商业

欺诈,检测到:为什么每个电子商务商家都应该充分利用机器学习

机器学习–计算机处理和学习信息的能力–拥有彻底改变业务的每面,特别是电子商务的承诺。

尽管真正的遗传机器的科幻图像不再发生了很快,但最近的机器学习等待如深入学习已经在电子商务产生了影响。从改善etailer网站上的搜索结果相关性以更好的产品建议,机器学习在历史数据中汲取与过去相关性的能力,并将其应用于现在的有用预测,帮助在线商家立即提升收入和斜线损失。

提高收入,避免退款

已经获得了机器学习的好处的电子商务的一整形图是不存在的卡(CNP)欺诈检测。一个解决方案供应商 电子商务的欺诈保护风险,使用其机器基于机器的系统,使其客户能够安全地批准更多在线订单,同时还要准确地检测和欺诈订单下降。这提高了客户保留,提升在线订单收入,从收款及其费用和处罚中削减损失。

风险的平台通过以前的聪明欺诈预防工具(例如过度严格的规则)释放出来的康明语平台。这些工具不适当的工具有时会做出不足的欺诈者的体面工作,但拒绝了许多合法命令的成本。对于每种错误拒绝的订单,收入丢失了–因此,潜在的重复客户,随着时间的推移复合这些损失。这严重阻碍了商家的增长,因为新客户不太可能回到一个标记为罪犯的etailer。

机器学习商业

闭合罩的近似看

许多机器学习算法使用一组非常大量的预先标记数据训练。在风险化的情况下,他们将其算法与每个标有合法或欺诈的每个算法。每个订单还包括大量细节(送货地址,帐单地址, IP地址,在下订单等时使用的电子邮件等)。

然后,该算法构建了与欺诈性订单相关的因素的初始模型,并且哪些与合法的因素有关。然后系统使用该初始模型再次通过培训数据梳理,以了解这些关联是否导致与订单最初标记为相同的决定(欺诈或合法令)。然后,系统本身使用算法预测中的任何错误来通过调整对订单的每个细节的统计重量来调整其模型。然后,算法检查从模型的预测再次对训练数据设置,直到算法的预测非常接近训练数据集中的每个订单的标签非常接近。

这种方法的一个好处是,它不仅可以准确地讲述来自合法的欺诈订单的良好工作,但算法还告诉您每个因素的统计重量。

这种方法的另一个优点是,即使在实际支付客户开始使用它之后,学习也仍在继续。一旦出现风险,使用其大型训练数据集以产生良好的工作模型,然后部署欺诈预防系统以支付客户。然后将客户自己的真实数据送回系统,不断改进它。更准确地,数据 来自所有风险的客户 用于不断更新和改进算法,每个客户都可以享受其福利。

持续适应是关键

基于机器学习的解决方案能够留在欺诈者的最重要的策略之上,其他欺诈预防工具无法做到的东西。首先,这些解决方案能够在毫秒内进行高度准确的决策,比手动订单审查更快。通过允许公司获得更多收入,并减少退款损失,通过提高欺诈预防的准确性和速度,机器学习正在为电子商务公司支付股息。

关于作者

头像

安迪罗伯特

安迪罗伯特为那些寻找高质量技术服务的人提供有用的信息和资产。任务是提供真实和确定的信息,以便您可以了解关于软件,应用和互联网服务的明智决定

1条评论

点击这里发表评论
  • Hеllo!我只是希望为您提供一个拇指
    为你的伟大信息’在这篇文章中就到了。
    我会很快地向你的网站上来。

订阅这里

Join the list of our 42,000+ 接收我们最新文章,提示/技巧和比赛细节的订阅者直接到他们的收件箱。免费。

广告

享受免费电子邮件更新