旅游企业如何利用人工智能开拓支付反欺诈新思路?
关注微信
订阅号

订阅号

小程序

小程序

订阅邮件
新闻 > 评论 > 正文

旅游企业如何利用人工智能开拓支付反欺诈新思路?

来源:环球旅讯 Ritesh Gupta 2018-08-15 08:01:36 English

过时的反欺诈技术会引起高误判率,旅游商户需要淘汰该类技术,转而采用实时机器学习。

【环球旅讯】随着层出不穷的新型支付欺诈行为,现有的反欺诈策略已不足以涵盖全部,旅游企业需要对此予以高度关注,并积极应对。

基于人工预设规则的反欺诈系统存在明显的局限性,可能会拒绝部分真实交易。航司、酒店或OTA若采用此类解决方案可能会将真实有效的支付请求认定为涉嫌欺诈的活动进而拒绝交易。而导致这种误判的原因在于传统方式采用了简单一刀切的判断标准,比如不接受来自某个特定地区的所有支付请求。

在参加近期于上海举办的环球旅讯中国航空营销峰会时,银捷尼科集团电子支付业务大中华区业务拓展总监张丽表示,“过时的反欺诈技术阻拦了超过20%已提交订单的支付请求。”


银捷尼科集团电子支付业务大中华区业务拓展总监张丽

谈到反欺诈工具给旅游企业的数字化平台带来的负面体验,张丽称,“旅游商户应该明确预设规则模式所面临的缺陷和局限性,且通常支付风控人员会将维持较低的总体欺诈率作为其主要考核指标。另一方面,越来越多的航司及旅游商户在预防欺诈风险的同时也在关注用户体验,因为支付的不良体验将直接导致其放弃购物车或停止购买。”

拥抱机器学习和人工智能

支付欺诈、账户盗用和数据泄露等问题需要获得足够的重视,骗子们和黑客们正不断采取新的手段攻击现有的反欺诈安全机制。

银捷尼科集团(Ingenico)表示,现有的预设规则模式及人工审核虽然可以准确判定欺诈行为,但面临着规模化的挑战,需要谨慎使用。张丽表示,基于机器学习和人工智能的新反欺诈模式则具有更强的延展性。

张丽说,机器学习能消除冗余的预设规则,保证旅客的正常交易付款不会被误判阻拦。

与预设规则的方式相比,机器学习的效率更高。后者通过减少对硬性规则的依赖,筛选出欺诈行为,使真实交易付款能获得通过。机器学习收集的信息越多,系统就越智能,误判损失也就越低。

尽管机器学习能够帮助预防支付诈骗的多种模式,旅游商户仍需考虑以下的问题:

•   基于人工智能的反欺诈工具一般需要采集客户过往半年左右的交易数据进行风险评估,因此,对于不能提供既往数据的新客户在上线初期需采用传统预设规则和人工智能并行的风控方式。同时,在某些特定情况,人的作用依然不应该被忽视,尤其是在极端情境下。由此,应考虑利用多种技术来应对支付相关的欺诈。

•   融合多种算法的机器学习技术有利于优化机器学习在支付欺诈管理范畴内的应用。商户如果只关注预测分析,即系统单单依靠历史数据,将很难识别黑客或骗子们所采用的新招数,从而区分真实和虚假交易。

银捷尼科一直在与支付安全公司Fraugster合作,旨在提高支付成功率并协助处理支付退款问题。

张丽表示,基本人工智能的Fraugster反欺诈判断引擎并不依赖于预先设定的模型,而是独立评估每笔交易。反欺诈系统的数据库也会根据新处理的订单不断更新,进而对提高对支付欺诈的正确识别。

Fraugster的核心优势之一在于能够检测旅游企业线上平台访客的异常行为。

Fraugster系统能够识别一些看似可疑的真实交易并予以通过。试想一名在英国度假的中国游客想用国内信用卡通过一家法国商户购买机票或包包,此时IP地址、发卡行和卖家在三个不同国家,Fraugster依然会进行正确判别并批准支付。而传统的反欺诈工具则会因为预设规则拒绝该笔交易。此外,Fraugster解决方案算法还会分享被拒交易的评估,帮助航空公司、酒店等酒旅行业商户的风控负责人了解背后的原因。例如,当交易中用户使用可疑的邮件ID,系统如何引起注意并推断买家的骗子身份的呢?

总的来说,航司或OTA网站的实时交易数据是Fraugster系统的重要信息来源之一,该系统会对每笔交易进行加工学习,识别欺诈模式。Fraugster表示,为了解读买家行为,该技术在每笔支付交易中都增加了2500多个额外数据点,并能以毫秒速度处理它们,藉此对支付情况进行实时决策。

银捷尼科 人工智能 Ingenico
0

© 以商业目的使用环球旅讯拥有版权的内容,请遵循环球旅讯 版权声明 获得授权。非商业目的使用,请遵循 CC BY-NC 4.0

×

打赏打赏打赏!!!

您还可能感兴趣的文章:

©2006-2019 环球旅讯版权所有| 粤ICP备 06070077|增值电信业务经营许可证:粤 B2-20110389|版权声明