So optimiert Stripe deine Betrugsprävention durch maschinelles Lernen
So optimiert Stripe deine Betrugsprävention durch maschinelles Lernen
Der Onlinehandel wächst rasant. Dadurch eröffnen sich Onlinehändler/innen riesige Chancen, aber auch einige Herausforderungen. Je weiter sich das Online-Shopping verbreitet, desto raffinierter werden auch die Betrugsmaschen. Und betrügerische Zahlungen werden zunehmend zum Problem. Prognosen zufolge entgehen Unternehmen im Jahr 2021 20 Mrd. USD durch Onlinebetrug1.
Die Herausforderungen, denen Unternehmen bei der Betrugsbekämpfung gegenüberstehen, sind alles andere als einfach. Doch mit OXID können sich Unternehmen schützen. Denn dank der Partnerschaft von OXID und Stripe, einem weltweit führenden Anbieter von Zahlungsinfrastruktur, habst du Zugang zu Radar, dem leistungsstarken Betrugspräventionssystem von Stripe. Die Tools von Stripe machen Unternehmen sicherer, verringern die Risiken und Kosten betrügerischer Aktivitäten und verhindern die Kundenabwanderung.
So entsteht Betrug
Bevor wir in die Materie eintauchen, sollten wir einen Schritt zurückgehen und uns vor Augen führen, was genau Betrug mit Blick auf Onlinezahlungen bedeutet. Zunächst ist Folgendes zu bedenken: Betrug bedeutet meist, dass jemand die Kreditkartennummer oder Kreditkartendaten eines Dritten nutzt, um unbefugte Einkäufe zu tätigen. Wenn die echten Kontoinhaber/innen die betrügerische Transaktion dann bemerken, fechten sie diese bei deiner Bank an. Dies nennt man Rückbuchung.
Kommt die Bank zu dem Ergebnis, dass es sich bei der betroffenen Transaktion tatsächlich um Betrug handelt, wird die Buchung rückabgewickelt. Das Ergebnis: Die Kontoinhaber/innen zahlen nichts und das Unternehmen muss den Transaktionsbetrag ausgleichen. Außerdem trägt das Unternehmen alle weiteren Kosten, die mit der Anfechtung einhergehen. Wenn dein Unternehmen schon einmal Betrüger/innen zum Opfer gefallen ist, weist du, wie schnell sich diese Kosten summieren.
Diese Form von Betrug wird auch als „falsch negativ“ bezeichnet und bleibt bei der Buchung und bis zur Anfechtung unbemerkt. An diese Betrugsart denken die meisten Händler/innen beim Thema Betrug. Die Betrugserkennung kann sich aber auch noch auf andere Weise auf dein Geschäftsergebnis auswirken.
Diese kann man als „falsch positiv“ bezeichnen. Solche Transaktionen sind zwar legitim, werden von der Betrugserkennung aber dennoch blockiert. Will ein/e Kunde/Kundin beispielsweise etwas kaufen und wird die Transaktion dann von der Betrugserkennung unterbunden, entgeht dem Unternehmen Umsatz und es entstehen Rufschäden.
Deshalb sind sowohl falsch negative als auch falsch positive Fälle teuer. Und deshalb kommt es auf das richtige System an, um Betrüger/innen das Handwerk zu legen und ein angenehmes Kundenerlebnis für die legitimen Kund/innen zu gewährleisten.
So arbeitet Radar
Die Herausforderung durch Betrug kann auf Unternehmen einschüchternd wirken. Doch mit OXID und Stripe profitierst du von der Radar-Technologie und können:
Betrugsschäden verhindern: Die schiere Größe von Stripe bietet Unternehmen einen echten Vorteil. Denn sie ermöglicht es Stripe, Betrug zuverlässig zu erkennen und hochentwickelte Modelle des maschinellen Lernens zu trainieren. Diese Modelle nutzt Stripe dann, um tatsächliche Betrugsfälle abzuwehren und dir damit bares Geld zu sparen.
Deinen Umsatz steigern: Die ML-Kompetenz und die riesigen Datenbestände von Stripe ermöglichen die Erkennung risikoreicher Transaktionen und reduzieren falsch positive Treffer. Und das kommt deinem Umsatz zugute.
Zeit sparen: Radar ist in Stripe integriert und erfordert keinerlei Programmieraufwand. So kannst du sofort loslegen. Außerdem spart dir Radar Zeit, da du in einer konsolidierten Plattform deine Betrugserkennung im Blick behalten und neue Regeln aufstellen kannst.
Zudem profitierst du von geringeren Betriebskosten, Betrugsschäden und Anfechtungsquoten. So senkt Stripe die Anfechtungsquote mit Radar um 26 %.
Doch wie genau funktioniert Radar? Fangen wir einfach vorne an.
Wenn man etwas im Internet einkauft, hinterlässt man dabei Hinweise auf seine Vertrauenswürdigkeit. Mithilfe des adaptiven maschinellen Lernens ermitteln die Algorithmen von Radar die Wahrscheinlichkeit, dass es sich um eine betrügerische Buchung handelt. Dazu gewichten sie unzählige Signale wie die folgenden:
Buchungssignale: Angaben wie Buchungszeitpunkt, Kartentyp und Entfernung zwischen Karte und IP-Adresse
Verhaltenssignale: Daten wie die Verweildauer im Browser und die Anzahl der besuchten Seiten
Gerätesignale: Merkmale wie Bildschirmgröße, Schriftart und Proxy-Verwendung
Konsolidierte Signale: Historische Kartendaten, Anzahl der mit der Karte verbundenen Länder, Übereinstimmung von E-Mail-Adresse und Karteninhaber/in, Kunden/Kundin- und andere Faktoren sowie die Anzahl der mit der Karte am vorangegangenen Tag verknüpften Ablehnungen
Anhand von Datenanalysen und der jahrelangen Infrastrukturerfahrung der ML-Teams von Stripe kann Radar auf Grundlage dieser Informationen eine Risikobewertung erstellen und einen Risikoscore ermitteln. Auf Grundlage dieses Werts wird die Buchung dann je nach Konfiguration automatisch freigegeben, blockiert oder zur Prüfung weitergeleitet. All das geschieht in Echtzeit – ohne Auswirkungen auf das Kundenerlebnis und ohne Zutun deines Teams.
Das maschinelle Lernen von Radar profitiert von einer hohen Datenqualität. Stripe verarbeitet Hunderte Milliarden von Zahlungen von Millionen von Unternehmen und arbeitet jedes Jahr mit Tausenden Partnerbanken zusammen. Aufgrund der schieren Größe des Stripe-Netzwerks liegt die Wahrscheinlichkeit, dass Stripe eine Karte bereits kennt, bei 89 %. Daraus ergeben sich große Datenmengen, die die Risikobewertungen von Radar unterfüttern. Außerdem ist Stripe direkt in die Kartennetzwerke eingebunden. So kann Stripe in Echtzeit nachvollziehen, wie genau seine Risikoscores sind. Diese Rückmeldungen nutzt Stripe dann, um seine Modelle laufend zu verbessern.
Umfassende Analysen für individuelle Lösungen
Für die meisten Unternehmen sind die Risikobewertungen und die Ablehnung risikoreicher Transaktionen durch Radar als Schutz ausreichend. Andere wünschen sich in der Betrugsprävention aber noch mehr Eingriffsmöglichkeiten. Diese können erforderlich sein, um das richtige Gleichgewicht zwischen der Betrugsabwehr und der Zulassung legitimer Transaktionen zu finden. Um den Unternehmen die Betrugsbekämpfung verständlicher zu machen und sie bei der Betrugsabwehr zu unterstützen, hat Stripe eine neue Dashboard-Oberfläche mit dem Namen Risk Insights eingeführt.
Risk Insights gehört zum Stripe-Zusatzangebot Radar for Fraud Teams und macht die Risikoscores hinter den einzelnen Transaktionen transparenter. So kann deine Betrugsabteilung ein Gefühl dafür entwickeln, ob eine Transaktion möglicherweise riskant ist oder nicht. Außerdem lassen sich auf dieser Grundlage neue Regeln für das maschinelle Lernen in Radar aufstellen.
Es gibt zahlreiche Regeln, mit denen Unternehmen Radar noch effektiver machen können. Welche Regeln sich für dich eignen, hängt aber von deinen geschäftlichen Zielen ab. Sehen wir uns zwei Beispiele an: eine/n T-Shirt-Händler/in und ein Softwareunternehmen.
Für ein margenschwaches Unternehmen, das z. B. T-Shirts verkauft, ist Betrug meist sehr kostspielig. Deshalb müssen hier tendenziell mehr Transaktionen blockiert werden, selbst wenn dadurch auch legitime Kund/innen abgewiesen werden. Bei einem Softwareunternehmen mit hoher Marge kann der Gewinn einer legitimen Buchung dagegen die Kosten einer betrügerischen Transaktion deutlich übersteigen. Hier liegt der Schwerpunkt also eher auf der Konversion. In beiden Fällen können individuelle Regeln dabei helfen, die jeweiligen Unternehmensziele zu erreichen.
Radar gibt Unternehmen mehr Kontrolle, damit sie Radar an ihre konkrete Risikotoleranz anpassen können. Um Unternehmen bei der Ermittlung der passenden Risikotoleranz zu helfen, prognostiziert Radar, welche Auswirkungen eine Regeländerung haben wird. Dabei wird in Echtzeit veranschaulicht, was eine bestimmte Regel mit Blick auf die eigene Transaktionshistorie bewirken wird.
Wenn du Radar nutzt, weis du also immer genau, ob es wie gewünscht funktioniert. Radar erstellt auch einen neuartigen Analysebericht, der die Funktionsweise des Systems noch transparenter macht. Hier werden dir unter anderem die Anzahl aller blockierten Zahlungen und die Falsch-Positiv-Rate angezeigt. Mit diesen Informationen kannst du deinen Schutz dann weiter verbessern.
Und wenn es doch mal zu einer Anfechtung kommt, erleichtert einem Radar zudem die Entscheidung, gegen welche man sich angesichts begrenzter Mittel wehren sollte. Radar nutzt ein ML-Modell, das vorhersagt, mit welcher Wahrscheinlichkeit eine Anfechtung gewonnen werden kann. Diese Werte werden dann direkt im Dashboard angezeigt.
Die richtigen Partner an Ihrer Seite
Betrugsmaschen verändern sich ständig und Betrug ist ein ständiges Risiko für Online-Unternehmen. Deshalb kommt es in der Betrugsbekämpfung auf die richtigen Werkzeuge an. Denn nur so kann man sich gegen kostspielige Angriffe wehren, irrtümliche Ablehnungen vermeiden, den eigenen Ruf schützen und einen nahtlosen Bezahlvorgang gewährleisten.
OXID und Stripe sind die richtigen Partner für ehrgeizige Unternehmen, die ihren Gewinn schützen und zugleich die Erwartungen ihrer Kund/innen erfüllen wollen. Gemeinsam helfen wir Unternehmen dabei, zu wachsen und ihr Online-Geschäft auszubauen, ohne sich Sorgen machen zu müssen.
Die Betrüger/innen lernen ständig dazu – genau wie Radar. Um mehr darüber zu erfahren, wie OXID und Stripe dich dabei unterstützen können, deine geschäftlichen Ziele zu erreichen, wende dich am besten direkt an unser Sales Team.