SaaS不正スコアの閾値とは何ですか？

SaaS詐欺スコアのしきい値は、取引によって示されるリスクレベルに応じてアクションを取る数値的な境界線です。通常、機械学習モデルが取引を分析した後、詐欺との類似度に基づいてスコアが割り当てられます。そのしきい値は、注文を承認するか、手動レビューを要求するか、または却下するかなど、次に取るべきアクションを示します。カットオフの適切な配置は、セキュリティと会社の収益の両方に影響するため、極めて重要です。

好ましいスコアの定義は、各ベンダーが採用する特定の基準によって異なります。低リスクスコアは通常、重大な異常を示さない取引に関連付けられますが、高スコアは、顧客またはアカウント情報の不一致、短期間での異常な取引量、または懸念を引き起こす発信元IPアドレスなど、さらなるレビューが必要な状況に対応する場合があります。 

SaaS事業者は独自の帯域を設定します。例えば、0～30は“承認”、31～70は“レビュー”、71以上は“却下”を意味し、これは主に、リスク許容度、平均注文額、および業界によって異なります。

一般的に、SaaS企業はこれらのアプローチを採用しています。

• 単一固定しきい値 — この手法は、単一の固定しきい値を利用して、承認済みと却下済みのステータスを中間カテゴリなしで区別します。
• 段階的しきい値 — スコアは複数のカテゴリやバンド（例：“承認”、“審査”、“却下”）に分類され、それにより手動でのレビューが可能になります。
• 動的しきい値 — カットオフレベルは、数量、品目タイプ、顧客履歴などの取引要因によって影響を受けます。
• セグメント別しきい値 — 顧客グループ、支払い手段、場所（例：地理的）などの異なるセグメントに対して、異なるしきい値が設定されます。
• 機械学習により調整されるしきい値 詐欺の新しいパターンが出現するにつれて、カットオフレベルは継続的に進化するため、モデルは随時自己調整を行う必要があります。

適切なSaaSのしきい値を見つけることは、主に過去のデータに基づいています。それを達成するために、以下のいくつかのステップを実行できます。

1. 過去の取引を確認し、リスクスコアの範囲全体で詐欺と正規の注文がどこに集中しているかを特定します。
2. カットオフレベルごとに、拒否された正規顧客の数と、特定された詐欺事例の数を特定します。
3. 一律の閾値を適用するのではなく、注文額、地域、製品カテゴリなどのリスク指標に基づいて顧客をグループ化します。

販売業者は通常、不正スコアの閾値を設定する際、リスクと収益のバランスを考慮します。承認カットオフポイントの引き下げは、内在するリスクを伴う注文数の増加につながり、これはチャージバックの頻度に影響を与える可能性があります。 手数料徴収、およびペナルティの処理。データは、より高いカットオフポイントと、検証済みの顧客が特定の要件のために実行するプロセスとの間に関連性があることを示唆しており、これは売上コンバージョン、収益、顧客の信頼に影響を与える可能性があります。

固定された不正検出のしきい値の精度は、不正の手口の変化によって影響を受けます。SaaS事業者の大半は、少なくとも四半期ごとに、また大規模なセールイベント、新製品ラインの発売時、あるいはチャージバックや誤検知の大幅な増加があった際に、しきい値を見直しています。

どこに尽力するかを決定する前に、いくつかの考えを整理しておきましょう。

1.   どのような側面が チャージバック と 不当な決済拒否 貴社の財務業務にとって関連性がありますか？
2.   取引量が多い場合、すべての商取引を手動で確認することの実用性を評価することは適切でしょうか？
3.   顧客層や提供する製品に変化がありましたか？

決定要因：

•       詐欺発生率に関する業界特有の指標
•       不正防止 利用可能な方法とリソース
•       人間によるレビュー担当者の作業負荷許容度