Fraugster se une à Elvah para combater fraudes no setor de comércio eletrônico

Na semana passada, o provedor de inteligência de pagamentos Fraugster anunciou que havia formado uma parceria com a empresa de mobilidade eletrônica Elvah para criar um novo serviço gerenciado de proteção de pagamentos. No futuro, a Elvah oferecerá aos usuários proteção contra estornos, gerenciamento de risco e pontuação de crédito por meio de uma única plataforma orientada por IA.

O serviço permitirá que Elvah detecte melhor a identidade fraude graças a um mecanismo de prevenção de fraude baseado em IA, que oferece pontuação de risco em pace actual para transações de comércio eletrônico. O mecanismo u.s.a. mais de 2.500 variáveis ​​em cada transação para decidir se aprova ou bloqueia o pagamento.

O mecanismo não depende de um algoritmo fixo para identificar fraudes, mas u.s.a. três principais aprendizado de máquina modelos. Um é um modelo de autoaprendizagem projetado para capturar padrões de fraude complexos e bem definidos. Outro é um modelo de regressão logística para medir a força das relações de causa e efeito em conjuntos de dados estruturados. Há também um modelo de cluster com tecnologia de IA que pode identificar padrões fraudulentos que não são baseados em dados históricos ou outros modelos de ML.

O desafio de mitigar a fraude

O anúncio ocorre quando a fraude de identidade continua sendo uma séria ameaça para provedores de comércio eletrônico, empresas e consumidores, com o custo de fraude de comércio eletrônico passando de US$ 17,5 bilhões em 2020 para US$ 20 bilhões no ano passado.

Uma das principais razões para este aumento foi que a custo de remediar fraudes aumentou após a pandemia do COVID-19, com cada US$ 1 perdido por fraude custando aos varejistas US$ 3,60 em despesas para mitigar, em comparação com US$ 3,13 pré-pandemia.

À medida que o custo da fraude continua a aumentar, fica claro que os provedores de comércio eletrônico e as empresas precisam evoluir se quiserem detectar e evitar fraudes. Isso é um desafio porque muitas organizações continuam dependentes de pipelines de dados desconexos que dificultam a obtenção de insights coesos sobre o standing da fraude.

“O ecossistema de comércio eletrônico continua a operar em silos de dados que limitam o potencial de pool de dados, inteligência de rede e aplicação de IA e aprendizado de máquina”, disse o CEO da Fraugster, Christian Mangold.

Ao mesmo pace, muitas das soluções de prevenção de fraudes usam organizações que não oferecem insights precisos em escala. “A maioria das tecnologias de prevenção de fraude em operação u.s.a. métodos desatualizados e imprecisos que não aproveitam dados e IA a serviço da automação e decisões de negócios mais inteligentes”, disse Mangold.

A Fraugster está tentando ajudar as organizações a detectar fraudes em escala criando uma plataforma única de prevenção de fraudes de IA que as organizações podem usar para gerenciar proativamente o risco de fraude e se proteger contra estornos, aumentando a visibilidade para que possam permanecer em conformidade com os crescentes requisitos regulatórios.

Um breve olhar sobre o mercado de detecção e prevenção de fraudes

O provedor faz parte do detecção e prevenção international de fraudes mercado, que os pesquisadores esperam crescer de US$ 24,8 bilhões em 2021 para US$ 65,8 bilhões em 2026, à medida que as organizações tentam mitigar a receita perdida por fraude.

A Fraugster não é a única empresa que u.s.a. IA para mitigar fraudes no comércio eletrônico e está competindo diretamente com Forteruma empresa de detecção de fraudes de comércio eletrônico, que analisa transações e toma decisões em pace actual sobre a aprovação ou não de transações e, mais recentemente, arrecadou US$ 300 milhões como parte de um financiamento rodada no ano passado, juntamente com uma avaliação de US $ 3 bilhões.

Outro concorrente é Peneirarum provedor de prevenção de fraudes de pagamento, que u.s.a. aprendizado de máquina em pace actual para responder automaticamente a atividades fraudulentas, enquanto arrecada US$ 50 milhões no ano passado e alcança um avaliação overall de US$ 1 bilhão.

No entanto, a equipe de Fraugster acredita que a maior precisão de sua IA na detecção de fraudes é o que a diferencia de soluções concorrentes como o Sift, que afirmam diminuir a fraude em 50%.

“Continuamos oferecendo uma redução média de fraude de 60% para nossos clientes e aumentos na taxa de aprovação, variando de 5 a fifteen%. Isso significa que permitimos que nossos clientes gerem vendas adicionais na casa das dezenas de milhões e reduzam significativamente as perdas por fraude”, disse Mangold.