电商反欺诈:基于事件的风控

基于事件的电商反欺诈简介

基于事件的电商反欺诈是经营线上业务的重要组成部分。欺诈者常利用机器人和盗取的个人信息,使用被盗支付卡购物,这类活动会造成直接财务损失。本文介绍常见的反欺诈方法,以及规则引擎如何评估采集到的事件并作出明确判断。

在基础设施层防范机器人

在基础设施层防范机器人,是反欺诈的主要方法之一。例如,浏览器指纹可以增加自动化脚本模仿真实用户行为的难度。如果服务器要求客户端请求所有组件,而不是只获取有限信息,机器人就更难拿到完成欺诈交易所需的数据。

通过行为分析防范欺诈

无头浏览器或全自动浏览器等高级机器人更难识别。可以通过浏览器画像和指纹脚本识别无头浏览器,但它们的指纹往往相似。全自动浏览器可能安装了插件,行为也更复杂,因此更难从数据中发现集中出现的异常。

行为分析有助于防范更高级的机器人造成的欺诈。通过采集正常用户在购物过程中的行为数据,可以识别偏离这一基线的情况,并将其标记为潜在欺诈。需要关注的因素包括各环节耗时、浏览器指纹等技术信息的一致性,以及 IP 地址。

电商购物流程中需要记录的事件

电商购物过程中可以记录以下事件:

  • 注册
  • 将商品加入购物车
  • 填写配送信息
  • 开始支付
  • 完成支付
  • 查看商品页面
  • 搜索商品
  • 将商品加入收藏
  • 在社交媒体分享商品
  • 发布商品评价或评分
  • 点击广告或营销邮件
  • 放弃购物车
  • 返回网站继续购物
  • 订阅新闻简报或邮件列表
  • 邀请朋友或家人访问网站

应保存这些信息并用于分析,以识别偏离正常行为的情况,并标记电商购物过程中可能存在的欺诈活动。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。

规则引擎在反欺诈中的作用

规则引擎可以根据采集到的事件作出判断,也可以通过定义正常行为的规则帮助防范欺诈。

例如,可以将耗时不足 1 分钟的购物流程标记为潜在欺诈。

随着时间推移,持续更新和完善这些规则,有助于规则引擎更有效地识别和防范欺诈活动。

电商反欺诈的有效做法

总之,基于事件的电商反欺诈是保护业务、避免欺诈活动造成财务损失的重要方式。

在基础设施层防范机器人,并结合行为分析,可以更有效地识别和防范欺诈行为。

规则引擎可以评估采集到的事件,辅助作出明确判断。持续更新规则有助于改善欺诈防范效果。

常见问题

应该优先记录哪些购物事件?

先从注册、购物篮更新、配送信息、发起支付和完成支付这些事件入手。记录事件时间,并确保会话、浏览器和 IP 信息一致,便于分析人员判断活动是否符合合理的购买模式。之后再根据具体的欺诈问题,决定是否补充浏览和营销事件,不要默认采集所有事件。

结账耗时达到什么标准时应触发欺诈判断?

结账耗时不足 1 分钟,可以作为需要调查的信号,不应直接作为通用拦截规则。按结账路径、设备和支付方式比较完成时间,再将耗时最快的 1–5% 作为初步复核范围。机器人也可能放慢操作速度,因此还要结合浏览器信息不一致或账户活动异常等证据。

什么情况下应拦截交易,而不是要求补充验证?

如果风险信号值得关注,但不足以拒绝正常客户,可以要求补充验证。只有多个相互独立的指标都指向欺诈时,才应直接拦截。对于较弱或孤立的信号,可以放行交易。还应同时关注欺诈损失、完成的交易和验证环节的流失情况,因为拦截过严可能导致正常订单流失。

新反欺诈规则上线拦截交易前应如何测试?

先在观察模式下运行规则,再按设备、支付方式和流量来源,将规则标记的交易与已确认的欺诈案例及客户结果进行比较。既要检查规则识别出的欺诈,也要查看它可能影响的正常交易。如果测试结果符合预期,可以先对少量流量启用拦截,并保留对照组,尽早发现不良影响。

将这些审核规则纳入决策流

制定信贷、反欺诈或催收规则,并用于实际决策。