Türsteher oder Umsatzbringer: Warum Onlineshops Betrugsabwehr neu denken sollten

Die meisten modernen Onlineshops setzen bereits auf ein automatisiertes Betrugsabwehr-System. Dieses basiert meist auf einem standardisierten Regelwerk, das die Spreu vom Weizen trennen soll, also gute Kunden von Betrügern. Doch angesichts von vermehrtem Identitätsdiebstahl, Kreditkartenbetrugs und immer raffinierteren Betrugsmethoden wird zu härteren Kontrollmechanismen gegriffen. Die teilweise sehr starr gesetzten Regeln schlagen jedoch oft falschen Alarm. So kommt es häufig vor, dass zahlungswillige Kunden nicht mit ihrer bevorzugten Zahlart einkaufen können oder im Check-out gleich ganz abgelehnt werden. Das schmälert nicht nur die Kundenzufriedenheit, sondern auch die Umsätze.

State-of-the-art-Betrugsabwehr setzt auf Machine Learning

Um Umsätze künftig nicht nur zu schützen, sondern auch zu steigern, sind neue Wege in der künftigen Fraud Prevention gefragt. Der Risk & Fraud-Spezialist Experian hat mit dem Fraud Guide ein übersichtliches Whitepaper zum Thema herausgebracht. Die These: Starre Regeln, die eigentlich vor Betrug bewahren sollen, werden zum Türsteher vor der digitalen Ladentür – und bremsen damit die Umsätze im Digital Commerce. Nur wer seinen Türsteher smart aufstellt, erhält die nötige Präzision bei der Entscheidung: Transaktion ablehnen, prüfen oder annehmen. Smart bedeutet in diesem Fall ein intelligentes System, das Daten automatisiert nutzt, klug kombiniert und auf Dauer aus den gesammelten Erfahrungen dazu lernt. Kurz: ein Machine-Learning-Modell.

False Positives als zentraler Umsatzhebel

Die smarten Datenmodelle setzen neue Maßstäbe in der Akzeptanz von Online-Kaufabschlüssen und bei der Vermeidung von False Positives. Denn wenn die zahlungswilligen Kunden nicht mehr fälschlicherweise aussortiert werden, können sie zufrieden einkaufen und bescheren dem Unternehmen weitere Umsätze. Mit dem Einsatz eines Machine-Learning-Modells, das präzise trainiert ist, sind laut Erfahrungen von Experian bis zu 15 Prozent mehr Umsatz möglich. Bei einem sechsstelligen Transaktionsvolumen pro Jahr könnte ein einziger Onlineshop somit mehrere Millionen Umsatz zusätzlich generieren – und das ohne zusätzliche interne Aufwände, wie manuelle Transaktionsprüfungen.

Fraud Guide bündelt Wissen

Wer sich eingehender mit dem Thema auseinandersetzen möchte, dem bietet der Fraud Guide reichlich Basiswissen: Angefangen mit einer kleinen Fraud-Begriffskunde, über die Mechanismen eines Machine-Learning-Modells, bis zur Argumentation, warum im Online-Business künftig nichts mehr ohne Machine Learning geht. Eine zentrale Erkenntnis nach der Lektüre: Unternehmen im Digital Commerce können mit einer richtig aufgesetzten Betrugsabwehr samt smarten Datenmodellen deutlich mehr Umsatz generieren.

>> Jetzt Fraud Guide herunterladen!