Was ist ein SaaS-Betrugsscore-Schwellenwert?

Der Schwellenwert für den SaaS-Betrugsscore ist eine numerische Grenze, bei der Sie Maßnahmen ergreifen, abhängig vom Risikograd, den Ihre Transaktion anzeigt. Üblicherweise wird nach der Analyse einer Transaktion durch ein Machine-Learning-Modell ein Score zugewiesen, der auf dem Grad der Ähnlichkeit mit Betrug basiert. Der Schwellenwert gibt an, welche Maßnahmen als Nächstes zu ergreifen sind: die Genehmigung der Bestellung, die Anforderung einer manuellen Überprüfung oder die Ablehnung. Die korrekte Platzierung des Grenzwertes ist entscheidend, da sie sowohl die Sicherheit als auch den Umsatz des Unternehmens beeinflusst.

Die Definition einer günstigen Bewertung kann variieren, beeinflusst durch die spezifischen Kriterien, die jeder Anbieter anwendet. Ein niedriger Risikowert wird typischerweise mit Transaktionen assoziiert, die keine signifikanten Anomalien aufweisen; ein hoher Wert kann Situationen entsprechen, die eine weitere Überprüfung erfordern, wie z.B. Unstimmigkeiten in Kunden- oder Kontodaten, ein untypisches Transaktionsvolumen innerhalb eines kurzen Zeitrahmens oder eine Ursprungs-IP-Adresse, die Bedenken aufwirft. 

SaaS-Händler legen ihre eigenen Bereiche fest; zum Beispiel bedeutet 0–30 “Genehmigung”, 31–70 steht für “Überprüfung” und 71+ bedeutet “Ablehnung”, hauptsächlich abhängig von ihrer Risikotoleranz, dem durchschnittlichen Bestellwert und der Branche.

Üblicherweise verwenden SaaS-Unternehmen diese Ansätze:

• Einziger fester Schwellenwert — diese Technik nutzt einen einzigen festen Schwellenwert, um zwischen genehmigten und abgelehnten Status zu unterscheiden, ohne eine Zwischenkategorie.
• Gestaffelte Schwellenwerte — Bewertungen werden in mehreren Kategorien oder Bereichen angeordnet (z.B. „genehmigen“, „prüfen“, „ablehnen“), wodurch eine manuelle Überprüfung ermöglicht wird.
• Dynamischer Grenzwert — der Grenzwert wird von Transaktionsfaktoren wie Menge, Artikeltyp oder Kundenhistorie beeinflusst.
• Segmentierter Grenzwert — unterschiedliche Grenzwerte werden für verschiedene Segmente festgelegt, wie z.B. Kundengruppen, Zahlungsmittel oder Standort (z.B. geografisch).
• Durch maschinelles Lernen angepasste Grenzwerte — die Grenzwerte entwickeln sich kontinuierlich weiter, da neue Betrugsmuster auftauchen, sodass sich das Modell dynamisch anpassen muss.

Die Ermittlung des richtigen SaaS-Schwellenwerts basiert hauptsächlich auf historischen Daten. Um dies zu erreichen, können Sie folgende Schritte unternehmen:

1. Überprüfen Sie vergangene Transaktionen, um festzustellen, wo sich Betrug und echte Bestellungen über Risikostufen hinweg konzentriert haben.
2. Bestimmen Sie die Anzahl der abgewiesenen Stammkunden und die Anzahl der identifizierten Betrugsfälle über verschiedene Schwellenwerte hinweg.
3. Anstatt einen einzigen pauschalen Schwellenwert anzuwenden, gruppieren Sie Kunden nach Risikoindikatoren wie Bestellwert, Geografie oder Produktkategorie.

Händler berücksichtigen typischerweise das Gleichgewicht zwischen Risiko und Umsatz bei der Festlegung von Betrugs-Score-Schwellenwerten. Eine Senkung des Autorisierungs-Schwellenwerts führt typischerweise zu einer höheren Anzahl von Bestellungen, die inhärente Risiken aufweisen. Dies kann die Häufigkeit von Rückbuchungen beeinflussen, Gebührenerhebung, und dem Umgang mit Strafen. Daten legen einen Zusammenhang zwischen einem höheren Schwellenwert und dem Prozess nahe, den verifizierte Kunden für spezifische Anforderungen durchlaufen, was sich potenziell auf die Verkaufskonversion, den Umsatz und das Kundenvertrauen auswirken kann.

Die Präzision eines festen Schwellenwerts zur Betrugserkennung wird durch Verschiebungen in den Betrugstaktiken beeinflusst. Die Mehrheit der SaaS-Händler überprüft ihre Schwellenwerte mindestens vierteljährlich, sowie bei großen Verkaufsaktionen, der Einführung neuer Produktlinien oder einem erheblichen Anstieg von Rückbuchungen oder falschen Ablehnungen.

Bevor Sie Entscheidungen darüber treffen, worauf Sie Ihre Bemühungen konzentrieren, bringen Sie einige Ihrer Gedanken in Ordnung.

1.   Welche Aspekte von Rückbuchungen und Fehlablehnungen sind für die finanziellen Abläufe Ihres Unternehmens relevant?
2.   Ist es bei einem hohen Transaktionsvolumen sinnvoll, die Praktikabilität einer manuellen Überprüfung jeder Geschäftsbestellung zu bewerten?
3.   Hat sich die Kundendemografie oder das Produktangebot geändert?

Entscheidungsfaktoren:

•       Branchenspezifische Kennzahlen für die Betrugshäufigkeit
•       Betrugsprävention verfügbare Methoden und Ressourcen
•       Akzeptanz des Arbeitsaufkommens durch menschliche Prüfer