已收藏,可在 我的資料庫 中查看
關(guān)注作者
您可能還需要

iPayLinks專家解密丨大數(shù)據(jù)金融下的航旅反欺詐手段

首先,大家需要了解航旅業(yè)中欺詐行為的種類及特點。

iPayLinks專家解密丨大數(shù)據(jù)金融下的航旅反欺詐手段

世界旅行和旅游理事會(WTTC)預(yù)測,到2025年,全世界每年的國際游客數(shù)量將達(dá)到18億人次,比2014年的11億人次增長58%。其中中國旅游業(yè)在亞太地區(qū)份額持續(xù)攀升,促進(jìn)了旅游市場的蓬勃發(fā)展。然而在繁榮背后,航旅業(yè)肩上同樣承擔(dān)著巨大的壓力,尤其是網(wǎng)絡(luò)欺詐的日益猖獗,無論是航空公司還是OTA企業(yè)在互聯(lián)網(wǎng)的浪潮中皆難以躲避欺詐分子之害。

2017年,江蘇警方破獲一起盜刷他人信用卡套現(xiàn)操作“高反機票”牟利的團伙案件;2018年,一“黑客”與國內(nèi)某頭部OTA企業(yè)代理商合作,盜刷71人信用卡;同年,安徽一欺詐團伙盜刷境外信用卡低價轉(zhuǎn)售機票,涉案金額達(dá)1800萬元。

類似的欺詐行為仍然在不斷發(fā)生,且給行業(yè)帶來了巨大損失。

首先,大家需要了解航旅業(yè)中欺詐行為的種類及特點。一般來說,在航旅行業(yè)中常見的欺詐類型有兩種。

一種是獨立性欺詐,比如個人買家有預(yù)謀的惡意退款。獨立性欺詐有很強的偶發(fā)性,比較難防范,但在所有欺詐類型中的占比極少,所以總的來說危害性并不會很高。

第二種就是團伙性欺詐。比較常見的形式是,第三方票代機構(gòu)和欺詐團伙勾結(jié),或者票代機構(gòu)本身就掌握著大量的盜卡或賬戶信息,從而進(jìn)行銀行卡盜刷、積分盜用、里程盜用等一系列非法變現(xiàn)行為。這類有組織的欺詐獲利最高,欺詐比率一般會隨客單的增加而上升,所以對于航旅企業(yè)來說,團伙性欺詐多發(fā)生在節(jié)假日期間。

航旅業(yè)中的絕大部分企業(yè)在處理欺詐問題上并不專業(yè)。雖然航司、酒店能夠直接獲取一手用戶信息,但依然很難及時止損,往往需要承擔(dān)大部分由于拒付、退款所帶來的損失。很多OTA企業(yè)為了攔截欺詐交易,往往是以“錯殺”大量真實訂單為代價。于是越來越多的航旅企業(yè)開始借由第三方支付或風(fēng)控公司來降低欺詐拒付率。

但隨著互聯(lián)網(wǎng)的高速發(fā)展,欺詐新套路層出不窮,部分傳統(tǒng)風(fēng)控公司由于風(fēng)控模式固定、沒有行業(yè)針對性,并不能很好地把控和防范新型欺詐手段。這時,一些有能力掌握大數(shù)據(jù)、人工智能等新技術(shù)的行業(yè)領(lǐng)先OTA、支付公司憑借對用戶交易行為的數(shù)據(jù)分析,可以更好地防范欺詐問題。

對此,iPayLinks首席風(fēng)控顧問Bill表示,支付公司相較于業(yè)務(wù)單一的航旅企業(yè)來說,由于日常業(yè)務(wù)涉及到的不同行業(yè)多,從而積累了大量的支付數(shù)據(jù)并且了解多種類的欺詐手段,所以支付公司在反欺詐方面的經(jīng)驗會更加豐富,對欺詐行為的敏感度也更高。iPayLinks目前的風(fēng)控系統(tǒng)正是通過結(jié)合航旅企業(yè)所掌握的客戶信息數(shù)據(jù),針對行業(yè)完善客戶畫像,從而建立定制化行業(yè)風(fēng)控模型,在不降低交易成功率的前提下把欺詐損失降低到可承受范圍內(nèi),幫助航旅企業(yè)提高經(jīng)營利潤。

現(xiàn)如今越來越多新技術(shù)的誕生促進(jìn)了反欺詐技術(shù)的進(jìn)步,最明顯的就是大數(shù)據(jù)與人工智能的出現(xiàn),大大提升了對欺詐行為識別的響應(yīng)速度。以前風(fēng)控面對疑似欺詐行為的發(fā)生時,一般是通過人工來對交易行為、訂單行為進(jìn)行審核,導(dǎo)致處理效率低下?!靶滦图夹g(shù)在處理大量龐雜的數(shù)據(jù)時,可以基于多維度綜合地分析用戶行為,從而提高風(fēng)控審核效率,同時進(jìn)一步將真正的危險拒之門外?!盉ill說。

在反欺詐問題的解決與防范上,iPayLinks一直處于跨境支付領(lǐng)域的前沿,自主研發(fā)的智能風(fēng)控體系建立,能對相關(guān)的資金風(fēng)險進(jìn)行有效識別、防范;經(jīng)過iPayLinks多年的不斷探索與創(chuàng)新,已經(jīng)可以有效覆蓋事前、事中、事后各個環(huán)節(jié);應(yīng)用大數(shù)據(jù)分析消費行為,降低誤判率和提高欺詐交易捕獲率;通過實時流計算引擎,快速處理交易,達(dá)到毫秒級欺詐交易識別速度;利用機器學(xué)習(xí)算法,洞察難以發(fā)現(xiàn)的異常交易。

談到新技術(shù),大家可能會不約而同的想起今年最“火”的5G。在5G時代即將來臨的當(dāng)下,反欺詐形勢也將有著巨大的變化。表面上看,5G最大的特點就是快,但基于這一特點,未來世界在移動端進(jìn)行交易的用戶也將越來越多。移動支付的主戰(zhàn)場,很有可能從現(xiàn)在的歐美、亞太,轉(zhuǎn)移至非洲、中東等國家和地區(qū)。

談到這一點,Bill表示,這些異文化地區(qū)的人們在移動端的使用行為上也許與我們目前所熟知的用戶行為不同,因此極有可能會與真正的欺詐行為混淆,如何精準(zhǔn)分析他們在移動端的支付行為將是我們在5G時代需要克服的痛點之一。


分享到:

--
評論
最新 熱門 資訊 資料 專題 服務(wù) 果園 標(biāo)簽 百科 搜索

收藏

--

--

分享