Clienti Amazon Fraud Detector

In AWS, utilizziamo Amazon Fraud Detector per proteggere i nostri clienti e la nostra attività. Amazon Fraud Detector è particolarmente utile quando entriamo in nuovi mercati o aree geografiche, poiché l'arricchimento di input come indirizzo IP e indirizzo e-mail fornisce una spinta immediata anche quando non disponiamo di dati storici affidabili. Utilizzando il modello automatizzato Online Fraud Insights di Amazon Fraud Detector, abbiamo iniziato a registrare il 35% in più di registrazioni fraudolente di account in nuove aree geografiche. Inoltre, Amazon Fraud Detector consente di addestrare modelli per nuove parti della nostra attività in mezza giornata, operazione che in precedenza richiedeva almeno una settimana.

Un anno fa eravamo alla ricerca di una soluzione di rilevamento frodi che non richiedesse forti investimenti nello sviluppo di un'esperienza di machine learning interna. Grazie al sistema trasparente di prezzi basati sul consumo, Amazon Fraud Detector ci ha aiutato a creare un nuovo modello di machine learning efficace ed economico e a incorporarlo con facilità nel nostro sistema aziendale.

Da quando abbiamo adottato Amazon Fraud Detector, il nostro tasso di interruzione della procedura di acquisto è sceso sotto il 2% (contro il precedente 5%). Inoltre, il tasso di storno degli addebiti ha raggiunto il valore minimo da quando è nata l'azienda. Ora l'azienda è in grado di elaborare e accettare un numero maggiore di quei checkout che in passato i nostri modelli avrebbero contrassegnato come "a rischio" e respinto. Tuttavia, la conquista maggiore forse è che stiamo ottenendo questi risultati fantastici con costi operativi pressappoco analoghi a quelli passati. Le conseguenze di tutto ciò sono l'aumento tanto delle prenotazioni quanto degli introiti, così come la riduzione delle perdite dovute agli storni di addebito.

Con Amazon Fraud Detector abbiamo ridotto le transazioni fraudolente del 6%. Allo stesso tempo, siamo riusciti ad automatizzare il completamento del checkout in oltre il 90% delle transazioni che in precedenza sarebbero state contrassegnate per la revisione manuale. Ora riesaminiamo manualmente meno dell'1% delle transazioni, rispetto al precedente 10%.

Da quando abbiamo implementato il servizio, abbiamo assistito a un miglioramento significativo nel nostro punteggio Trustpilot e sappiamo che è un risultato dell'automazione del rilevamento dei checkout, nonché di altre migliorie che apportiamo costantemente al sito Web. La fiducia è un elemento di valore fondamentale per i clienti, perciò è una grande vittoria per il nostro business.

Amazon Fraud Detector ha notevolmente incrementato e migliorato la nostra capacità di rilevare e mitigare le frodi. La possibilità di scrivere regole personalizzate da applicare alla nostra specifica situazione, l'addestramento di modelli di ML on demand e la perfetta integrazione con altri servizi AWS ci hanno permesso di prendere decisioni in modo rapido e intelligente, mantenendo il controllo completo della piattaforma. AWS è stato molto utile per testare la fase di proof of concept e ha aggiunto alla piattaforme nuove funzionalità in linea con le ultime tendenze relative alle frodi.

L'approccio di rilevamento delle frodi basato su regole che abbiamo sviluppato per la nostra piattaforma di Web design è riuscito a fermare i cattivi attori, ma con la crescita della nostra attività riconosciamo la necessità di migliorare continuamente. Alcuni degli approcci che abbiamo provato prevenivano le frodi, ma avevano un costo troppo elevato per l’esperienza dei nostri clienti. Abbiamo iniziato a studiare approcci basati sul machine learning (ML) che ci avrebbero aiutato a bilanciare il miglioramento della prevenzione delle frodi con il mantenimento di un'esperienza del cliente indolore che avremmo potuto ottenere rapidamente. Amazon Fraud Detector è esattamente ciò di cui avevamo bisogno: un servizio di rilevamento delle frodi basato su cloud che ci consentisse di creare facilmente modelli di ML personalizzati e di integrarli con il nostro approccio esistente. Abbiamo riscontrato che il processo di creazione e implementazione di un "rilevatore" di frodi basato sul ML era semplice e poteva essere realizzato con le nostre risorse esistenti. Con Amazon Fraud Detector siamo riusciti a migliorare ulteriormente la precisione e abbiamo visto un calo a doppia cifra dei falsi negativi, permettendoci di rilevare più malintenzionati. Inoltre, abbiamo risparmiato innumerevoli ore di lavoro che sarebbero state necessarie per creare da zero un approccio basato sul ML e integrarlo con la nostra soluzione esistente. Vediamo un gran potenziale per espandere il nostro uso di Amazon Fraud Detector in modo da fornire l'esperienza di Web design sicura e indolore che i nostri clienti si aspettano.

GoDaddy si impegna a prevenire la creazione di account fraudolenti e potenziamo continuamente le nostre funzionalità per rilevare automaticamente tali account durante la registrazione. Di recente, abbiamo iniziato a utilizzare Amazon Fraud Detector e siamo contenti che offra un'implementazione a basso costo e un approccio self-service alla creazione di un modello di machine learning personalizzato per la nostra azienda. Il modello può essere distribuito e utilizzato facilmente nel nostro nuovo processo di creazione account senza influire sull'esperienza di registrazione dei clienti sicuri. Il modello che abbiamo creato con Amazon Fraud Detector è in grado di rilevare immediatamente probabili registrazioni fraudolente, perciò siamo molto contenti dei risultati e non vediamo l'ora di fare ancora meglio.

Nel primo e nel secondo trimestre del 2020 abbiamo rilevato un picco nell'utilizzo degli account per attacchi di phishing. Di conseguenza, per identificare più rapidamente i malintenzionati avevamo bisogno di integrare la nostra soluzione esistente sviluppata internamente con dati e segnali più solidi relativi alle transazioni. Poiché noi stessi siamo un'azienda in fase di crescita, era importante disporre di una soluzione scalabile basata sul machine learning. Amazon Fraud Detector ha semplificato la creazione di un modello che utilizza i nostri dati e che identifica con precisione le registrazioni di account che provocano attacchi di phishing. Inoltre, aspetto ancora più importante, siamo stati in grado di ottenere tali risultati con una bassissima percentuale di falsi positivi, eliminando così il lavoro aggiuntivo del personale operativo. Amazon Fraud Detector offre un piano tariffario competitivo che ci permette di integrare facilmente il modello nel nostro flusso di lavoro esistente.

Amazon Fraud Detector ci ha permesso di migliorare drasticamente le operazioni, reagire in modo più flessibile ai malintenzionati e avere maggiore controllo su sistemi e processi. All'inizio avevamo pensato di adottare una soluzione interna e di terze parti. Quando è stato annunciato Amazon Fraud Detector, abbiamo immediatamente cambiato idea. Siamo clienti AWS da molti anni e riponiamo grande fiducia nei prodotti Amazon. Con Amazon Fraud Detector, non siamo più legati ai convenzionali limiti delle offerte in locale o SaaS. Al contrario, abbiamo la flessibilità per adattare un servizio basato sul machine learning alle nostre esigenze e la capacità di utilizzare l'opzione solo regole di AWS e al tempo stesso scalare passando alle funzionalità di machine learning complete quando necessario. Ciò ha permesso a Truevo di risparmiare dai 3 ai 6 mesi di sviluppo! Abbiamo infatti distribuito il nostro primo modello prototipo in 30 minuti.

Nel complesso, stiamo operando con maggiore sicurezza nella nostra capacità di rilevare le frodi in tempo reale. Abbiamo strumenti migliori per distribuire rilevamenti di regole quando notiamo attività sospette che potremmo non comprendere a pieno, ma che è necessario interrompere. Siamo in grado di soddisfare e adattarci a requisiti normativi e di schema in continua evoluzione e restare perciò sempre competitivi.

In Clearly siamo costantemente alla ricerca di modi per migliorare il nostro impareggiabile servizio clienti, proteggendo al contempo meglio la nostra attività. La nostra precedente soluzione di rilevamento delle frodi prevedeva regole hard-coding reattive basate su tentativi di frode passati e l'analisi manuale di tutte le transazioni sospette. Questo ci ha fatto perdere una grande quantità di frodi, ritardare gli ordini dei clienti a causa delle revisioni manuali e aumentare i costi di evasione degli ordini. Eravamo riluttanti a esplorare una soluzione ML poiché dovevamo agire rapidamente e non avevamo un team di ML di ruolo, ma con Amazon Fraud Detector siamo stati in grado di implementare una soluzione di prevenzione delle frodi accurata e affidabile in poche settimane. Ora intercettiamo più frodi e inviamo meno ordini alla revisione manuale, risparmiando migliaia di dollari a settimana.

Dopo aver implementato questa soluzione di rilevamento delle frodi, il team di supporto di ICONY ha visto diminuire del 77% il tempo dedicato alla gestione di account falsi e spam. Ciò ha consentito al team di occuparsi dei controlli individuali degli utenti, il che ha immediatamente migliorato la qualità della piattaforma e causato un calo delle segnalazioni di frode da parte della community del 63%. Inoltre, il numero di utenti registrati che tornano sulla piattaforma è aumentato del 4,13%. Con meno molestie da parte di account falsi e truffatori, gli utenti si sentono più a loro agio sulla piattaforma e si divertono a usarla.

Implementando Amazon Fraud Detector nel sistema WuzzTrack, Wuzzon dispone ora di una soluzione di rilevamento delle frodi molto più robusta e affidabile, in grado di rilevare anche tecniche antifrode più innovative. L'implementazione è stata semplice e veloce e i risultati sono stati persino migliori di quanto inizialmente sperato. In alcuni casi estremi si è verificata una diminuzione dei falsi positivi fino al 43% (rispetto alle precedenti soluzioni basate su regole), mentre per altre fonti, il tasso di veri positivi è aumentato dell'11-14%.

Da quando abbiamo lanciato Amazon Fraud Detector in produzione, i nostri risultati sono stati ottimi. Circa il 94% dei nostri reclami sono generalmente classificati come a basso rischio e per questi reclami, i tempi di consegna si sono già ridotti dalle 48 ore di febbraio con il nostro tradizionale processo manuale a meno di 6 ore entro la fine di agosto. Ciò ha portato a una migliore esperienza del cliente. Abbiamo inoltre registrato un aumento del 36% dei punteggi del nostro Net Promoter Survey (NPS) tra febbraio 2022 e agosto 2022 da quando abbiamo iniziato la produzione. Lo attribuiamo ai pagamenti più rapidi grazie all'automazione sicura delle approvazioni per le richieste di risarcimento a basso rischio. Per quel 6% dei reclami classificati come ad alto rischio, ora abbiamo più capacità di interrogarli meglio di prima. Di conseguenza, siamo in grado di indagare a fondo sui casi sospetti e bloccare altri reclami con frodi effettive. Nel complesso, i casi di frode confermati che siamo stati in grado di identificare prima di risarcire una richiesta di reclamo sono aumentati di oltre il 100%, il che ha ridotto notevolmente l'esposizione dell'azienda al rischio.