Künstliche Intelligenz Machine Learning Parts

Wie maschinelles Lernen Betrug im E-Commerce verhindert

Der E-Commerce-Bereich wächst weiter rasant und nähert sich 2018 weltweit drei Billionen US-Dollar. Gegenüber dem Vorjahr ist er um 18 Prozent gestiegen. Mit diesem massiven Umsatzwachstum ist leider auch ein erhebliches Wachstum an Betrugsvorgängen verbunden. Laut Experian stieg der E-Commerce-Betrug im Jahr 2017 um erstaunliche 30 Prozent (Daten für 2018 sind derzeit nicht verfügbar). Damit wuchs der Umfang an Betrugsvorgängen also fast doppelt so schnell wie der von tatsächlichen Einkäufen! Und angesichts des Dollarvolumens der Einkäufe im E-Commerce bedeutet dieses Wachstum Milliardenverluste.
Doch was können E-Commerce-Unternehmen machen, um sich zu wehren und sich zu schützen? Viele wenden sich dem maschinellen Lernen zu, einer Unterkategorie künstlicher Intelligenz, um Betrug zu erkennen und zu verhindern, bevor er auftritt. Schauen wir uns das maschinelle Lernen genauer an und wie es verwendet wird, um Betrug einzudämmen – und letztendlich Geld zu sparen.

Was ist maschinelles Lernen?

Maschinelles Lernen ist im Wesentlichen eine Art “Künstliche Intelligenz”-Software, die statt direkt programmiert zu werden, darauf ausgelegt ist, um aus Erfahrungen zu lernen und die Ergebnisse zu verbessern. Mit anderen Worten, es ist eine Software, die sich selbst lehrt, wie sie etwas tun kann, indem sie Daten analysiert, Algorithmen entwickelt, die ein Muster beschreiben, und dann diesen Algorithmus anhand neuer Daten testet, um die Genauigkeit der Ergebnisse zu bestimmen.

Wie sieht das in der Betrugsprävention aus?

Nun, ein Machine-Learning-System kann alle Transaktionen analysieren, die ein E-Commerce-Verkäufer abgeschlossen hat, einschließlich Transaktionen, die sich als Betrug herausgestellt haben. Basierend auf diesen Daten kann ein Algorithmus erstellt werden, der vorhersagt, wann eine Transaktion betrügerisch ist. Beispielsweise könnte ein Algorithmus entwickelt werden, der besagt, dass „wenn ein Konto drei Kreditkarten gleichzeitig hinzufügt und zwei von ihnen abgelehnt werden, die Wahrscheinlichkeit hoch ist, dass es sich dabei um Betrug handelt.“ Im Falle solch eines Verhaltens seitens des Kontoinhabers kann der Händler dann Schritte einleiten, um die Identität des Benutzers zu überprüfen.

Darüber hinaus können jederzeit neue Daten eingeführt werden, wodurch das System intelligenter und genauer wird. Beispielsweise kann es eine Reihe von betrügerischen Transaktionen erkennen, die von einem bestimmten geografischen Standort oder für einen bestimmten Betrag stammen. Dies ist von wesentlicher Bedeutung, da Betrüger ständig ihre Taktik ändern – und damit maschinelles Lernen zu einem wichtigen Instrument für Händler im E-Commerce machen, um über potenzielle betrügerische Transaktionen auf dem Laufenden zu bleiben.

Bekämpfung des Identitätsdiebstahls im E-Commerce

Eine weiterer Ursprung von Betrug liegt vor, wenn in ein Konto eingebrochen wird. Betrüger kaufen (oder stehlen) Kontoinformationen auf dem Schwarzmarkt, verwenden diese dann, um auf die Konten von Personen zu gelangen und Käufe zu tätigen, und zwar anhand ihrer bereits gespeicherten Informationen.

Ein System für maschinelles Lernen kann Daten über das normale Kundenverhalten analysieren, z. B. von welchen Geräten er sich normalerweise anmeldet, wie Uhrzeit, Ort etc. und diese Informationen dann verwenden, um anomale Kontoaktivitäten zu identifizieren.

Durch die Verwendung fortschrittlicher System für maschinelles Lernen können Händler leistungsstarke Tools zur Betrugserkennung einsetzen, mit denen sie mehr Betrugsversuche erkennen und verhindern können. Und dies kommt gerade zur rechten Zeit, da sich die Methoden und Bedrohungen jedes Jahr weiter vermehren.

Wenn Sie nach Wegen suchen, wie maschinelles Lernen und künstliche Intelligenz Ihrem Unternehmen helfen können, sich selbst zu schützen, wenden Sie sich an uns. Wir helfen Ihnen gerne dabei, herauszufinden, wie diese Cutting-Edge-Technologie Ihr Geschäft intelligenter machen kann.

Mit besten Grüßen,
Florian Horn

0 Kommentare

Dein Kommentar

An Diskussion beteiligen?
Hinterlasse uns Deinen Kommentar!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.