迈点网

旅行支付2:在打击欺诈中平衡摩擦和风险

迈点网 · 王丹丹专栏 · 2019-06-11 17:14:35

2018年21大网络入侵事件影响了全球逾25亿用户。74%的组织是支付欺诈的受害者,2018年数据泄露的平均成本为386万美元。

  支付行业的转型,是推动旅游业从主要是线下、手工处理业务向日益协调的在线业务发展的关键因素之一。

  互联网的发展,以及随之而来的电子商务的诞生——尤其是1994年的亚马逊、1995年的eBay,以及其后不久的在线旅游品牌Travelocity和Expedia——刺激了对数字支付方式的需求。

  第一个是1999年推出的PayPal,如今世界各地的消费者有数百种在线支付产品和服务的方式。

  根据凯捷(Capgemini)和法国巴黎银行(BNP Paribas)发布的《2018年世界支付报告》(World Payments Report 2018), 2016年全球非现金交易额增长10.1%,达到4826亿欧元。预计到2021年,全球复合年增长率将加速至12.7%,新兴市场将增长21.6%。

GettyImages-915806412.jpg

  但随着电子商务的兴起,欺诈行为也随之增多。根据ACI Worldwide的数据,2018年21大网络入侵事件影响了全球逾25亿用户。74%的组织是支付欺诈的受害者,2018年数据泄露的平均成本为386万美元。

  在旅游支付系列的第二部分,我们将与业内专家探讨欺诈:旅游商家面临的独特挑战,以及打击欺诈的最新策略,同时也为合法的在线客户创造积极的体验。

  背景说明

  Phocuswright预测,未来几年,在线预订将超过线下预订,成为全球所有旅游领域的预订方式。

  根据Phocal Point全球市场规模研究分析,在线预订在2018年占总市场的46%,但到2021年将增加到51%,价值为8,380亿美元。

  随着在线预订的转变,在线旅游的支付方式也发生了变化——最初只是在台式电脑上,现在越来越多地通过信用卡、银行转账、电子钱包或其他方式在移动设备上支付。

  任何行业的数字交易都是犯罪分子的目标。但与服装、食品和游戏等其他电子商务领域相比,旅游业具有某些独特的特征,这可能会增加支付欺诈的可能性,使其更难被发现。

  旅游业的平均交易额很高——Sift估计,欺诈性预订的平均价格在283美元至588美元之间,而且不需要提取或交付任何实物产品。

  许多旅游预订也是在最后一刻完成的。Sift估计,72%的移动酒店预订是在入住后的一天内完成的。

  “生活就是这样发生的,你需要尽快到达某个地方。因此,在处理任何有关欺诈的评估时,总是有一定的压力,要有一定的即时性,”Sift trust and safety architect的Jeff Sakasegawa表示。

  许多旅行社都在处理来自全球各地的台式电脑和手机预订的订单,因此传统的欺诈指标不一定适用。

  Nethone首席商务官Rodrigo Camacho表示,“在旅行…例如,从秘鲁IP地址接收印尼卡是很正常的。这可能是一个普通的客户。

  正如ACI Worldwide首席欺诈顾问Marc Trepanier所言:“银行和商人面临的挑战是,任何事情都可能看上去有风险。”

  平衡

  根据Forter2019年欺诈攻击指数显示,从2018年1月到12月,酒店、租车和火车服务提供商等陆上旅行公司遭受的攻击增加了19%,而航空旅行遭受的欺诈攻击减少了29%。

  报告称,“这表明,该行业内的大规模数据黑客行为(其中一些黑客利用护照信息和其他被盗数据)尚未被用于航空旅行欺诈。”这些数据足够有价值,可以用于成熟的身份盗窃(可能有许多阶段),而不是在一次欺诈尝试中‘抛弃’。”

  但有关攻击的统计数据只反映了支付欺诈真实成本的一部分。

  除了因黑客活动而导致的收入损失外,旅游商家每年还会因为拒绝或取消预订而损失数十亿美元的收入,而这些预订会引发欺诈嫌疑。

  根据Cybersource和Phocuswright发布的2018年全球航空公司在线欺诈管理报告,由于涉嫌欺诈,全球航空公司拒绝或取消了近4%的直销渠道预订,导致收入损失1.2%。报告估计,到2020年,这将导致约28亿美元的收入损失。

  在这些被拒绝或取消的预订数据中有假阳性数据——由于商家的欺诈检测系统,合法客户无法完成预订。

  这些误报的代价不仅仅是一次交易。

  Forter联合创始人兼首席执行官Michael Reitblat表示:“这是一个竞争非常激烈的领域,许多(旅游品牌)都指望回访业务。”

  “如果你竭尽全力把客户拉进来,他们想要交易,而你拒绝了他们,他们就不会再回到你的平台。他们会去别的接受他们的地方。因此,重要的是,不仅要把它看作一笔交易,而且要关注消费者的整个生命周期价值。”

  机器学习

  行业专家表示,这些假阳性的原因是传统欺诈检测系统使用的基于规则的模型。依赖于规则——例如,如果买方的IP地址与起飞机场之间的距离超过了指定的英里数,航空公司将拒绝所有预订——会创建一个不必要的僵化系统。

  Camacho问到,“住在离机场1999英里远的人和住在2000英里远的人有什么不同?”

  然而,我们正在做出一个截然不同的决定。现在每天都在发生这样的事情。世界上所有最大的航空公司——这就是现在的运作方式。

  机器学习技术使欺诈检测系统能够以更全面的视角分析客户活动,使用分析大型数据集的算法,而不是依赖于一两个数据点来决定是否应该接受或拒绝交易。

  机器学习还有其他好处,包括速度、效率和规模的改进。

  Reitblat认为,“随着我们获得的信息量越来越大,我们看到的数据越多,流向模式的消费者就越多……系统变得越精确。”

  但舞弊检测的具体参数也会受到经济因素的影响。

  Reitblat说:“如果你是OTA ,你的航空利润率非常非常低,你就会调整系统,使其更加严格,因为欺诈会侵蚀你很大一部分的利润率。但如果你从事酒店业,利润率更高,你可能会进行更多的优化,以尽可能减少摩擦,优化客户体验,提高客户接受度,哪怕是以欺诈率略高为代价。”

  对于旅游品牌来说,如何在欺诈检测和积极的用户体验之间取得平衡仍将是一个问题,但行业专家表示,这是一个可以解决的问题。

  Nethone首席执行官Hubert Rachwalski表示:“现代防欺诈解决方案的任务是控制风险敞口,或将风险控制在合理水平,但同时释放更多的销售,因为我们能够更好地识别真正的威胁。”

  (本文由迈点网编译自phocuswire,原题《Travel payments, part 2: Balancing friction and risk in fighting fraud》,图片也来自原文)

评论