Kunden von Amazon Fraud Detector

Bei AWS verwenden wir Amazon Fraud Detector, um unsere Kunden und unser eigenes Unternehmen zu schützen. Amazon Fraud Detector ist besonders nützlich, wenn wir neue Märkte oder Regionen erschließen, da die Anreicherung von Eingaben wie IP-Adresse und E-Mail-Adresse einen sofortigen Schub bietet, auch wenn wir keine zuverlässigen Verlaufsdaten haben. Durch die Verwendung des automatisierten Online-Fraud-Insights-Modells von Amazon Fraud Detector haben wir begonnen, 35 % mehr betrügerische Kontoanmeldungen in neuen Regionen zu erfassen. Darüber hinaus ermöglicht uns Amazon Fraud Detector, Modelle für neue Geschäftsbereiche innerhalb eines halben Tages zu trainieren – der Prozess dauerte zuvor mindestens eine Woche.

Vor 12 Monaten waren wir auf der Suche nach einer Betrugserkennungslösung, bei der wir keine großen Investitionen in unser eigenes Machine-Learning-Know-how tätigen mussten. Mit Amazon Fraud Detector konnten wir auf einfache Weise ein effektives und erschwingliches Machine-Learning-Modell erstellen und in unsere vorhandene Infrastruktur integrieren. Dabei haben wir von den transparenten, nutzungsbasierten Preisen profitiert.

Seit der Einführung von Amazon Fraud Detector ist unsere Abbruchrate auf unter 2 % gesunken (zuvor 5 %). Außerdem ist unsere Rückbuchungsrate die niedrigste seit der Gründung des Unternehmens. Das Unternehmen kann jetzt mehr Zahlungsvorgänge an der Kasse akzeptieren, die unsere früheren Modelle als riskant eingestuft und abgelehnt hätten. Das Beste dabei ist vielleicht, dass wir diese tollen Ergebnisse bei praktisch unveränderten Betriebskosten erzielen. All das führt zu einer größeren Zahl von Buchungen und mehr Umsatz sowie geringeren Verlusten durch Rückbuchungen.

Mit dem Amazon Fraud Detector haben wir betrügerische Transaktionen um 6 % reduziert. Gleichzeitig haben wir die Kassenabwicklung bei mehr als 90 % der Transaktionen, die zuvor für eine manuelle Überprüfung markiert worden wären, automatisiert. Mittlerweile überprüfen wir weniger als 1 % unserer Transaktionen manuell – vorher waren es 10 %.

Seit der Einführung dieses Service hat sich unsere Trustpilot-Bewertung deutlich verbessert. Wir wissen, dass dies ein Ergebnis der Automatisierung der Checkout-Erkennung sowie weiterer Optimierungen ist, die wir ständig an der Website vornehmen. Vertrauen hat für unsere Kunden einen hohen Stellenwert, daher ist das ein großer Gewinn für unser Geschäft.

Amazon Fraud Detector ist eine großartige Ergänzung unserer Funktionen zur Betrugserkennung und -minderung. Die Möglichkeit, benutzerdefinierte Regeln zu schreiben, die auf unsere einzigartige Situation zutreffen, ML-Modelle nach Bedarf zu trainieren und die nahtlose Integration mit anderen AWS-Services hat es uns ermöglicht, Entscheidungen schnell und intelligent zu treffen und gleichzeitig die vollständige Kontrolle über die Plattform zu behalten. AWS war während der Phase des Machbarkeitsnachweises sehr hilfreich und hat der Plattform im Einklang mit den Betrugstrends neue Funktionen hinzugefügt.

Der regelbasierte Betrugserkennungsansatz, den wir für unsere Webdesign-Plattform entwickelt haben, war erfolgreich darin, bösartige Akteure zu stoppen, aber da unser Unternehmen wächst, müssen wir uns kontinuierlich verbessern. Einige der Ansätze, die wir ausprobierten, verhinderten zwar Betrug, gingen aber zu Lasten der Kundenerfahrung. Wir begannen, auf Machine Learning (ML) basierende Ansätze zu untersuchen, die uns dabei helfen würden, eine Balance zwischen verbesserter Betrugsprävention und einem schmerzfreien Kundenerlebnis zu finden, das wir schnell in Betrieb nehmen konnten. Amazon Fraud Detector ist genau das, was wir brauchten: ein Cloud-basierter Betrugserkennungsdienst, mit dem wir einfach individuelle ML-Modelle erstellen und in unseren bestehenden Ansatz integrieren können. Wir stellten fest, dass der Prozess der Erstellung und Bereitstellung eines ML-basierten Betrugs-“Detektors“ einfach war und mit unseren vorhandenen Ressourcen bewältigt werden konnte. Mit dem Amazon Fraud Detector konnten wir die Genauigkeit weiter verbessern und einen zweistelligen Rückgang der falsch-negativen Ergebnisse verzeichnen, was es uns ermöglicht, mehr böse Akteure zu erwischen. Darüber hinaus haben wir unzählige Stunden an Aufwand gespart, die nötig gewesen wären, um einen ML-basierten Ansatz von Grund auf neu zu entwickeln und in unsere bestehende Lösung zu integrieren. Wir sehen viel Potenzial, unsere Nutzung von Amazon Fraud Detector zu erweitern, um uns dabei zu helfen, das sichere und problemlose Web-Design-Erlebnis zu bieten, das unsere Kunden erwarten.

GoDaddy hat sich zum Ziel gesetzt, betrügerische Konten zu verhindern, und wir verstärken kontinuierlich unsere Fähigkeiten, solche Konten bei der Anmeldung automatisch zu erkennen. Wir haben kürzlich damit begonnen, Amazon Fraud Detector zu verwenden, und wir freuen uns, dass er niedrige Implementierungskosten und einen Selfservice-Ansatz für den Aufbau eines ML-Lernmodells bietet, das auf unser Unternehmen zugeschnitten ist. Das Modell kann problemlos in unserem neuen Kontoprozess eingesetzt und verwendet werden, ohne das Anmeldeerlebnis für legitime Kunden zu beeinträchtigen. Das Modell, das wir mit Amazon Fraud Detector entwickelt haben, ist in der Lage, wahrscheinlich betrügerische Anmeldungen sofort zu erkennen. Daher sind wir mit den Ergebnissen sehr zufrieden und freuen uns darauf, noch mehr zu erreichen.

In den ersten beiden Quartalen des Jahres 2020 erlebten wir einen sprunghaften Anstieg der Konten, die für Phishing-Angriffe genutzt werden. Infolgedessen mussten wir unsere bestehende, selbstentwickelte Lösung durch stärkere Transaktionsdaten und Signale ergänzen, um böswillige Akteure früher zu erkennen. Eine skalierbare Lösung auf der Grundlage des vorausschauenden Machine Learning war für uns als wachsendes Unternehmen wichtig. Amazon Fraud Detector machte es uns leicht, mit unseren eigenen Daten ein Modell zu erstellen, das Kontoanmeldungen, die zu Phishing-Angriffen führen, genau identifiziert. Noch wichtiger ist, dass wir diese Ergebnisse mit einer sehr niedrigen False-Positive-Rate erzielen konnten, was für unser Betriebspersonal keinen zusätzlichen Arbeitsaufwand bedeutet. Amazon Fraud Detector verfügt über ein wettbewerbsfähiges Preismodell, und wir können das Modell problemlos in unseren bestehenden Workflow integrieren.

Mit Amazon Fraud Detector konnten wir unsere Abläufe drastisch verbessern, unsere Flexibilität bei Reaktionen auf böswillige Akteure erhöhen und eine bessere Kontrolle über Systeme und Prozesse erlangen. Zunächst untersuchten wir eine intern und eine extern erstellte Lösung. Als Amazon Fraud Detector angekündigt wurde, haben wir sofort den Kurs geändert. Wir sind seit vielen Jahren Kunde von AWS und haben großes Vertrauen in die Produkte von Amazon. Mit Amazon Fraud Detector sind wir nicht mehr an die herkömmlichen Beschränkungen von On-Premise- oder SaaS-Angeboten gebunden. Stattdessen haben wir die Flexibilität, einen auf Machine Learning basierenden Service an unsere Bedürfnisse anzupassen, und die Möglichkeit, die Nur-Regeln-Option von AWS zu nutzen, während wir bei Bedarf leicht auf volle ML-Fähigkeiten skalieren können. Dies sparte Truevo 3–6 Monate an Entwicklungszeit! Tatsächlich haben wir unser erstes Prototypmodell innerhalb von 30 Minuten bereitgestellt.

Insgesamt arbeiten wir mit größerem Vertrauen in unsere Fähigkeit, Betrug in Echtzeit aufzudecken. Wir sind besser in der Lage, Regelerkennungen bereitzustellen, wenn wir merkwürdige Aktivitäten bemerken, die wir vielleicht nicht ganz verstehen, die wir aber stoppen müssen. Wir sind in der Lage, auf die sich ständig ändernden regulatorischen und gesetzlichen Anforderungen zu reagieren und uns an diese anzupassen, sodass wir immer auf dem neuesten Stand bleiben können.

Bei Clearly suchen wir ständig nach Möglichkeiten, unseren beispiellosen Kundenservice zu verbessern und gleichzeitig unser Geschäft besser zu schützen. Unsere frühere Lösung zur Betrugserkennung bestand darin, reaktiv Regeln auf der Grundlage früherer Betrugsversuche fest zu kodieren und alle verdächtigen Transaktionen manuell zu untersuchen. Dies führte dazu, dass uns eine große Anzahl von Betrugsfällen entging, sich die Bestellungen unserer Kunden aufgrund manueller Überprüfungen verzögerten und unsere Abwicklungskosten in die Höhe getrieben wurden. Wir zögerten zunächst, eine ML-Lösung in Betracht zu ziehen, da wir schnell handeln mussten und kein festes ML-Team hatten, aber mit Amazon Fraud Detector konnten wir in nur wenigen Wochen eine genaue und zuverlässige Lösung zur Betrugsprävention bereitstellen. Jetzt erkennen wir mehr Betrugsfälle und schicken weniger Bestellungen zur manuellen Überprüfung, wodurch wir pro Woche Tausende von Dollar sparen.

Nach der Implementierung dieser Betrugserkennungslösung stellte das ICONY-Supportteam fest, dass es für die Bearbeitung von gefälschten Konten und Spam-Konten 77 % weniger Zeit aufwenden musste. Dadurch konnte sich das Team um individuelle Benutzerkontrollen kümmern, was die Qualität der Plattform sofort verbesserte und zu einem Rückgang der Betrugsmeldungen aus der Community um 63 % führte. Darüber hinaus ist die Zahl der registrierten Benutzer, die auf die Plattform zurückkehren, um 4,13 % gestiegen. Durch weniger Belästigung durch gefälschte Konten und Betrüger fühlen sich die Nutzer auf der Plattform wohler und nutzen sie gerne.

Durch die Implementierung von Amazon Fraud Detector in das WuzzTrack-System verfügt Wuzzon nun über eine viel robustere und zuverlässigere Betrugserkennungslösung, mit der auch neuere Betrugstechniken erkannt werden können. Die Implementierung war schnell und einfach und die Ergebnisse waren sogar besser als ursprünglich erhofft. In einigen Extremfällen gab es einen Rückgang der falsch positiven Ergebnisse um bis zu 43 % (im Vergleich zu den vorherigen regelbasierten Lösungen), während in anderen Quellen die tatsächliche Positivrate um 11 bis 14 % zunahm.

Seit wir Amazon Fraud Detector im Produktionsbetrieb nutzen, sind unsere Ergebnisse großartig. Ungefähr 94 % unserer Anträge werden in der Regel als risikoarm eingestuft, und für diese Anträge hat sich die Bearbeitungszeit bereits von 48 Stunden im Februar mit unserem herkömmlichen manuellen Verfahren auf weniger als 6 Stunden Ende August reduziert. Dies hat zu einem verbesserten Kundenerlebnis geführt. Seit dem Start der Produktion haben wir zwischen Februar 2022 und August 2022 auch einen Anstieg der Ergebnisse unserer Net Promoter Survey (NPS) um 36 % verzeichnet. Wir führen dies auf die schnelleren Auszahlungen zurück, die auf die sichere Automatisierung der Genehmigungen für Anträge mit geringem Risiko zurückzuführen sind. Für die 6 % der Anträge, die als hochriskant eingestuft wurden, verfügen wir jetzt über mehr Kapazitäten, um diese besser als zuvor zu hinterfragen. Dadurch sind wir in der Lage, Verdachtsfälle gründlich zu untersuchen und mehr Schadensfälle mit tatsächlichem Betrug zu verhindern. Insgesamt haben die bestätigten Betrugsfälle, die wir vor der Auszahlung einer Forderung identifizieren konnten, um über 100 % zugenommen, wodurch das Risiko für das Unternehmen erheblich reduziert wurde.