3,620 億美元的詐騙損失：洞察如何協助減少損失——並改善數碼體驗

隨著詐騙的影響越來越大，消費者亦理所當然地變得更加謹慎。高達 91% 的受訪者表示，如果他們在購物時遇到詐騙，會考慮徹底放棄該公司，根據 Mastercard 最近一份報告顯示。

商戶也同樣謹慎：同一研究發現，近四成的商戶擔心因詐騙而被歸類為高風險，因為金融機構通常會因此收取更高的費用。

不斷增長的詐騙情況之所以複雜，是因為便利性仍然非常重要。

我們的研究顯示，超過四分之一 (28%) 的消費者曾因對輸入詳細資料所需的時間感到沮喪而放棄交易。他們對靈活性的期望可能仍然很高：例如，Z 世代消費者希望線上購物過程快速便捷的可能性，幾乎是嬰兒潮世代的 2.5 倍。

然而，要在安全性和便利性之間取得適當平衡，並非簡單的各佔一半。同一份報告指出，大多數購物者 (77%) 在網上交易時，在安全性方面優先於速度。

那麼，企業如何才能提供更智能、更安全的用戶體驗呢？最具前瞻性的機構正利用數據與洞見，改善其防詐騙策略。

對於現今的企業來說，真正的競爭優勢在於明智地運用洞察力，並制定正確的參數，以無縫驗證確實真實的交易。

隨著詐騙份子採用日益複雜的方法——當中包括由人工智能驅動，為不法份子帶來新攻擊途徑的方法——企業不能再單單依賴過往有效的既定規則。未來在於情境智能和身份洞察：理解資訊如何連結、模式如何偏離常態，以及如何即時解讀細微信號。

從 john.doe@gmail.com 獲取附帶電子郵件地址的交易。借鑑過往交易的洞察，一個由人工智能驅動的系統可以識別電子郵件是否最近才建立（這可能表明存在詐騙活動），或者它是否一個歷史悠久、更值得信賴的電子郵件地址。

為了在不犧牲敏捷性的情況下創造更安全的交易體驗，企業必須利用機器學習、歷史模式和實時洞察的組合。以下是一些有助實現目標的常見洞察類型：

1. 人員能力：透過在正確的情境中分析姓名、電子郵件、地址和電話號碼等常用識別碼，企業可以掌握這些識別碼的深入資訊，從而幫助他們決定是否推進和確認數碼互動。以下是三個重要的考慮事項，尤其是關於新用戶：

• 電郵：電郵地址是否最近創建，或之前是否曾出現在合法交易中。
• 姓名：此人的姓名之前是否已與此電郵或送貨地址連結？
• 電話號碼：電話號碼是否與過去的購買行為一致，或者是否曾在先前的詐騙嘗試中被標記？

這些洞察力結合分析後，可以給予一個反映交易整體風險的評分。較高的風險評分不一定意味著惡意事件的發生——但可能需要更仔細地審查用於做出該判斷的洞察力。好消息是，商戶可以根據每個評分建立自動化操作，這意味著更安全的交易能夠通過，而潛在的詐騙者則會遇到額外的多輪驗證。

2. 行為能力：此類資訊是指某人如何與網站或服務互動。有了合適的工具，它往往比他們提供的直接資訊更具說服力。以下是一個需要注意的潛在危險信號：

• 交易價值和交易量：此特定用戶的交易規模或頻率是否異常？

人工智能及機器學習模型從這些模式中學習，標示出嚴重偏離預期規範的行為。隨著時間推移，它們變得更智能，能區分深夜禮物購買和冒用虛假身份的詐騙者。

3. 裝置功能：消費者用於存取商家服務的裝置類型，例如手機、平板電腦或電腦，可以為其合法性提供重要見解。企業應追蹤：

• 一致性：消費者的裝置是該帳戶常用的裝置嗎？
• 裝置類型：作業系統或瀏覽器是否過時、已獲 Root 權限或已知與詐騙活動有關聯？例如，顯示使用 Apple iOS Safari 瀏覽器使用者代理的 Android 裝置可能會引起疑慮。

綜合這些洞察，可以輸入到即時風險模型。輕微的差異可能不會被注意到——但累積足夠的不一致之處，便會反映在風險評分中。

最終，企業必須決定如何運用這些洞察，以豐富其詐騙決策。例如，電話號碼和 IP 不匹配（相對常見的情況）不會阻止交易如常進行，而某些詐騙模式則可能觸發雙重認證或暫時凍結。

這些智能層級讓企業能夠建立一個既安全又高效的無縫體驗。現代詐騙工具不將負擔置於客戶身上，而是利用洞見在幕後驗證合法性——為真實交易提供更快的結帳，同時在不法分子造成損害之前將其阻止。

現今生態系統互聯互通、攻擊手法日趨精密、詐騙服務唾手可得、騙局詭計亦真亦幻，商家或許感覺自己在安全與便利之間如履薄冰。但所有企業都有責任大規模保護消費者和生態系統——只要他們具備正確的策略，就能做到。

透過利用更強大的線上互動洞察，企業可以簡化用戶從登入到登出的體驗。這些更強大、可衡量的數據洞察，也能帶來更快的交易審批、更高的收入，以及能激發忠誠度的更佳客戶體驗。

機遇明確，解決方案已存在，時間正在流逝。現在開始，正是最好時機。瀏覽我們的可信交易資源，協助減少詐騙、提高批准率，並確保更佳決策。