First Dataset

从新商家购买高价商品 是另一个欺诈购物狂潮的标志。现在这也是正常行为。例如，今年早些时候，随着美国大部分地区进入居家模式，杂货店和大型商店的卫生纸 以及清洁用品和口罩很快就售罄 。这促使一些消费者从他们以前从未光顾过的办公用品商店、家庭保健供应商和商业清洁用品供应商那里批量在线订购。


从新地区订购或运送到新地区 可能表明有人使用被盗信用卡购买。但 马来西亚手机数据 有些人出于选择或偶然原因在外隔离，这也可能表明他们是一个好客户。同样，从陌生设备下订单可能表明存在欺诈行为——或者有人使用隔离室友的台式机或手机订购用品。 
显然，疫情爆发前有效的许多欺诈指标现在与优质客户的新常态行为重叠。为什么有些欺诈程序会以同样的方式对待它们？ 

问题的核心不是被标记的行为，而是欺诈程序对信息的处理方式。当更多好订单被标记时，自动拒绝被标记订单的系统自然会剔除更多好订单。这会让电子商务商家损失被拒绝的好订单的价值。他们还会损失客户。事实上，  19% 的持卡人 在订单被拒绝后永远不会在商家那里购物，而 24% 的持卡人会减少在商家那里购物的次数。

编者注：正在寻找适合您业务的信用卡处理器？请填写以下问卷，以便我们的供应商合作伙伴联系您，了解您的需求。


 
有两种方法可以减少虚假拒付。第一种方法是检查您的欺诈筛查规则，看看它们是否对当今的情况过于严格。然而，这可能很棘手，因为欺诈者还没有停止欺诈。如果过度减少标记异常发货地点或订单频率，您的商店最终可能会出现高于正常水平的退款率。 

对所有标记的订单进行人工审核是一种更有效的解决方案，因为它平衡了欺诈控制需求和接受良好订单的需求。通过人工审核，欺诈分析师会评估每个标记的订单以确定其是否为欺诈。只有在检查后，才会决定拒绝或接受标记的订单。这种方法可以减少错误拒绝，增加商家收入，并避免损害商家与优质客户的关系。 

人工审核还可以帮助机器学习算法更快地适应消费者行为的突然变化。当审核团队批准或拒绝每个被标记的订单时，他们可以将这些数据输入算法，这样系统就可以学习区分合法订单和欺诈订单的细微差别。这样可以减少被错误标记的订单，从而减少所需的人工审核次数。