- Obtener enlace
- X
- Correo electrónico
- Otras aplicaciones
En América Latina, el
fraude en eCommerce representa
entre el 1% y 2% del volumen total de ventas.
Es
por eso que algunas de las grandes compañías de comercio
electrónico han apostado por tener su propio equipo de prevención de
fraudes, que se dedica a analizar los pedidos, detectar posibles alarmas y
negar aquellos pagos que resulten sospechosos, una tarea que consume
tiempo y recursos.
Las herramientas antifraude
han registrado una evolución importante y es gracias a
tecnologías disruptivas como
la inteligencia artificial (IA) y el machine learning que hacen posible el análisis de big data para que la detección de fraudes en eCommerce pueda automatizarse y, por ende, los equipos de
seguridad se dediquen a tareas más importantes o casos
específicos.
Big Data en eCommerce
Las soluciones más
avanzadas de protección contra fraudes, como las de Signifyd,
recolectan información clave de millones de usuarios sobre transacciones
pasadas y hábitos de compra de un cliente potencial.
Por ejemplo, es
posible identificar si el comportamiento del titular cambia de manera
dramática, desde qué ciudad está haciendo la transacción, si el lugar de
entrega corresponde con los patrones de compra del usuario, si ha realizado
pagos exitosos anteriormente, etc.
Su
sistema de big
data se alimenta con una red de miles de negocios en eCommerce que
venden sus productos a 250 millones de usuarios en más de 100 países, lo que
garantiza que se utilice el conocimiento previo de más del 97% de los
compradores en línea para proteger a los retailers.
Esta
información, que permanece anónima y encriptada, es extremadamente relevante y útil
en la prevención de fraudes, ya que con ella los comercios pueden evaluar con
mayor velocidad si una transacción es segura o no. Emplear machine
learning e inteligencia artificial como parte esencial de su
plataforma, permite que Signifyd pueda tomar decisiones en cuestión de
milisegundos.
Inteligencia
Artificial y Machine Learning
Una
vez recolectada la información, la IA se encarga de detectar factores que
indiquen si una compra en eCommerce es
potencialmente fraudulenta. Por ejemplo, si se trata de una tarjeta de crédito
que se ha visto involucrada en numerosos contracargos en el pasado.
Todos
estos factores son procesados por algoritmos de machine learning,
que aprenden modelos y patrones de los datos recolectados y utilizan la
información para predecir transacciones a futuro y diferenciar entre una orden
real y una fraudulenta en milisegundos y a gran escala.
Esto
es positivo no solo para prevenir fraudes, sino para aumentar la
tasa de aceptación de pagos de los negocios. Mientras que a primera vista una
compra podría parecer falsa, la tecnología puede indicar que el usuario es
confiable y que el envío de sus productos a una nueva dirección no es motivo
para rechazarlo.
Según datos de PwC, en América Latina
49% de los clientes dijo estar dispuesto a abandonar una marca que aman después
de una mala experiencia de usuario.
“El
objetivo en el uso de tecnologías inteligentes es impactar en los ingresos y
ofrecer experiencias más satisfactorias para los clientes. Nuestra plataforma
ofrece un aumento de ingresos promedio del 4% al
6%”, indica Christian León.
¿Y qué pasa con
el capital humano?
La
tecnología no pretende sustituir a los equipos de prevención de fraude ni a los
expertos en el tema. Al contrario, son ellos mismos quienes al comprender el
contexto de las transacciones y contar con experiencia e intuición al respecto,
pueden guiar la tecnología y alimentar los modelos de machine learning para
que estos sigan aprendiendo.
Una
vez que la tecnología incorpora información nueva y detecta patrones, la
detección automática de fraudes en eCommerce es
más precisa y consistente.
Forbes Content. (2021). Big Data, IA y
Machine Learning, claves contra fraudes en eCommerce: Signifyd. 23/03/2021, de
Forbes Sitio web:
https://www.forbes.com.mx/ad-big-data-ia-y-machine-learning-claves-contra-fraudes-en-ecommerce/
Comentarios
Publicar un comentario