de las transacciones y contar con experiencia e intuición al respecto, pueden guiar la tecnología y alimentar los modelos de machine learning para que estos sigan aprendiendo.  

Una vez que la tecnología incorpora información nueva y detecta patrones, la detección automática de fraudes en eCommerce es más precisa y consistente.  

El desempeño de la plataforma de Signifyd es altamente sólido y confiable por dos razones: está basada en un aprendizaje automático que se alimenta de la mejor red de comercios globales, pero también gracias a sus científicos de datos altamente calificados que están constantemente observando el comportamiento del modelo y haciendo adaptaciones de acuerdo con las diferentes regiones del mundo y las prácticas de fraude específicas.  

Además, el modelo puede entregar estimados exactos de probabilidad y niveles de confianza, disminuye el error humano y además se vuelve una solución escalable.  

Lo mejor es que los negocios pueden adecuar estas soluciones a los lineamientos de sus equipos antifraude y seleccionar en qué casos se necesita una revisión manual de una transacción y en qué otros se utiliza la tecnología. Esto permite que los equipos de fraude de los comercios pasen de un enfoque operacional a uno más estratégico.

Fuente: Forbes

Dejar respuesta

Please enter your comment!
Please enter your name here