非法退款（也称为友好欺诈）对商家来说是一个巨大的问题，一半的卖家声称不诚实的付款纠纷是他们最大的财务消耗。对于中小型公司来说，善意的欺诈可能会使总收入减少高达 1.5%，这可能会导致倒闭和持续商业生存能力之间的差异。

从历史上看，几乎所有支付欺诈检测都是追溯的，发生在可疑攻击发生后，但在电子商务无处不在的时代，打击包括退款在内的欺诈行为需要更智能的方法。为了领先于欺诈者，品牌需要使用新的、技术增强的工具来打击支付过程的每个阶段的欺诈行为。

以下是具有安全意识的商家在整个数字交易过程中保护其财务的策略。

采用数据驱动的方法

传统的欺诈预防侧重于识别过去的攻击，因为没有足够的数据来采取更主动和预防性的方法。但今天，这种情况正在改变。就其本质而言，电子商务交易在交易过程的每一步都会产生大量数据。新的机器学习 (ML) 解决方案和高级分析可以实时收集和分析这些数据，发现可疑活动的模式，从而对潜在欺诈发出早期预警。

然而，重要的是要记住，机器学习工具是通过发现模式来工作的。这意味着随着时间的推移，他们会变得更加聪明，但这也意味着他们并不总是善于应对新情况。不要完全信任“黑匣子”算法。确保您了解幕后情况，并有人类专家在场帮助管理意外情况，例如需求模式或消费者行为的突然（但非欺诈性）变化。

在相关购买中寻找线索

正如我的同事Dor Bank 在 Medium 上分享的那样，机器学习工具尤其强大的一个领域是发现可能存在欺诈行为的购买模式。假设客户每月在同一时间或大约同一时间购买相同的商品。在这种情况下，与他们过去的行为一致的购买不太可能是由被盗的信用卡造成的，因此，对该购买的退款很可能是友好欺诈的一个例子。

出于同样的原因，如果消费者的典型活动突然发生变化（例如，如果他们不是每月购买一种产品，而是突然连续快速购买两打高价值产品），那么很有可能确实发生了无卡攻击或其他形式的支付欺诈。此类方法可以使用回溯分析来标记基于后续行为的看似欺诈的先前交易，并使用过去的交易来标记后来的购买，以便预先进行额外审查。

注意上下文线索

纳入上下文线索，例如商家和消费者之间的售后互动，也可以丰富欺诈检测分析。购物者向客户支持发送的一条消息称他们无法识别订单，这可能表明发生了传统欺诈。另一方面，如果客户取消购买请求，然后提交退款索赔，则毫无疑问正在发生友好的欺诈行为。

不太明显的客户支持交互（例如更改交付详细信息的请求）也可能是一个风险因素，因为欺诈者有时会使用合法地址订购商品以绕过运输验证系统，然后在途中转移包裹。有时还需要一定程度的常识。例如，如果订单涉及将笨重且昂贵的车库门系统运送到高层单间公寓，则可能会发生奇怪的事情。

优先考虑客户体验

在消费者旅程的早期，可以收集与消费者在不同产品页面上花费的时间或输入个人详细信息和完成身份验证检查所需的时间等因素相关的有价值的数据。不过要小心; 必须使此类措施尽可能顺利，以避免降低客户体验。这种方法需要复杂的分析方法来防止误报（误报）和误报（误报使欺诈者有机可乘）和误报（不当拒绝合法交易）。

在数字商务中，客户很容易点击进入竞争对手的网站，因此必须找到将高水平的欺诈保护与无缝销售流程相结合的解决方案，并且能够可靠地识别欺诈行为，而不增加合法客户的摩擦。

在整个支付过程中保持积极主动

在所有这些领域，商家需要找到方法将欺诈预防流程、退款缓解流程和消费者体验结合起来。仅仅关注客户旅程的某一领域或交易流程的某一阶段已经不够了。商家需要智能且集成的端到端解决方案来减少欺诈，同时又不妨碍合法购物者。创建有效的支付欺诈缓解系统是电子商务商家面临的最大挑战之一。赌注很高；如果做错了，他们将面临利润受到侵蚀、客户满意度下降、运营成本上升以及可能受到大型支付卡网络制裁的风险。

幸运的是，新技术（包括精心设计的机器学习和自动化分析解决方案）现在使在线卖家能够与欺诈者展开斗争，并更有效地打击传统欺诈和友好欺诈。

目标是采用端到端方法，并在销售过程的各个阶段主动识别和击败欺诈，防患于未然。该策略涉及实时消除新的攻击，并实施高效且有效的系统来应对售后退款欺诈。

文章翻译自：ecommercetimes；原文链接：https://www.ecommercetimes.com/story/e-commerce-fraud-prevention-requires-end-to-end-transaction-visibility-177584.html