هذا العام ، ولأول مرة في التاريخ ، ستشكل التجارة الإلكترونية العالمية أكثر من خمس جميع مبيعات التجزئة. لكن عام 2023 سيجلب أيضا معلما آخر أقل ميمونة: سيكلف الاحتيال في رد المبالغ المدفوعة التجار ما يقدر بنحو 125 مليار دولار أمريكي على مستوى العالم – وهو مبلغ ضخم سيأكل هوامش البائعين الرقميين الضئيلة للغاية.
تعد عمليات رد المبالغ المدفوعة غير المشروعة – المعروفة أيضا باسم الاحتيال الودي – مشكلة هائلة للتجار ، حيث يدعي نصف البائعين أن نزاعات الدفع غير النزيهة هي أكبر استنزاف مالي لهم. بالنسبة للشركات الصغيرة والمتوسطة الحجم ، يمكن أن يؤدي الاحتيال الودي إلى خفض إجمالي الإيرادات بنسبة تصل إلى 1.5٪ ، مما قد يحدث فرقا بين الانهيار واستمرار الجدوى التجارية.
تاريخيا، كانت جميع عمليات الكشف عن الاحتيال في الدفع تقريبا بأثر رجعي، وتحدث بعد حدوث هجوم مشتبه به – لكن التغلب على الاحتيال، بما في ذلك عمليات رد المبالغ المدفوعة، في عصر التجارة الإلكترونية في كل مكان يتطلب نهجا أكثر ذكاء. للبقاء في صدارة المحتالين ، تحتاج العلامات التجارية إلى استخدام أدوات جديدة ومحسنة تقنيا لمكافحة الاحتيال في كل مرحلة من مراحل رحلة الدفع.
فيما يلي استراتيجيات للتجار المهتمين بالأمان لحماية أموالهم طوال عملية المعاملات الرقمية بأكملها.
اتباع نهج قائم على البيانات
يركز منع الاحتيال التقليدي على تحديد الهجمات السابقة لأنه لم تكن هناك بيانات كافية متاحة لاتخاذ نهج أكثر استباقية ووقائية. اليوم ، على الرغم من أن هذا يتغير.
بحكم طبيعتها ، تولد معاملات التجارة الإلكترونية كميات هائلة من البيانات في كل خطوة من رحلة المعاملة. تتيح حلول التعلم الآلي (ML) الجديدة والتحليلات المتقدمة جمع تلك البيانات وتحليلها في الوقت الفعلي ، وتحديد الأنماط التي تخون النشاط المشبوه لإعطاء تحذير مبكر من الاحتيال المحتمل.
ومع ذلك ، من المهم أن تتذكر أن أدوات ML تعمل عن طريق اكتشاف الأنماط. هذا يعني أنهم يصبحون أكثر ذكاء بمرور الوقت – ولكن هذا يعني أيضا أنهم ليسوا دائما بارعين في إدارة المواقف الجديدة.
لا تضع ثقتك الكاملة في خوارزمية “الصندوق الأسود”. تأكد من فهمك لما يجري تحت الغطاء ووجود خبراء بشريين في متناول اليد للمساعدة في إدارة المواقف غير المتوقعة مثل التحولات المفاجئة (ولكن غير الاحتيالية) في أنماط الطلب أو سلوك المستهلك.
العثور على أدلة في عمليات الشراء ذات الصلة
أحد المجالات التي يمكن أن تكون فيها أدوات ML قوية بشكل خاص هو اكتشاف أنماط الشراء التي تشير إلى سلوك احتيالي في المستقبل القريب ، كما شاركه زميلي Dor Bank على Medium.
لنفترض أن أحد العملاء يشتري نفس العناصر في نفس الوقت أو تقريبا كل شهر. في هذه الحالة ، من غير المرجح أن تنتج عملية شراء تتفق مع سلوكهم السابق عن بطاقة ائتمان مسروقة – وبالتالي ، من المحتمل جدا أن يكون رد المبالغ المدفوعة على عملية الشراء هذه مثالا على الاحتيال الودي.
وعلى نفس المنوال ، إذا تغير النشاط النموذجي للمستهلك فجأة – على سبيل المثال ، إذا بدلا من شراء منتج واحد في الشهر ، فإنه يشتري فجأة عشرين منتجا عالي القيمة في تتابع سريع – فهناك فرصة جيدة لحدوث هجوم بعدم وجود بطاقة أو شكل آخر من أشكال الاحتيال في الدفع.
يمكن أن تستخدم هذه الأساليب التحليل الرجعي لوضع علامة على المعاملات السابقة التي تبدو احتيالية بناء على السلوك اللاحق واستخدام المعاملات السابقة لوضع علامة على عمليات الشراء اللاحقة لإجراء مراجعة إضافية بشكل استباقي.
انتبه إلى القرائن السياقية
يمكن أن يؤدي دمج القرائن السياقية ، مثل تفاعلات ما بعد البيع بين التجار والمستهلكين ، إلى إثراء تحليلات اكتشاف الاحتيال.
قد تشير رسالة إلى دعم العملاء من المتسوق الذي يقول إنه لا يتعرف على الطلب إلى حدوث احتيال تقليدي. من ناحية أخرى ، فإن طلب إلغاء الشراء من العميل الذي يستمر بعد ذلك في تقديم مطالبة برد المبالغ المدفوعة لا يترك مجالا للشك في أن الاحتيال الودي يجري على قدم وساق.
يمكن أن تكون تفاعلات دعم العملاء الأقل وضوحا ، مثل طلب تغيير تفاصيل التسليم ، عامل خطر لأن المحتالين يطلبون أحيانا عناصر باستخدام عناوين مشروعة للتغلب على أنظمة التحقق من الشحن ، ثم يحولون الطرود في الطريق.
في بعض الأحيان هناك حاجة أيضا إلى درجة من الفطرة السليمة. إذا كان الطلب يتضمن شحن نظام باب مرآب ضخم ومكلف إلى شقة استوديو شاهقة ، على سبيل المثال ، فمن المحتمل أن يحدث شيء غريب.
إعطاء الأولوية لتجربة العملاء
في وقت مبكر من رحلة المستهلك ، من الممكن جمع بيانات قيمة تتعلق بعوامل مثل مقدار الوقت الذي يقضيه المستهلكون في صفحات المنتجات المختلفة أو المدة التي يستغرقونها لإدخال التفاصيل الشخصية وإكمال عمليات التحقق من الهوية.
لكن كن حذرا. من الضروري اتخاذ مثل هذه التدابير خالية من المتاعب قدر الإمكان لتجنب تدهور تجربة العميل. وتتطلب هذه المنهجية نهجا تحليليا متطورا لمنع كل من السلبيات الكاذبة، التي تسمح للمحتالين بالتسلل من خلال الشقوق، والإيجابيات الكاذبة، التي ترفض المعاملات المشروعة على نحو غير سليم.
في التجارة الرقمية ، من السهل على العملاء النقر بعيدا إلى موقع الويب الخاص بالمنافس ، لذلك من الضروري إيجاد حلول تجمع بين مستوى عال من الحماية من الاحتيال وعملية مبيعات سلسة ويمكنها تحديد الاحتيال بشكل موثوق دون زيادة الاحتكاك للعملاء الشرعيين.
كن استباقيا عبر رحلة الدفع
في جميع هذه المجالات ، يحتاج التجار إلى إيجاد طرق لربط النقاط بين عمليات منع الاحتيال وعمليات التخفيف من رد المبالغ المدفوعة وتجربة المستهلك.
لم يعد كافيا التركيز على مجال واحد من رحلة العميل أو مرحلة واحدة في عملية المعاملة. يحتاج التجار إلى حل ذكي ومتكامل للحد من الاحتيال دون إعاقة المتسوقين الشرعيين.
يعد إنشاء نظام فعال للتخفيف من الاحتيال في الدفع أحد أكبر التحديات التي يواجهها تجار التجارة الإلكترونية. إن المخاطر كبيرة. إذا أخطأت في هذا الأمر ، فإنها تخاطر بتآكل الأرباح ، وانخفاض رضا العملاء ، وارتفاع تكاليف التشغيل ، واحتمال فرض عقوبات من شبكات بطاقات الدفع الكبيرة.
لحسن الحظ ، فإن التقنيات الجديدة – بما في ذلك حلول ML والتحليلات الآلية المصممة جيدا – تجعل من الممكن الآن للبائعين عبر الإنترنت نقل المعركة إلى المحتالين والتغلب بشكل أكثر فعالية على كل من الاحتيال التقليدي والودي.
الهدف هو اعتماد نهج شامل وأن نكون استباقيين في تحديد الاحتيال وهزيمته في جميع مراحل رحلة المبيعات من خلال منعه قبل حدوثه. تتضمن هذه الاستراتيجية تحييد الهجمات الجديدة في الوقت الفعلي وتنفيذ أنظمة فعالة وفعالة لمواجهة الاحتيال في رد المبالغ المدفوعة بعد البيع.