Cos'è una soglia di punteggio frode SaaS?

La soglia del punteggio di frode SaaS è un confine numerico in base al quale si intraprendono azioni a seconda del livello di rischio indicato dalla transazione. Di solito, dopo che un modello di machine learning ha analizzato una transazione, viene assegnato un punteggio in base al grado di somiglianza con la frode. La soglia indica quale azione intraprendere successivamente, se approvare l'ordine, richiedere una revisione manuale o rifiutarlo. Il posizionamento corretto del punto di interruzione è cruciale in quanto influisce sia sulla sicurezza che sul fatturato dell'azienda.

La definizione di un punteggio favorevole può variare, influenzata dai criteri specifici adottati da ciascun fornitore. Un punteggio a basso rischio è tipicamente associato a transazioni che non presentano anomalie significative; un punteggio elevato può corrispondere a situazioni che richiedono un'ulteriore revisione, come discrepanze nei dettagli del cliente o dell'account, un volume di transazioni atipico in un breve periodo di tempo, o un indirizzo IP di origine che solleva preoccupazioni. 

I merchant SaaS stabiliscono le proprie fasce; ad esempio, 0–30 significa “approvazione”, 31–70 indica “revisione” e 71+ significa “rifiuto”, a seconda principalmente della loro tolleranza al rischio, del valore medio dell'ordine e del settore.

Comunemente, le aziende SaaS utilizzano questi approcci:

• Soglia fissa singola — questa tecnica utilizza una singola soglia fissa per differenziare tra stati approvati e rifiutati, senza una categoria intermedia.
• Soglie a più livelli — i punteggi sono organizzati in più categorie o fasce (ad es., “approva”, “revisiona”, “rifiuta”), consentendo così l'aspetto della revisione manuale.
• Soglia dinamica — il livello di interruzione è influenzato da fattori della transazione come quantità, tipo di articolo o storico del cliente.
• Soglia segmentata — vengono impostate soglie diverse per segmenti diversi come gruppi di clienti, mezzi di pagamento o località (ad es. geograficamente).
• Soglie regolate tramite machine learning — il livello di cutoff si evolve continuamente man mano che emergono nuovi schemi di frode, quindi il modello deve auto-regolarsi al volo.

Trovare la giusta soglia SaaS si basa principalmente sui dati storici. Ecco alcuni dei passaggi che puoi seguire per raggiungere questo obiettivo:

1. Controlla le transazioni passate per individuare dove frodi e ordini genuini si sono raggruppati in intervalli di punteggio di rischio.
2. Determina le quantità di clienti regolari respinti e le quantità di casi di frode identificati a vari livelli di cutoff.
3. Invece di utilizzare un'unica soglia generica, raggruppa i clienti in base a indicatori di rischio come il valore dell'ordine, la geografia o la categoria di prodotto.

I commercianti considerano tipicamente l'equilibrio tra rischio e ricavo quando stabiliscono le soglie del punteggio di frode. Una riduzione della soglia di autorizzazione corrisponde tipicamente a un numero maggiore di ordini che presentano rischi intrinseci. Ciò può influenzare la frequenza degli storni di addebito, riscossione delle commissioni, e la gestione delle penali. I dati suggeriscono una connessione tra un punto di cutoff più elevato e il processo che i clienti verificati intraprendono per requisiti specifici, influenzando potenzialmente la conversione delle vendite, i ricavi e la fiducia dei clienti.

La precisione di una soglia fissa di rilevamento frodi è influenzata dai cambiamenti nelle tattiche di frode. La maggior parte dei commercianti SaaS rivede le proprie soglie almeno trimestralmente e in occasione di eventi di vendita importanti, del lancio di nuove linee di prodotti o quando si verifica un aumento sostanziale di chargeback o falsi rifiuti.

Prima di prendere qualsiasi decisione su dove dedicare i tuoi sforzi, metti in ordine alcune delle tue idee.

1.   Quali aspetti di storni di addebito e rifiuti errati sono rilevanti per le operazioni finanziarie della tua azienda?
2.   Con un elevato volume di transazioni, è pertinente valutare la praticità di revisionare manualmente ogni ordine aziendale?
3.   C'è stato un cambiamento nella demografia dei clienti o nell'offerta di prodotti?

Fattori decisionali:

•       Metriche specifiche del settore per la prevalenza delle frodi
•       prevenzione delle frodi metodi e risorse disponibili
•       Accettazione del carico di lavoro da parte dei revisori umani