Menggunakan Rule Engine untuk Menyesuaikan Strategi Antifraud

Penggunaan rule engine untuk antifraud memberi perusahaan kendali lebih besar. Pengguna dapat menentukan aturan dan kondisi khusus berdasarkan data dari penyedia layanan pihak ketiga serta data perusahaan sendiri. Cara ini membantu mendeteksi dan mencegah transaksi fraud, sekaligus mengurangi risiko operasional.

Manfaat Integrasi dengan Penyedia Layanan Pihak Ketiga

Salah satu manfaat utama rule engine untuk antifraud adalah kemampuannya terhubung dengan penyedia layanan pihak ketiga, seperti Maxmind dan FraudLabs, untuk mengakses beragam data terkait potensi fraud. Penyedia tersebut dapat memberikan sinyal dan wawasan yang berguna. Namun, sebaiknya data itu diperlakukan terutama sebagai masukan, lalu dievaluasi sendiri melalui rule engine. Dengan begitu, strategi antifraud Anda tetap sesuai dengan kebutuhan bisnis dan profil risiko perusahaan.

Rule engine untuk antifraud juga dapat memeriksa alamat IP terhadap daftar blokir, seperti AbuseIPDB dan Project Honeypot. Pemeriksaan ini membantu perusahaan mengenali dan memblokir transaksi dari pelaku yang diketahui berbahaya, sehingga paparan terhadap fraud dapat dikurangi.

Manfaat lainnya, rule engine untuk antifraud dapat menghitung frekuensi transaksi berdasarkan data perusahaan sendiri untuk menyusun aturan antifraud. Dengan menganalisis tren dan pola dalam data transaksi, perusahaan dapat mengenali perilaku yang tidak biasa atau mencurigakan, lalu membuat aturan khusus untuk menandai dan mencegah transaksi fraud.

Mencegah Fraud dengan Aturan Khusus untuk Alamat IP

Berikut lima contoh aturan berbasis alamat IP yang dapat diterapkan dengan rule engine untuk mencegah fraud dalam transaksi e-commerce:

  1. Blokir transaksi dari alamat IP yang sebelumnya terkait dengan tingkat fraud tinggi. Aturan ini dapat menggunakan data dari penyedia layanan pihak ketiga, seperti Maxmind atau FraudLabs, maupun hasil analisis data perusahaan sendiri.
  2. Minta autentikasi tambahan untuk transaksi dari alamat IP yang biasanya tidak digunakan oleh pelanggan. Aturan ini dapat mengacu pada riwayat transaksi pelanggan atau data dari penyedia layanan pihak ketiga.
  3. Blokir transaksi dari alamat IP yang diketahui terkait dengan pelaku berbahaya. Aturan ini dapat menggunakan data dari daftar blokir, seperti AbuseIPDB atau Project Honeypot.
  4. Minta autentikasi tambahan untuk transaksi dari alamat IP yang negaranya atau wilayahnya berbeda dari alamat penagihan atau pengiriman pelanggan. Aturan ini dapat mengacu pada informasi alamat pelanggan atau data dari penyedia layanan pihak ketiga.
  5. Blokir transaksi dari alamat IP yang terkait dengan frekuensi transaksi tinggi atau aktivitas yang tidak biasa. Aturan ini dapat menggunakan analisis data perusahaan sendiri, termasuk perhitungan frekuensi transaksi untuk mengenali perilaku mencurigakan.

Mencegah Fraud dengan Aturan Khusus untuk Alamat Email

Berikut lima contoh aturan berbasis alamat email yang dapat diterapkan dengan rule engine untuk mencegah fraud dalam transaksi e-commerce:

  1. Blokir transaksi dari pelanggan yang menggunakan alamat email sekali pakai atau sementara. Aturan ini dapat menggunakan data dari penyedia layanan pihak ketiga, seperti FraudLabs, maupun hasil analisis data perusahaan sendiri.
  2. Minta autentikasi tambahan untuk transaksi dari pelanggan yang baru membuat alamat email. Aturan ini dapat mengacu pada riwayat transaksi pelanggan atau data dari penyedia layanan pihak ketiga.
  3. Blokir transaksi dari pelanggan yang alamat emailnya diketahui terkait dengan pelaku berbahaya. Aturan ini dapat menggunakan data dari daftar blokir atau basis data alamat email yang diketahui digunakan untuk fraud.
  4. Minta autentikasi tambahan untuk transaksi dari pelanggan yang domain alamat emailnya berbeda dari domain alamat penagihan atau pengiriman. Aturan ini dapat mengacu pada informasi alamat pelanggan atau data dari penyedia layanan pihak ketiga.
  5. Blokir transaksi dari pelanggan yang alamat emailnya terkait dengan frekuensi transaksi tinggi atau aktivitas yang tidak biasa. Aturan ini dapat menggunakan analisis data perusahaan sendiri, termasuk perhitungan frekuensi transaksi untuk mengenali perilaku mencurigakan.

Jalankan pemeriksaan ini dalam alur keputusan

Buat aturan untuk kredit, fraud, atau penagihan, lalu jalankan pada keputusan nyata.

Aturan Khusus untuk Informasi Browser dalam Antifraud

Berikut lima contoh aturan berbasis informasi browser yang dapat diterapkan dengan rule engine untuk mencegah fraud dalam transaksi e-commerce:

  1. Blokir transaksi dari pelanggan yang menggunakan browser yang diketahui terkait dengan tingkat fraud tinggi. Aturan ini dapat menggunakan data dari penyedia layanan pihak ketiga, seperti WhatIsMyBrowser atau FraudLabs, maupun hasil analisis data perusahaan sendiri.
  2. Minta autentikasi tambahan untuk transaksi dari pelanggan yang menggunakan browser yang biasanya tidak mereka gunakan. Aturan ini dapat mengacu pada riwayat transaksi pelanggan atau data dari penyedia layanan pihak ketiga.
  3. Blokir transaksi dari pelanggan yang menggunakan browser yang diketahui terkait dengan pelaku berbahaya. Aturan ini dapat menggunakan data dari daftar blokir atau basis data informasi browser yang diketahui digunakan untuk fraud.
  4. Minta autentikasi tambahan untuk transaksi dari pelanggan yang menggunakan browser yang jarang dipakai di negara atau wilayah pelanggan. Aturan ini dapat menggunakan data dari penyedia layanan pihak ketiga, seperti WhatIsMyBrowser, maupun hasil analisis data perusahaan sendiri.
  5. Blokir transaksi dari pelanggan yang menggunakan browser yang terkait dengan frekuensi transaksi tinggi atau aktivitas yang tidak biasa. Aturan ini dapat menggunakan analisis data perusahaan sendiri, termasuk perhitungan frekuensi transaksi untuk mengenali perilaku mencurigakan.

Aturan Khusus untuk Alamat Fisik dalam Antifraud

Berikut lima contoh aturan berbasis alamat fisik yang dapat diterapkan dengan rule engine untuk mencegah fraud dalam transaksi e-commerce:

  1. Blokir transaksi dari pelanggan yang menggunakan alamat palsu atau tidak valid. Aturan ini dapat menggunakan data dari penyedia layanan pihak ketiga, seperti Ekata atau Google Places API, maupun hasil analisis data perusahaan sendiri.
  2. Minta autentikasi tambahan untuk transaksi dari pelanggan yang baru membuat atau baru saja mengubah alamat. Aturan ini dapat mengacu pada riwayat transaksi pelanggan atau data dari penyedia layanan pihak ketiga.
  3. Blokir transaksi dari pelanggan yang alamatnya diketahui terkait dengan tingkat fraud tinggi. Aturan ini dapat menggunakan data dari penyedia layanan pihak ketiga maupun hasil analisis data perusahaan sendiri.
  4. Minta autentikasi tambahan untuk transaksi dari pelanggan yang negaranya atau wilayahnya berbeda dari negara atau wilayah pada informasi alamat penagihan atau pengiriman. Aturan ini dapat mengacu pada informasi alamat pelanggan atau data dari penyedia layanan pihak ketiga.
  5. Blokir transaksi dari pelanggan yang alamatnya terkait dengan frekuensi transaksi tinggi atau aktivitas yang tidak biasa. Aturan ini dapat menggunakan analisis data perusahaan sendiri, termasuk perhitungan frekuensi transaksi untuk mengenali perilaku mencurigakan.

Kesimpulan

Rule engine untuk antifraud memberi perusahaan kendali praktis. Integrasi dengan penyedia layanan pihak ketiga dapat dilakukan dengan cepat, alamat IP dan email dapat diperiksa terhadap daftar blokir, dan frekuensi transaksi dapat dihitung dari data perusahaan sendiri untuk menyusun aturan khusus. Dengan menggunakan layanan pihak ketiga terutama sebagai penyedia data dan menerapkan aturan sendiri melalui rule engine, perusahaan dapat mendeteksi dan mencegah transaksi fraud dengan lebih efektif serta mengurangi risiko operasional.

Pertanyaan yang sering diajukan

Bagaimana Anda menggabungkan sinyal IP, email, browser, dan alamat sebelum menolak pesanan?

Kelompokkan sinyal ke dalam beberapa tingkat tindakan, dan tolak pesanan hanya jika sejumlah indikator independen mengarah pada transaksi yang sama sebagai transaksi berisiko. Satu ketidaksesuaian biasanya cukup ditindaklanjuti dengan autentikasi tambahan atau pemeriksaan, terutama untuk pelanggan baru atau jaringan bersama. Tetapkan batas setiap tingkat berdasarkan data fraud yang terkonfirmasi dan pesanan yang sah, dengan mempertimbangkan pasar dan nilai transaksi. Satu batas dapat menyebabkan terlalu banyak penolakan pada kelompok pelanggan tertentu.

Bagaimana sebaiknya Anda menangani transaksi dari alamat IP bersama?

Perlakukan alamat IP bersama sebagai konteks, bukan bukti fraud. Kantor, operator seluler, Wi-Fi publik, dan rumah tangga dapat menggunakan alamat yang sama untuk mengakses internet. Karena itu, sebelum menolak pesanan, cari bukti dari akun, perangkat, atau transaksi yang menghubungkannya dengan aktivitas mencurigakan. Jika sinyal IP mengkhawatirkan tetapi belum meyakinkan, gunakan autentikasi tambahan atau pemeriksaan, lalu pantau tingkat positif palsu.

Apa yang sebaiknya dilakukan aturan antifraud jika data penyedia tidak tersedia atau terlambat?

Tentukan tindakan alternatif sebelum aturan mulai digunakan. Untuk pesanan bernilai rendah, Anda dapat melanjutkan proses dengan sinyal yang tersedia, lalu memantau hasilnya. Untuk transaksi berisiko lebih tinggi, arahkan ke autentikasi tambahan atau pemeriksaan. Jangan menganggap data yang tidak tersedia sebagai hasil yang bersih. Jangan pula otomatis menolak setiap pesanan saat penyedia tidak dapat diakses, karena tindakan itu dapat mengganggu banyak pelanggan yang sah.

Apa yang sebaiknya dilakukan jika dua aturan antifraud merekomendasikan tindakan berbeda?

Tetapkan prioritas tindakan secara jelas, misalnya penolakan lebih diutamakan daripada autentikasi tambahan. Pastikan tindakan yang lebih berat didukung bukti yang cukup kuat. Sebelum aturan mulai digunakan, periksa kondisi yang saling tumpang tindih dengan transaksi nyata, termasuk kasus saat satu aturan menandai pesanan dan aturan lain menyetujuinya. Prioritas yang tidak jelas dapat membuat keputusan tidak konsisten dan menyulitkan penyesuaian ketika pola fraud atau kendala bagi pelanggan berubah.

Jalankan pemeriksaan ini dalam alur keputusan

Buat aturan untuk kredit, fraud, atau penagihan, lalu jalankan pada keputusan nyata.