Antifraud Berbasis Peristiwa di E-commerce
Mengenal antifraud berbasis peristiwa di e-commerce
Antifraud berbasis peristiwa merupakan bagian penting dalam menjalankan bisnis online. Pelaku fraud kerap menggunakan bot dan informasi pribadi yang dicuri untuk bertransaksi dengan kartu pembayaran curian. Aktivitas ini dapat menimbulkan kerugian finansial secara langsung. Artikel ini membahas cara mencegah fraud dan bagaimana rules engine mengevaluasi peristiwa yang dikumpulkan untuk menghasilkan keputusan yang jelas.
Mencegah bot di lapisan infrastruktur
Salah satu cara utama mencegah fraud adalah mencegah bot di lapisan infrastruktur. Caranya antara lain dengan browser fingerprinting, yang mempersulit skrip otomatis meniru perilaku pengguna sebenarnya. Jika semua komponen harus diminta dari server, bukan hanya informasi terbatas, bot akan lebih sulit mengakses data yang diperlukan untuk menyelesaikan pembelian curang.
Mencegah fraud dengan analitik perilaku
Bot yang lebih canggih, seperti browser headless atau browser yang sepenuhnya otomatis, lebih sulit dideteksi. Browser headless dapat dikenali melalui profiling browser dan skrip fingerprinting, tetapi fingerprint-nya sering kali mirip. Browser yang sepenuhnya otomatis dapat memiliki plugin yang terpasang dan perilaku yang lebih kompleks, sehingga pola penumpukan dalam data lebih sulit dikenali.
Analitik perilaku dapat membantu mencegah fraud dari bot yang lebih canggih ini. Dengan mengumpulkan data tentang perilaku pengguna normal selama proses pembelian, Anda dapat mengenali penyimpangan dari pola tersebut dan menandainya sebagai indikasi kemungkinan fraud. Hal yang dapat dipantau mencakup waktu yang dihabiskan pada setiap tahapan, konsistensi informasi teknis seperti fingerprint browser, dan alamat IP.
Peristiwa yang perlu dicatat selama proses belanja online
Berikut beberapa peristiwa yang dapat dicatat selama proses belanja online:
- Mendaftar
- Menambahkan barang ke keranjang
- Mengisi informasi pengiriman
- Memulai proses pembayaran
- Menyelesaikan proses pembayaran
- Melihat halaman produk
- Mencari produk
- Menambahkan produk ke daftar keinginan
- Membagikan produk di media sosial
- Memberikan ulasan atau penilaian produk
- Mengklik iklan atau email pemasaran
- Meninggalkan keranjang belanja
- Kembali ke situs untuk melakukan pembelian tambahan
- Berlangganan buletin atau milis email
- Merekomendasikan situs kepada teman atau keluarga
Simpan dan gunakan semua informasi ini untuk analitik, agar penyimpangan dari perilaku normal dapat dikenali dan aktivitas yang berpotensi sebagai fraud dapat ditandai selama proses belanja online.
Peran rules engine dalam mencegah fraud
Rules engine dapat mengambil keputusan berdasarkan peristiwa yang dikumpulkan dan membantu mencegah fraud dengan menetapkan perilaku yang dianggap normal.
Sebagai contoh, aturan dapat menandai proses pembelian yang berlangsung kurang dari 1 menit sebagai indikasi kemungkinan fraud.
Dengan memperbarui dan menyempurnakan aturan dari waktu ke waktu, rules engine dapat semakin efektif dalam mengenali dan mencegah aktivitas fraud.
Langkah efektif mencegah fraud di e-commerce
Antifraud berbasis peristiwa penting untuk melindungi bisnis Anda dari kerugian finansial akibat aktivitas fraud.
Pencegahan bot di lapisan infrastruktur dan analitik perilaku dapat membantu mengenali dan mencegah perilaku curang dengan lebih efektif.
Rules engine dapat mengevaluasi peristiwa yang dikumpulkan dan mendukung pengambilan keputusan yang jelas. Pembaruan aturan secara berkala meningkatkan efektivitas pencegahan fraud dari waktu ke waktu.
Pertanyaan yang sering diajukan
Peristiwa belanja apa yang sebaiknya dicatat lebih dulu?
Mulailah dengan pendaftaran, perubahan isi keranjang, informasi pengiriman, dimulainya pembayaran, dan penyelesaian pembayaran. Catat waktu setiap peristiwa beserta informasi sesi, browser, dan IP yang konsisten agar analis dapat menilai apakah aktivitas tersebut sesuai dengan pola pembelian yang wajar. Catat aktivitas penelusuran dan pemasaran nanti jika diperlukan untuk menjawab pertanyaan fraud tertentu, bukan dengan mengumpulkan semuanya sejak awal.
Berapa batas waktu checkout yang sebaiknya memicu keputusan terkait fraud?
Anggap checkout yang berlangsung kurang dari satu menit sebagai sinyal untuk ditinjau, bukan aturan pemblokiran yang berlaku untuk semua transaksi. Bandingkan waktu penyelesaian berdasarkan alur checkout, perangkat, dan metode pembayaran, lalu uji 1–5% waktu tercepat sebagai rentang awal untuk peninjauan. Bot juga dapat bergerak lambat, jadi pertimbangkan waktu bersama bukti lain, seperti detail browser yang tidak konsisten atau aktivitas akun yang tidak biasa.
Kapan pembelian perlu diblokir, bukan diminta menjalani verifikasi tambahan?
Minta verifikasi tambahan jika sinyal yang ada menimbulkan kekhawatiran, tetapi belum cukup untuk menolak pelanggan yang sah. Terapkan pemblokiran penuh jika ada beberapa indikator independen yang mengarah pada fraud, dan izinkan pembelian dengan sinyal yang lemah atau hanya satu. Pantau kerugian akibat fraud bersama jumlah pembelian yang selesai dan pelanggan yang tidak melanjutkan setelah verifikasi, karena pemblokiran yang terlalu ketat dapat menghilangkan transaksi yang sah.
Bagaimana menguji aturan fraud baru sebelum digunakan untuk memblokir pembelian?
Jalankan aturan dalam mode observasi terlebih dahulu, lalu bandingkan penandaannya dengan kasus fraud yang telah dikonfirmasi dan hasil bagi pelanggan, berdasarkan perangkat, metode pembayaran, dan sumber trafik. Periksa fraud yang berhasil dideteksi serta pembelian sah yang berpotensi terhambat. Jika hasilnya konsisten, terapkan pemblokiran pada sebagian kecil trafik dan pertahankan kelompok pembanding agar dampak negatif dapat diketahui sejak dini.