Clientes do Amazon Fraud Detector

Na AWS, usamos o Amazon Fraud Detector para proteger nossos clientes e nosso próprio negócio. O Amazon Fraud Detector é particularmente útil quando entramos em novos mercados ou regiões geográficas, pois o enriquecimento de entradas como endereços IP e endereços de email fornece um impulso imediato, mesmo quando não temos dados históricos robustos. Ao usar o modelo automatizado Online Fraud Insights do Amazon Fraud Detector, começamos a capturar 35% mais inscrições de contas fraudulentas em novas regiões. Além disso, o Amazon Fraud Detector nos permite treinar modelos para novas partes do nosso negócio em meio dia, um processo que até então demorava pelo menos uma semana.

Doze meses atrás, estávamos procurando uma solução de detecção de fraude que não exigisse um grande investimento em nossa própria experiência em machine learning. Com preços transparentes de pagamento conforme o uso, o Amazon Fraud Detector nos ajudou a criar e a incorporar facilmente um novo modelo de machine learning eficaz e acessível em nossa configuração existente.

Desde a introdução do Amazon Fraud Detector, nossa taxa de cancelamento caiu para menos de 2% (anteriormente, era 5%). Além disso, nossa taxa de estorno é a mais baixa desde o início da empresa. A empresa agora pode aceitar mais check-outs, ao contrário de nossos modelos anteriores, que teriam sinalizado como arriscados e rejeitados. Mas, talvez a melhor coisa é que estamos obtendo esses excelentes resultados com aproximadamente os mesmos custos operacionais de antes. Tudo isso resulta em um aumento no número de reservas e receitas, juntamente com uma redução nas perdas devido a estornos.

Com o Amazon Fraud Detector, reduzimos as transações fraudulentas em 6%. Ao mesmo tempo, conseguimos automatizar a realização do checkout da compra em mais de 90% das transações que teriam sido sinalizadas anteriormente para revisão manual. Agora, estamos revisando manualmente menos de 1% de nossas transações, antes eram 10%.

Desde que implementamos esse serviço, vimos uma melhoria significativa em nossa pontuação do Trustpilot e sabemos que isso é o resultado dessa automação de detecção de checkout, bem como das melhorias adicionais que estamos fazendo no site de modo consistente. A confiança é uma grande parte do nosso valor para os clientes, portanto, essa é uma grande conquista para os nossos negócios.

O Amazon Fraud Detector foi uma ótima adição à nossa capacidade de detecção e mitigação de fraude. A capacidade de escrever regras personalizadas a serem aplicadas para nossa situação única, treinar modelos de ML sob demanda e fazer uma integração direta com outros serviços da AWS nos permitiu tomar decisões de forma rápida e inteligente e manter controle total da plataforma. A AWS foi muito solícita durante a etapa de prova de conceito e vem adicionando novos recursos à plataforma em linha com as tendências de fraudes.

A abordagem de detecção de fraudes baseada em regras que desenvolvemos para nossa plataforma de web design tem sido bem-sucedida em bloquear usuários mal-intencionados. Porém, à medida que nossos negócios cresceram, reconhecemos a necessidade de melhorar continuamente. Algumas das abordagens que experimentamos estavam prevenindo fraudes, mas tiveram um custo para a experiência dos clientes. Começamos a investigar abordagens baseadas em machine learning (ML) que nos ajudariam a equilibrar a melhoria da prevenção de fraudes com a manutenção de uma experiência indolor para o cliente e que pudéssemos implantar rapidamente. O Amazon Fraud Detector correspondeu exatamente ao que precisávamos: um serviço de detecção de fraudes baseado na nuvem que nos permitiu criar modelos de ML personalizados facilmente e que se integrou perfeitamente à nossa abordagem existente. Descobrimos que o processo de construção e implantação de um "detector" de fraudes baseado em ML era fácil e poderia ser realizado com nossos recursos existentes. Com o Amazon Fraud Detector, conseguimos melhorar ainda mais a precisão e vimos uma queda de dois dígitos em falsos negativos, o que nos permitiu capturar ainda mais usuários mal-intencionados. Além disso, economizamos inúmeras horas de esforço que teriam sido necessárias para desenvolver uma abordagem baseada em ML do zero e integrá-la à nossa solução existente. Vemos muito potencial para expandir nosso uso do Amazon Fraud Detector para nos ajudar a fornecer a experiência de design da Web segura e descomplicada que os nossos clientes esperam.

A GoDaddy está comprometida em evitar contas fraudulentas e aumentamos continuamente nossas capacidades de detectar automaticamente tais contas durante o cadastro. Recentemente, começamos a usar o Amazon Fraud Detector e estamos satisfeitos com o fato de o serviço oferecer implantação de baixo custo e uma abordagem de autosserviço na construção de um modelo de machine learning que seja personalizado para nosso negócio. O modelo pode ser facilmente implantado e utilizado em nosso processo de novas contas, sem afetar a experiência de cadastro dos usuários legítimos. O modelo que construímos com o Amazon Fraud Detector é capaz de detectar cadastros possivelmente fraudulentos imediatamente. Por isso, estamos muito satisfeitos com os resultados e esperamos realizar mais.

Nos T1/T2 de 2020 observamos um pico no uso de contas para ataques de phishing. Como resultado, precisamos complementar nossa própria solução, já em uso, com dados e sinais de transações mais fortes, a fim de identificar os atores ruins com maior antecedência. Uma solução escalonável, com base em machine learning preditiva, foi importante para nós, pois também somos uma empresa emergente. O Amazon Fraud Detector facilitou a construção de um modelo que utiliza nossos próprios dados e identifica com precisão os cadastros de contas que resultam em ataques de phishing. Mais importante ainda, conseguimos obter esses resultados com uma taxa de falsos positivos muito baixa, o que significa que não acarretou em trabalho adicional para nossa equipe de operações. O Amazon Fraud Detector tem um modelo de precificação competitivo, e podemos integrá-lo facilmente ao nosso fluxo de trabalho atual.

O Amazon Fraud Detector permitiu que aprimorássemos significativamente nossas operações, aumentássemos nossa flexibilidade ao lidar com atores ruins e mantivéssemos maior controle sobre os sistemas e processos. Inicialmente, exploramos uma solução nossa e uma terceirizada. Quando o Amazon Fraud Detector foi anunciado, mudamos o curso imediatamente. Somos clientes da AWS há muitos anos e temos grande confiança nos produtos da Amazon. Com o Amazon Fraud Detector, não estamos mais presos às limitações convencionais das ofertas on-premise ou de SaaS. Pelo contrário, temos flexibilidade para adaptar o serviço baseado em Machine Learning para atender às nossas necessidades e temos a capacidade de usar a opção de apenas regras da AWS enquanto evoluímos facilmente para as capacidades totais do Machine Learning quando precisamos. Isso economizou para a Truevo de três a seis meses de desenvolvimento! Na verdade, nós implantamos nosso primeiro protótipo de modelo em 30 minutos.

Em resumo, estamos operando com mais confiança em nossa capacidade de detectar fraudes em tempo real. Estamos melhor equipados para implantar detecções de regras quando percebemos atividades incomuns que talvez não compreendamos muito bem, mas que ainda assim precisam ser interrompidas. Somos capazes de responder e de nos adaptar a requisitos de esquemas e regulamentos em constante mudança, permitindo que continuemos na nossa melhor forma.

Na Clearly, estamos constantemente procurando maneiras de melhorar nosso incomparável atendimento ao cliente e, ao mesmo tempo, proteger melhor nossos negócios. Nossa solução anterior de detecção de fraudes envolvia regras de codificação rígida de forma reativa com base em tentativas de fraude anteriores e a investigação manual de todas as transações suspeitas. Isso resultou na perda de uma grande quantidade de fraudes, atrasando os pedidos dos clientes devido a avaliações manuais e aumentando nossos custos de atendimento. Estávamos hesitantes em explorar uma solução de ML, pois precisávamos agir rapidamente e não tínhamos uma equipe de ML estável, mas com o Amazon Fraud Detector, conseguimos implantar uma solução de prevenção de fraudes precisa e confiável em apenas algumas semanas. Agora, capturamos mais fraudes e enviamos menos pedidos para análise manual, economizando milhares de dólares por semana.

Depois de implementar essa solução de detecção de fraudes, a equipe de suporte da ICONY viu o tempo gasto lidando com contas falsas e de spam cair em 77%. Isso liberou a equipe para lidar com verificações individuais de usuários, o que imediatamente melhorou a qualidade da plataforma e fez com que as denúncias de fraudes da comunidade caíssem em 63%. Além disso, o número de usuários registrados que retornam à plataforma aumentou em 4,13%. Com menos assédio de contas falsas e golpistas, os usuários se sentem mais confortáveis na plataforma e gostam de usá-la.

Com a implementação do Amazon Fraud Detector no sistema WuzzTrack, a Wuzzon agora tem uma solução de detecção de fraudes muito mais robusta e confiável, que também pode detectar novas técnicas de fraude. A implementação foi rápida e fácil e os resultados foram ainda melhores do que os esperados inicialmente. Em alguns casos extremos, houve uma diminuição de falsos positivos de até 43% (em comparação com as soluções anteriores baseadas em regras), enquanto para outras fontes, a taxa de verdadeiros positivos aumentou em 11 a 14%.

Desde que lançamos o Amazon Fraud Detector na produção, nossos resultados têm sido ótimos. Aproximadamente 94% de nossas reivindicações são normalmente classificadas como de baixo risco, e, para essas reivindicações, o tempo de resposta já foi reduzido de 48 horas em fevereiro, com nosso processo manual tradicional, para menos de 6 horas até o final de agosto. Isso resultou em uma melhor experiência do cliente. Também observamos um aumento de 36% nas pontuações do Net Promoter Survey (NPS) entre fevereiro de 2022 e agosto de 2022, desde quando entramos em produção. Atribuímos isso aos pagamentos mais rápidos devido à automação segura das aprovações de reivindicações de baixo risco. Para os 6% das reivindicações classificadas como de alto risco, agora temos mais capacidade para melhor interrogá-las do que antes. Como resultado, podemos investigar minuciosamente os casos suspeitos e impedir mais reclamações com fraudes reais. No geral, os casos fraudulentos confirmados que pudemos identificar antes de pagar uma reclamação aumentaram mais de 100%, o que reduziu consideravelmente a exposição da empresa ao risco.