En falsk online bestilling kan koste en liten forhandler nesten tre ganger så mye som kostnaden for transaksjonen. Det er det Stripe fant i sin desember 2017 Online Svindel Trender og Behavior Report (PDF).
Online svindeltrenderrapport
Den elektroniske betalingsprosessoren har nylig gitt ut rapporten og ga Small Business Trends et unikt perspektiv via eksklusive e-postkommentarer.
$config[code] not found"Et av våre mål med å publisere rapporten er å hjelpe små bedrifter bedre å forstå hvordan og når bedrageri oppfører seg, slik at de kan skape spesifikke strategier som retter seg direkte mot deres behov," sier Michael Manapat, teknisk leder for betalingsunderretning og erfaring på Stripe, i en e-post med småbedrifter.
Stripes rapport fant at en liten nettbutikk vil bruke $ 2,62 til å kjempe mot online-svindel for hver $ 1 av en bedragerisk ordre. Det går opp til $ 3,34 for en mobil butikk. Derfor ville det være fornuftig at det er best å sette opp forsvaret før du faller offer for bedrageriske transaksjoner.
Men hvor mye forsvar er nok?
Det er sant at cyberforbrytelser stiger, og det er også sant at små bedrifter i økende grad er målrettet mot svindlere. Og ettersom sikkerheten i transaksjoner ved mursteinmagerene øker, øker sannsynligheten for at onlinetransaksjoner blir målrettet oftere også.
Det er imidlertid også sant at små bedrifter kan overinvestere i nettbasert svindelbeskyttelse. Denne rapporten fra Stripe forsøker å hjelpe små nettbutikker til å identifisere hvor de trenger å beskytte seg selv.
"På grunn av deres begrensede ressurser, må de fleste småbedrifter gjøre avveier mellom svindelpolitikk og maksimere lønnsomhet. Mindre bedrifter kan bruke rapporten til å identifisere konsekvente mønstre av falsk oppførsel, sier Manapat.
En liten nettbutikk må kanskje til slutt bestemme om du skal installere noe programvare for svindel i butikken. Men ikke alle små bedrifter vil ha penger eller ressurser til å distribuere et slikt forsvar. I andre tilfeller sier Manapat at nettbutikker må identifisere trender blant svindlere for å oppdage mistenkelig aktivitet mens det skjer.
Til å begynne med, små butikker må fange mer informasjon om sine kunder foran. Dette reduserer i stor grad sjansene for en bedragerisk transaksjon.
"Mens alle virksomheter er forskjellige, forstår det hvordan svindel kommer opp, ikke bare hjelpe mindre detaljister bedre å bekjempe svindel, men også hjelpe dem å forstå hvorfor å sette bedre regler er så viktig," tilføyer Manapat.
Andre viktige tegn på transaksjonsbedraget på nettet er kjøp som kommer inn på unormalt høye priser. Svindelskuespillere vil noen ganger kjøpe 10 ganger det normale tempoet som vanligvis settes på et nettsted. De liker også å treffe i kveldstid, ifølge Stripe. Og du kan forvente denne aktiviteten under lavere trafikk ganger på et nettsted.
"For eksempel stiger svindelpriser ikke spesielt på tunge shoppingdager som Black Friday, men heller på dager som jul når mange mennesker ikke handler," forklarer rapporten.
Et annet nøkkelfunn i rapporten viser at de fleste bedrageriske transaksjoner ikke er for store billettartikler. I stedet er det mindre transaksjoner som har en tendens til å være falsk.
"I USA viser Stripe-data at bedrageriske transaksjonsbeløp bare er litt større enn vanlige transaksjonsbeløp, sier rapporten.
Stripe antyder at små nettbutikker samarbeider med en betalingsprosessor som utnytter maskinlæringsteknologi for å hjelpe til med å finne falske transaksjoner. Men selskapet konstaterer også at det bare er å stole på AI for å oppdage bedrageri. Manuell årvåkenhet er også nødvendig.
"Maskininnlæringsmodeller tar opp denne utfordringen ved å inkorporere mange konteksspecifikke nyanser for å avvise bare de mest mistenkelige transaksjonene, i stedet for å sette på plass tepperegler som lett kan føre til blokkering av gode transaksjoner. Merchants bør jobbe med betalingsprosessorer med maskinlæring og annen teknologi for å optimalisere disse komplekse avvikene mellom å stoppe svindel og maksimere lønnsomheten, legger rapporten til.
Bilde via Shutterstock
1 Kommentar ▼
