Fraud Detection Pro unterstützt komplexe, globale Unternehmen mit der fortschrittlichsten Suite an Tools, bei der Bekämpfung neuer und bestehender betrügerischer Angriffe, ohne die Zahlungsleistung zu beeinträchtigen.
Betrug im Online-Zahlungsverkehr nimmt rasant zu. Allein im Jahr 2021 stiegen betrügerische Angriffe um 285 %, da Betrüger das wachsende Volumen im Online-Handels und Schwachstellen in der Betrugsabwehr von Unternehmen ausnutzen konnten. Leider entwickeln sich die Bedrohungen mit einschlägigen Auswirkungen weiter: Nach Schätzungen werden Online-Händler zwischen 2021 und 2025 Verluste von über 206 Milliarden US-Dollar in Kauf nehmen müssen.
Betrug im Zahlungsverkehr ist ein Thema, das Unternehmen aus der digitalen Wirtschaft nicht ignorieren sollten. Unternehmen können hier nicht einfach ausharren und sich auf veraltete Instrumente und Strategien im Risikomanagement verlassen. Aktuelle Bedrohungen sind dafür zu dynamisch, und entstehende Kosten durch fehlendes Risiko-Management zu hoch.
Wir freuen uns, den Launch von Fraud Detection Pro verkünden zu können, damit Unternehmen die aktuellen Herausforderungen direkt angehen können. Unsere Lösung zur Betrugsbekämpfung ermöglicht es komplexen Unternehmen, ausgereifte Strategien zur Betrugsbekämpfung einsetzen zu können, um ein Gleichgewicht zwischen Risiken und Leistung herzustellen und Umsätze global zu erhöhen.
Wir haben Fraud Detection Pro mit dem Fokus auf drei wichtige Kundenanforderungen entwickelt:
Unternehmen sind in dieser Zeit mit erheblichem wirtschaftlichem Gegenwind konfrontiert. Die Nachfrage der Verbraucher sinkt angesichts der Krise von erhöhten Lebenshaltungskosten, während der Inflationsdruck in den Lieferketten und bei Gehältern die Gewinnspannen weiter drückt. Umso wichtiger ist es für Händler, den Zahlungsverkehr zu optimieren, um jede legitime Transaktion zu erfassen und Umsätze zu maximieren.
Doch das ist leichter gesagt als getan. Parallel werden Techniken der Betrüger immer raffinierter, sodass Unternehmen gezwungen sind, strengere Risikostrategien anzuwenden. Einer der größten Trends ist die Zunahme automatisierter Angriffe, vor allem durch Bots. Diese Art von Angriffen ermöglicht es Betrügern, ihre Vorhaben leicht auszuweiten. Der Versuch von 100.000 Kontenübernahmen kann beispielsweise weniger als 200 US-Dollar kosten und hat in etwa eine Erfolgsquote zwischen 0,2 % und 2 %.
Betrugsbekämpfung ist ein ganzjähriger Kampf, jedoch steht in den sechs Wochen der „Peak Season“ zwischen November und Dezember mehr auf dem Spiel, da einige Einzelhändler in dieser Zeit bis zu 50 % ihres Jahresumsatzes generieren. Daten von Checkout.com aus dem Jahr 2021 zeigen, dass Betrugsversuche im vierten Quartal gegenüber dem dritten Quartal um 11 % angestiegen sind.
Zudem sind diese Bedrohungen niemals gleich. Betrüger nehmen verschiedene Unternehmen auf unterschiedliche Weise ins Visier. E-Commerce, Flugticketverkauf, Geldtransfer und Bankdienstleistungen scheinen anfälliger für Zertifikat-Fälschungen und Kontoübernahmen zu sein. Online-Marktplätze werden hingegen hauptsächlich durch gefälschte Konten, falsche Werbung, Auftragsstornierungen und gefälschte Käufer- / Verkäuferschleifen attackiert Der Krypto-Sektor wird meist von gefälschten Börsen, Wallet-Übernahmen und Man-in-the-Middle-Angriffen (MITM befallen. Online-Gaming-Unternehmen leiden größtenteils unter gefälschten Top-Up-Services von Drittanbietern, Zertifikat-Fälschungen, Kontenübernahmen und Streaming-Potluck-Angriffen.
Unternehmen können daraus lernen, dass eine starre, einseitige Lösung zur Betrugserkennung nicht mehr ausreicht. Entweder priorisierst du die Betrugsbekämpfung, nimmst dabei jedoch in Kauf, dass legitime Kunden blockiert werden (oder so frustriert sind, dass sie den Warenkorb abbrechen), oder sie räumen dem Umsatz Priorität ein und hoffen, dass höheres Volumen die höheren Betrugsraten ausgleicht.
Keiner dieser Ansätze ist nachhaltig und führt zwangsläufig zu Umsatzeinbußen, höheren Rückbuchungsraten, höheren Transaktionskosten, Kundenverlusten und Schädigung der Glaubwürdigkeit der Marke. Um Händlern diese Entscheidung abzunehmen, haben wir Fraud Detection Pro entwickelt.
„Betrugsversuche bleiben ein unvermeidlicher Teil der Zahlungsabwicklung, da sie sich ständig weiterentwickeln und immer kreativer werden. Umso wichtiger ist es für uns, bestens vorbereitet zu sein, um schnell und präzise zu reagieren. Die Fraud Detection Pro-Lösung von Checkout.com funktioniert in etwa wie ein Skalpell, verglichen mit anderen Tools auf dem Markt, die eher wie ein Vorschlaghammer wirken.“
Philip Quinn, Senior Product Operations Manager bei Curve
Mit Fraud Detection Pro sind Unternehmen in der Lage, Lösungen zur Betrugsbekämpfung genau auf ihre individuellen Anforderungen zuzuschneiden, zu testen, lernen und anzupassen, wenn neue Bedrohungen auftreten. Und so funktioniert es.
Die Machine Learning Lösung von Fraud Detection Pro wird mit Milliarden von Datenpunkten aus dem globalen Händlernetzwerk von Checkout.com trainiert. Sie lernt anhand echter Betrugsmuster aus verschiedenen Branchen und Ländern und kann diese Erkenntnisse anwenden, um verdächtige Aktivitäten am Ort der Transaktion zu erkennen und zu stoppen. Ohne diese Funktion mit umfassenden Insights zu historischen Betrugsfällen ist ein Händler wesentlich anfälliger für bestehende und neu entstehende Betrugsmuster.
Fraud Detection Pro in Aktion
Unternehmen A erfährt einen Betrugsfall. Das Machine Learning von Fraud Detection Pro zeichnet diese betrügerische Aktivität automatisch auf, lernt daraus und speichert die Zahlungsattribute als potenziell abnormal. Einige Wochen später identifiziert Fraud Detection Pro beim Scannen einer Transaktion des Unternehmens B dieselben Attribute, wie beim Angriff auf Unternehmen A. Die Zahlungstransaktion wird mit hoher Wahrscheinlichkeit als betrügerisch eingestuft und automatisch abgelehnt.
Mit Fraud Detection Pro können Händler Regeln erstellen, die sich an ihre individuelle Risikotoleranz anpassen. Und genauso wollen einzelne Unternehmen unterschiedliche Kriterien auf ihre Verkäufe anwenden.
So würden Händler beispielsweise einen wiederkehrenden Kunden, der mit derselben IP-Adresse etwas Teures kauft, wahrscheinlich als "sicherer" einstufen als einen neuen Kunden mit geflaggter IP-Adresse, der etwas von geringerem Wert kaufen möchte. Fraud Detection Pro gibt Händlern die Flexibilität, diese beiden Transaktionen und andere Segmente mit unterschiedlichen Risikoklassifizierungen zu bewerten und die geeigneten Betrugsstrategien für jedes individuelle Segment zu entwickeln.
Händler können diese Segmentierung-Funktion mit Fraud Detection Pro auf vielfältige Weise verwenden. Du kannst zum Beispiel zwischen Regionen mit hohem und niedrigem Risiko unterscheiden, nach verschiedenen Zahlungsmethoden segmentieren oder sogar bestimmte Produktcodes hervorheben, die häufiger von Betrugsangriffen betroffen sind. Neben der Definition individueller Betrugs-Grenzwerte für verschiedene Segmente, können Händler definieren, welche Aktionen ausgelöst werden, wenn Schwellenwerte nicht erreicht werden (z. B. Akzeptanz oder Ablehnung, 3D Secure anwenden oder eine manuelle Überprüfung vornehmen).
Diese Maßnahmen bieten Händlern zusätzliche Möglichkeiten, um mehr Betrugsfälle zu verhindern und ein strenges Niveau zu verringern, um mehr Transaktionen zuzulassen. Die Maßnahmen können kontinuierlich an die Weiterentwicklung der jeweiligen Risikobereitschaft angepasst werden.
Fraud Detection Pro in Aktion
Unternehmen B stellt fest, dass seine Betrugsrate niedrig ist. Es sieht eine Möglichkeit darin, seine Akzeptanzraten zu maximieren, indem es mehr Risiko eingeht, um dadurch mehr Transaktionen zu akzeptieren. Mithilfe von Fraud Detection Pro kann der Händler seine Einstellungen im Machine Learning so anpassen, dass sie weniger streng sind (d. h. der Schwellenwert, ab dem Transaktionen abgelehnt werden, wird erhöht). Der Händler testet weiter und passt die Einstellungen kontinuierlich an, um das optimale Gleichgewicht zwischen Betrugskosten und Akzeptanzraten zu finden.
Fraud Detection Pro umfasst eine Vielzahl weiterer Funktionen, die es Händlern ermöglichen, ihre Machine Learning Einstellungen sowie die Risikostrategie durch spezifische, auf die besonderen Herausforderungen jedes Geschäfts zugeschnittene Regeln, fein abzustimmen.
Verbesserter Schutz durch flexible Regeln: Händler finden unzählige Möglichkeiten zur Erstellung individueller und benutzerdefinierter Regeln, die zu ihrem Geschäft passen. Mehrere Regeln können nach bestimmten Kriterien gruppiert werden, um einen gesammelten Verhaltensscore für genauere Ergebnisse zu erstellen. Außerdem können Händler neue Regeln auf sichere Weise optimieren und potenzielle Effekte testen, bevor sie diese live schalten.
Betrüger blockieren und legitime Kunden zulassen: Händler können Genehmigungs- und Ablehnungslisten hochladen und editieren, um legitime Kunden schneller zu identifizieren und ihnen eine reibungslose Zahlung-Experience zu bieten, währenddessen bekannte Betrüger abgehalten werden.
Höhere Authentifizierungsraten: Händler können riskante Transaktionen bewerten, indem sie die integrierte Authentifizierungslösung von Checkout.com zusätzlich durchführen. Unternehmen können verschiedene Stufen der Authentifizierung definieren, um die Überprüfung je nach Bedarf zu erhöhen oder zu minimieren.
Optimierte manuelle Überprüfungen: Händler können für eine manuelle Prüfung auf eine gesammelte Ansicht aller Transaktionen, sowie umfangreiche Daten zu den Gründen für negative Markierungen der einzelnen Transaktionen zugreifen – das spart Zeit und erhöht die Genauigkeit der Entscheidungen.
Erstellung von Risikostrategien: Händler können verschiedene Risikostrategien über ein Diagramm überprüfen und ihre Strategien durch Hinzufügen, Ändern oder Entfernen von Komponenten einfach anpassen.
Fraud Detection Pro in Aktion
Unternehmen C, ein Glücksspielanbieter, kann aus den Insights von Fraud Detection Pro erkennen, dass neue Spieler, die Prepaid- und Kreditkarten verwenden, ein potenzielles Risiko darstellen. Fraud Detection Pro ermöglicht dem Glücksspielanbieter das Erstellungsdatum der Konten in die Zahlungsanforderung mit einzubeziehen und eine Regel zu erstellen, die Transaktionen von einer Prepaid- oder Debitkarte für alle Konten blockiert, die weniger als eine Woche alt sind.
Bei der Betrugsbekämpfung sollte die Sicherheit nicht allein im Vordergrund stehen. Es sollte ein ganzheitlicher Ansatz gewählt werden, der auch die Kunden-Experience miteinbezieht und legitime Transaktionen schützt. Untersuchungen von Checkout.com ergaben, dass 34 % der Kunden durch eine abgelehnten Zahlungsvorgang dauerhaft von einem Webshop abgeschreckt wurden. Noch dramatischer ist jedoch der Anteil von 52 %, die ihren Warenkorb abbrechen, wenn der Zahlungsvorgang zu kompliziert ist.
Im Gegensatz zu vielen anderen Tools zur Betrugserkennung mit strengen Risikostrategien, die zu Verlusten führen und Kunden frustrieren, wurde bei Fraud Detection Pro die Kunden-Experience bei der Entwicklung direkt mit einbezogen.
Fraud Detection Pro ermöglicht es Händlern, die Betrugsbekämpfung und den Schutz der Kunden-Experience in einem dreistufigen Prozess zu vereinen:
Analysieren: Das detaillierte und visuelle Analyse-Dashboard und eine Report-Library helfen Händlern, die Auswirkungen ihrer Risikostrategien mit wichtigen Kennzahlen wie Conversionrate, Akzeptanzrate und Leistung im Vergleich zu Rückbuchungsgrenzen zu messen.
Untersuchen: Händler können die Ursachen für Fehlalarme untersuchen und diese Erkenntnisse nutzen, um übermäßige Maßnahmen zur Betrugsbekämpfung zu reduzieren und anzupassen.
Test: Test-Szenarios im Shadow-Mode bieten eine sichere Möglichkeit, potentielle Auswirkungen neuer Regeln, Einstellungen für Machine Learning und ganzer Risikostrategien auf die Kunden-Experience zu untersuchen – ohne den Datenverkehr im Live-Mode zu beeinträchtigen.
Risikomanagement ist keine ausschließlich defensive Lösung: Es kann deine Umsätze maximieren, indem es die Akzeptanzraten erhöht und Verluste von legitimen Kunden reduzieren, was zu mehr Conversions führt. Erfahre mehr auf unserer Fraud Detection Pro Webseite Oder sprich einfach mit unserem Beratungsteam.
