Wie Sie das volle Potential Ihrer Risikomanagement-Lösung ausschöpfen

Zusammenfassung:

Kommerzielle Risikomanagementlösungen haben aufgrund ihres Geschäftsmodells integrierte Limitationen wie diese eingestellt sind

Um das Beste aus Ihrer Risikomanagementlösung herauszubekommen haben wir einen Analytics Framework erarbeitet, der betrügerisches Verhalten erkennt und Empfehlungen für die Konfiguration Ihres Risikomanagementsystems generiert

Dieser Ansatz reduziert die Zeit, um Ihr Risikomanagementsystem zu konfigurieren von mehreren Monaten zu wenigen Wochen und hilft Ihnen den Betrug um bis zu 90% zu reduzieren während die Conversion steigt

Onlinehändler und Banken kämpfen heute gegen eine andere Art von Betrug als noch vor einigen Jahren. Die Mittel diesen zu bekämpfen sind jedoch fast gleich geblieben.

Waren früher hauptsächlich suchtkranke Käufer und Kleinkriminelle der Hauptgrund für Onlinebetrug, so haben es Onlinehändler heute mit organisierter Kriminalität zu tun, die mit neuesten Bot-Technologien und Zugang zu einer Unzahl gestohlener Zahlungsdaten ausgestattet sind.

Warum Ihre Risikolösung ihren Job nicht optimal erfüllt

Um dieses Problem zu adressieren ist ganzer Markt für Anti-Betrugssoftware gediehen. Alle diese Anbieter haben gemeinsam, dass sie Zahlungstransaktionen innerhalb des Bruchteils einer Sekunde evaluieren und eine Risikowahrscheinlichkeit berechnen. Das Ergebnis dieser Kalkulation führt zur Akzeptanz oder Ablehnung der Transaktion – oder zur manuellen Überprüfung eines Risikoagenten.

Dieser Ansatz führt, aufgrund der inhärenten Schwachstellen der Risikomanagementsoftware, zu einer Vielzahl von falschen Ablehnungen und hohen Aufwänden der manuellen Überprüfungen. Aber warum?

• Geschäftsmodell von kommerziellen Risikomanagementlösungen
  Aufgrund falscher Anreize sind Anti-Betrugs / Risikomanagementlösungen zu strikt konfiguriert. Sie fokussieren sich darauf, „die bösen Jungs aufzuhalten“, anstatt „die guten Kunden durchzulassen“. Das führt zur Ablehnung der falschen Kunden.
• Methode zur Konfigurierung und Ausführung der Risikomanagementlösung
  Kommerzielle Lösungen bieten nur eine vordefinierte Menge an Regeln an, was die Mustererkennung limitiert – und überlassen die Konfiguration, auch aufgrund limitierter Personalressourcen auf Anbieterseite, komplett den Onlinehändlern. Dadurch können die Anbieter den individuellen Bedürfnissen der Onlinehändler nicht nachkommen, was zu schlechten Konfigurationen führt.
• Technologische Softwaregrundlage
  Abhängig vom Softwareanbieter existieren nur limitierte Möglichkeiten die Lösung zu erweitern. In vielen Fällen können notwendige Daten wie Produktdaten überhaupt nicht miteinbezogen werden.

Analytics Framework zur Verbesserung Ihrer Risikomanagementeinstellungen

Unser Ansatz ist anders: Anstatt uns nur darauf zu fokussieren Betrug zu verhindern (und damit zu viele gute Kunden abzulehnen), streben wir auch danach die Autorisierungsrate zu erhöhen und den Aufwand der manuellen Überprüfung zu reduzieren.

Dafür haben wir einen Analytics Framework erarbeitet, der uns dabei hilft Betrugsmuster innerhalb weniger Sekunden zu analysieren und gleichzeitig Empfehlungen für ein besseres Risikomanagementsetup der Onlinehändler generiert.

Für dieses Framework haben wir die bestehende Anzahl an Daten, die die Risikomanagementlösung von Onlinehändlern nutzt, unter anderem um Produktinformationen, CRM Daten oder Drittanbieterlösungen wie Open Streetmap erweitert. Das erlaubt es uns zur Erkennung von Betrugsmustern eine Vielzahl automatisierter Analysen zu fahren. Darüber hinaus nutzen wir eigens entwickelte Algorithmen, um Empfehlungen für die Konfiguration der Systeme von Onlinehändlern zu generieren. Dabei spielt es keine Rolle, ob die Risikomanagementlösung auf einer einfachen Score Card basiert oder einen Machine Learning Ansatz benutzt.

Das hilft unseren Kunden dabei:

• Individuelle Einstellungen mit einer besseren Performance einzurichten, anstatt auf Standardeinstellungen des Lösungsanbieters zu vertrauen
• Betrugsmuster zu erkennen, die andernfalls unentdeckt blieben
• Weitere Erkenntnisse wie Bezahlmethodenoptimierung zu generieren oder Probleme in der technischen Integration mit dem Payment Service Provider, Zahlungsabwicklern oder einzelnen Banken zu erkennen

Finden Sie heraus wie unser Analytics Framework Ihnen dabei hilft die Risikomanagementeinstellungen zu verbessern

Anlyx schützt seit 2013 sowohl führende Marken als auch kleine Onlinehändler vor Betrug. Wir haben unseren Analytics Framework weltweit angewandt und dabei sowohl betrügerische Aktivitäten um bis zu 90% reduziert als auch die Checkout Conversion um mehr als 25% erhöht.

Wenn Sie mehr darüber wissen wollen wie wir unsere Methoden anwenden, lesen Sie den Use Case „[adidas]“. Oder sehen Sie sich die Optionen unseres Managed Risk Services [hier] an.