Amazon Fraud Detector 客户

在 AWS，我们使用 Amazon Fraud Detector 来保护客户和自身业务。当我们进入新市场或地区时，Amazon Fraud Detector 尤其有用，因为即使我们没有可靠的历史数据，IP 地址和电子邮件地址等丰富的输入信息也能立即提高保护。通过使用 Amazon Fraud Detector 的自动在线欺诈洞察模型，我们在新地区发现的欺诈性账户注册比之前多了 35%。此外，Amazon Fraud Detector 使我们能够在半天内为业务的新部分训练模型 — 这个过程以前至少需要一周时间。

12 个月前，我们正在寻找一种欺诈侦测解决方案，不需要我们大量投资于机器学习专长。通过透明的随用随付定价，Amazon Fraud Detector 帮助我们轻松创建一个有效且实惠的新机器学习模型，并将其整合到我们的现有设置中。

自 Amazon Fraud Detector 推出以来，我们的中止率下降到了 2% 以下（之前为 5%）。此外，我们的撤单率达到公司成立以来最低水平。该业务现在可以接受更多结账，而我们过去的模型可能会将其标记为有风险并拒单。但最棒的是，我们实现了这些卓越成果，而运营成本与之前大致相同。所有这些综合在一起，增加了预订量和收入，同时减少了因撤单造成的损失

使用 Amazon Fraud Detector，我们将欺诈交易减少了 6%。同时，我们已经能够在超过 90% 的交易中实现自动结帐，这些交易以前会被标记为手动审核。现在，我们手动审核的交易从 10% 下降到了不到 1%。

自从我们实施此服务以来，我们看到 Trustpilot 评分有了显著的提高，我们知道这是自动结账检测的结果，以及我们一直对网站上进行的额外改进的结果。信任是我们对客户的价值观的重要组成部分，因此，这对我们的业务来说是一个巨大的胜利。

Amazon Fraud Detector 是我们的检测和缓解欺诈能力的重要补充。借助编写适用于我们独特情况的自定义规则、按需训练 ML 模型，以及与其他 AWS 服务无缝集成的能力，我们不仅能快速、明智地做出决策，同时还保持对平台的完全掌控。AWS 在概念验证阶段让我们受益良多，并且还不断根据欺诈的趋势为平台添加新功能。

我们为网页设计平台开发的基于规则的欺诈检测方法已经能够成功的阻止不良行为者，但随着业务的发展，我们认识到需要不断改进。我们尝试的一些方法是为了防止欺诈，但却以客户体验为代价。我们开始研究基于机器学习 (ML) 的方法，以帮助我们在提高防欺诈能力和提供良好的客户体验之间取得平衡，并能够快速启动并运行。Amazon Fraud Detector 正是我们所需要的：基于云的欺诈检测服务使我们能够轻松创建自定义的 ML 模型，并与我们现有的方法相集成。我们发现构建和部署一个基于 ML 的欺诈“探测器”的过程很简单，可以利用我们现有的资源来完成。有了 Amazon Fraud Detector，我们能够进一步提高准确率，漏报率下降了两位数，是我们能够抓住更多的不良行为者。此外，我们还节省了从零开始构建基于 ML 的方法并将其与现有解决方案相集成所需的无数个小时的努力。我们看到了进一步使用 Amazon Fraud Detector 的巨大可能，它可以帮助我们提供客户所期望的安全无痛的网页设计体验。

GoDaddy 致力于防止欺诈性账户，并不断增强在注册过程中自动检测此类账户的能力。最近，我们开始使用 Amazon Fraud Detector，很高兴它提供了低成本的实施和一种自助式的方法来构建针对我们业务定制的机器学习模型。该模型可以在我们的新账户流程中轻松部署和使用，而不会影响合法用户的注册体验。我们使用 Amazon Fraud Detector 构建的模型能够立即检测出潜在的欺诈注册，我们对使用结果非常满意，并期待取得更多成果。

2020 年第 1 和 2 季度，用于网络钓鱼攻击的账户数量激增。因此，我们需要用更强的交易数据和信号来补充我们现有的自主解决方案，以便更快地识别出坏人。作为一个发展中的企业，基于预测性机器学习的可扩展解决方案对于我们很重要。利用 Amazon Fraud Detector，我们可以使用自己的数据轻松构建模型，以准确识别出导致网络钓鱼攻击的账户注册。更重要的是，我们能够获得误判率很低的结果，这意味着我们的运营工作人员不需要额外工作。Amazon Fraud Detector 有一个具有竞争力的定价模型，我们可以轻松地将该模型集成到现有的工作流程中。

Amazon Fraud Detector 使我们能够大大改善运营，让我们更灵活地应对不良行为，并对系统和流程有更大的控制。最初，我们在探索内部和第三方解决方案。当 Amazon Fraud Detector 发布后，我们立即改变了方向。我们是 AWS 多年的客户，非常信任 Amazon 的产品。有了 Amazon Fraud Detector，我们不再受制于本地或 SaaS 产品带来的传统限制。相反，我们可以灵活地调整 Machine Learning 支持的服务来满足我们的需求，并能够使用 AWS 的纯规则选项，同时在需要时轻松扩展到完整的 Machine Learning 功能。这为 Truevo 节省了 3-6 个月的开发时间！ 事实上，我们在 30 分钟内就部署了第一个原型模型。

总体来说，我们在运营时对实时侦测欺诈的能力更有信心。当我们注意到可能无法完全理解但需要停止的奇怪活动时，我们可以更好地部署规则检测。我们能够响应和适应不断变化的监管和方案要求，从而使我们能够处于领先地位。

在 Clearly，我们一直在寻找方法，进一步提升优异的客户服务，同时更好地保护我们的业务。我们之前的欺诈检测解决方案仅仅是根据过去的欺诈尝试对规则进行反应式硬编码，然后手动调查所有可疑交易。这导致我们忽略了大量的欺诈行为，由于人工审查而延迟了客户的订单，同时也推高了我们的履约成本。我们之前一直犹豫要不要探索机器学习解决方案，就是因为我们缺乏快速行动的能力和长期固定的机器学习团队，但是有了 Amazon Fraud Detector，我们得以在短短几周内部署准确可靠的防欺诈解决方案。现在，我们能发现更多的欺诈行为，发送到人工审查的订单数量减少，每周能节省数千美元。

使用了这种欺诈检测解决方案后，ICONY 支持团队发现他们处理虚假和垃圾邮件账户所花费的时间减少了 77%。这使团队腾出时间来检查个人用户，立即提高了平台的质量，来自社区的欺诈报告下降了 63％。此外，注册后继续使用平台的用户数量增加了 4.13％。随着虚假账户和骗子的骚扰减少，用户在平台上的体验更佳，也更乐于使用该平台。

通过在 WuzzTrack 系统中使用 Amazon Fraud Detector，Wuzzon 现在拥有了更强大、更可靠的欺诈检测解决方案，它还可以检测更多新型欺诈手段。实施起来快速便捷，效果甚至超出预期。在某些极端情况下，误报率减少了高达 43％（与以前基于规则的解决方案相比），而对其他来源的真实欺诈的报告率增加了 11% 到 14％。

自从使用了 Amazon Fraud Detector，我们取得了很好的成果。公司大约 94％ 的保险索赔通常被评为低风险，2 月份采用传统手动流程时，这类索赔的赔付时间为 48 小时，到 8 月底时则缩短为不到 6 小时。客户体验得到了改善。自使用该服务以来，2022 年 2 月至 2022 年 8 月期间，我们的净推荐值调查（NPS）评分提高了 36％。这些都要归功于对低风险索赔进行安全的自动化批准带来的更快速赔付。对于被评为高风险的 6％ 的索赔，相比之前，我们能更好地进行调查。因此，我们能够彻底调查可疑案件，制止更多涉及实际欺诈的索赔。总的来说，我们在赔付之前能够确认的欺诈案件增加了 100% 以上，这大大降低了企业面临的风险。