Eine betrügerische Online-Bestellung kann einen kleinen Einzelhändler fast dreimal so viel kosten wie die Transaktion. Das hat Stripe in seinem Online-Bericht über Betrugstrends und Verhalten im Dezember 2017 (PDF) gefunden.
Online-Bericht über Betrugstrends
Der Online-Zahlungsprozessor hat den Bericht kürzlich veröffentlicht und Small Business Trends durch exklusive E-Mail-Kommentare eine einzigartige Perspektive gegeben.
$config[code] not found"Eines unserer Ziele bei der Veröffentlichung des Berichts besteht darin, kleinen Unternehmen dabei zu helfen, besser zu verstehen, wie und wann betrügerisches Verhalten auftaucht, damit sie spezifische Strategien entwickeln können, die direkt auf ihre Bedürfnisse eingehen", sagt Michael Manapat, technischer Manager für Zahlungsinformationen und Erfahrung bei Stripe, in einer E-Mail mit Small Business Trends.
Der Bericht von Stripe ergab, dass ein kleines Online-Einzelhandelsunternehmen für jeden US-Dollar einer betrügerischen Bestellung $ 2.62 für den Kampf gegen Online-Betrug ausgeben wird. Dies bedeutet bis zu 3,34 US-Dollar für ein mobiles Einzelhandelsgeschäft. Daher wäre es sinnvoll, die Verteidigung zu verteidigen, bevor sie betrügerischen Transaktionen zum Opfer fallen.
Aber wie viel Verteidigung reicht aus?
Es stimmt, dass Cyber-Verbrechen zunehmen, und es trifft auch zu, dass kleine Unternehmen zunehmend von Betrügern angegriffen werden. Und da die Sicherheit von Transaktionen in stationären Geschäften steigt, steigt auch die Wahrscheinlichkeit, dass Online-Transaktionen häufiger anvisiert werden.
Es ist jedoch auch richtig, dass kleine Unternehmen in den Schutz vor Online-Betrug investieren können. Dieser Bericht von Stripe soll kleinen Online-Händlern helfen, herauszufinden, wo sie sich schützen müssen.
„Angesichts ihrer begrenzten Ressourcen müssen die meisten kleinen Unternehmen Kompromisse zwischen Betrug bei der Polizeiüberwachung und der Maximierung der Rentabilität machen. Kleinere Unternehmen können mit dem Bericht konsistente Muster betrügerischen Verhaltens ermitteln “, sagt Manapat.
Ein kleiner Online-Einzelhandel muss möglicherweise entscheiden, ob in seinem Geschäft eine Software zur Betrugsbekämpfung installiert werden soll. Aber nicht jedes kleine Unternehmen hat das Geld oder die Ressourcen, um eine solche Verteidigung einzusetzen. In anderen Fällen, so Manapat, müssen Online-Shops Trends bei Betrügern erkennen müssen, um verdächtige Aktivitäten während des Geschehens zu erkennen.
Für den Anfang müssen kleinere Geschäfte mehr Informationen über ihre Kunden erfassen. Dies verringert die Chancen einer betrügerischen Transaktion erheblich.
"Auch wenn jedes Unternehmen anders ist, hilft das Verständnis, wie Betrug auftaucht, nicht nur kleineren Einzelhändlern bei der effektiveren Bekämpfung von Betrug, sondern auch dem Verständnis, warum die Festlegung besserer Regeln so wichtig ist", fügt Manapat hinzu.
Andere wichtige Anzeichen für einen Online-Transaktionsbetrug sind Einkäufe, deren Preise ungewöhnlich hoch sind. Betrüger kaufen mitunter das 10-fache des üblichen Tempos auf einer Website. Laut Stripe schlagen sie auch gerne in den Abendstunden. Und Sie können diese Aktivität bei niedrigeren Verkehrszeiten auf einer Website erwarten.
"Zum Beispiel steigt die Betrugsrate nicht an starken Einkaufstagen wie dem Black Friday, sondern an Tagen wie Weihnachten, an denen viele nicht einkaufen", erklärt der Bericht.
Eine weitere wichtige Erkenntnis aus dem Bericht zeigt, dass die meisten betrügerischen Transaktionen nicht für Artikel mit großen Tickets gelten. Stattdessen sind es kleinere Transaktionen, die in der Regel betrügerisch sind.
"In den USA zeigen Stripe-Daten, dass betrügerische Transaktionsbeträge nur geringfügig über den regulären Transaktionsbeträgen liegen", heißt es in dem Bericht.
Stripe legt nahe, dass kleine Online-Händler mit einem Zahlungsprozessor arbeiten, der Machine-Learning-Technologie einsetzt, um gefälschte Transaktionen zu erkennen. Das Unternehmen weist jedoch auch darauf hin, dass es nicht ausreichend ist, sich nur auf AI zu stützen, um Betrug zu erkennen. Manuelle Wachsamkeit ist ebenfalls erforderlich.
„Machine-Learning-Modelle begegnen dieser Herausforderung, indem sie viele kontextspezifische Nuancen einbeziehen, um nur die verdächtigsten Transaktionen abzulehnen, anstatt pauschale Regeln einzuführen, mit denen gute Transaktionen leicht blockiert werden können. Händler sollten mit Zahlungsverarbeitern mit maschinellem Lernen und anderen Technologien zusammenarbeiten, um diese komplexen Kompromisse zwischen Betrugsbekämpfung und Maximierung der Rentabilität zu optimieren “, fügt der Bericht hinzu.
Foto über Shutterstock
1 Kommentar ▼
