Které obory ztrácejí kvůli podvodům nejvíc a proč se vzorce liší

Ne všechna odvětví čelí stejnému prostředí podvodů. Některá stojí na útočných plochách, které jsou pro profesionální podvodné operace ze své podstaty atraktivnější; jiná mají vlastnosti, které objem útoků omezují, i když je obrana slabá.

Tento text prochází pět oborů, které trvale ztrácejí nejvyšší procento příjmů kvůli problémům spjatým s podvody — iGaming, Crypto/Web3, FinTech/půjčky, AdTech a e-commerce — a vysvětluje strukturální faktory, které každý obor činí pro útočníky atraktivním. Je psán pro produktové, provozní a rizikové lídry, kteří se snaží pochopit, zda jsou čísla ztrát z podvodů, jež vidí, pro jejich kategorii typická, nebo zda je něco špatně.

Proč nejsou podvody rozloženy rovnoměrně

Útočníci fungují na jednotkové ekonomice. Matematika každé podvodné operace je: náklady na útok < získaná hodnota. Obory, které maximalizují pravou stranu této nerovnosti, přitahují nejvíc profesionální pozornosti.

Extrakci hodnoty určují tři strukturální faktory:

Faktor 1: Rychlost zpeněžení. Jak rychle dokáže útočník proměnit úspěšný podvod v hotovost? iGaming má rychlé zpeněžení (uplatnit bonus, protočit sázkový požadavek, vybrat). E-commerce má pomalejší zpeněžení (objednat zboží, přijmout zboží, dále prodat). Crypto může mít extrémně rychlé zpeněžení (uplatnit airdrop, prodat na DEX). Rychlejší zpeněžení přitahuje sofistikovanější operace.

Faktor 2: Hodnota na jednotku. Jaká je finanční hodnota jedné úspěšné podvodné události? Podvod se syntetickou identitou při půjčce může vytáhnout 15–25 tis. USD za jeden úspěšný bust-out. Zneužití bonusu může vytáhnout 50–500 EUR na účet. Click fraud může vytáhnout haléře za klik, ale v obřím objemu. Vyšší hodnota na jednotku přitahuje cílenější útoky; kategorie s vysokým objemem a nízkou hodnotou přitahují spíš industriální automatizaci.

Faktor 3: Obtížnost detekce. Obory, kde se podvod mísí s legitimním chováním, se brání hůř. Syntetická identita je náročná, protože dokumenty vypadají reálně a chování vypadá 12–18 měsíců normálně. Kolaborace (collusion) je náročná, protože každý hráč vypadá jednotlivě legitimně. Click fraud je náročný, protože jednotlivé kliky vypadají jako běžné chování uživatele.

Pět oborů níže dosahuje vysokého skóre alespoň u dvou z těchto tří faktorů. Nejsou to jediné obory s problémem podvodů — nějaký má každá platforma orientovaná na spotřebitele —, ale jsou to ty, kde matematika nejsilněji nahrává útočníkům.

iGaming: 8–20 % GGR

Odvětví, kde se o částkách v penězích mluví nejvíc, protože regulátoři vyžadují zveřejňování. Vyspělé iGaming trhy v regulovaných jurisdikcích typicky ztrácejí 8–15 % hrubého herního příjmu kvůli problémům spjatým s podvody. Méně vyspělé trhy a provozovatelé se slabší obranou mohou ztrácet až 20 %.

Strukturální faktory:

• Vysoké bonusové rozpočty přitahují zneužití bonusů. Provozovatelé utrácejí 5–15 % příjmů za uvítací bonusy, bezrizikové sázky a promo nabídky. Bonusový rozpočet je terčem. Útočníci zakládají multi-účty, aby tyto nabídky opakovaně uplatňovali.
• Rychlé zpeněžení přes sázení a výběr. Uplatnění bonusu, minimální protočení, výběr — celkový čas od podvodu k hotovosti bývá často v hodinách, ne dnech. To dělá operace ekonomicky efektivními i při střední hodnotě na účet.
• Vyspělá infrastruktura útočníků. iGaming je hlavním terčem už přes deset let. Profesionální operace na farmaření bonusů existují ve velkém. Služby pro obcházení KYC jsou vyspělým odvětvím. Trhy s pořizováním dokumentů jsou zavedené.
• Regulace na ochranu hráčů vytvářejí výhodu útočníkům. Provozovatelé čelí tření při agresivním zpochybňování uživatelů (falešně pozitivní vyvolávají stížnosti a pozornost regulátora). Útočníci čelí menšímu tření při iterování proti obraně.

Kategorie podvodů, které pohánějí ztráty: zneužití bonusů a multi-accounting (nejvyšší objem), kolaborace v pokerových formátech, zneužívání bezrizikových sázek, převzetí účtu (ATO) u účtů s vklady. Každá vyžaduje jiné protiopatření.

Upřímné zhodnocení: většina provozovatelů svou míru podvodů podměřuje. Počítají, co zachytí, a míjí, co ne. Skutečná míra je typicky 1,5–2× vyšší než vykazované číslo.

Crypto a Web3: 50–80 % u distribucí zranitelných vůči Sybilu

Nejnovější položka v seznamu s vysokou mírou podvodů a patrně nejextrémnější. U spuštění tokenů, ražby NFT, airdropů a dalších distribučních mechanismů běžně 50–80 % distribuce putuje k farmařícím operacím místo k legitimním účastníkům.

Strukturální faktory:

• Distribuční události jsou velké, rychlé a s vysokou hodnotou. Spuštění tokenu může rozdistribuovat hodnotu 50–500 mil. USD během hodin. Okno pro útok je úzké, ale hodnota ve hře je obrovská.
• Komponovatelnost nahrává automatizaci. Designová filozofie Web3 zdůrazňuje bezpovolenkový přístup. Táž vlastnost, která dělá Web3 mocným, jej činí atraktivním pro útočníky — mohou interagovat s protokoly bez tření, jaké tradiční finance vyžadují.
• Odolnost vůči Sybilu je strukturálně náročná. Rozlišit jeden subjekt ovládající 1 000 peněženek od 1 000 samostatných subjektů, z nichž každý ovládá jednu peněženku, je fundamentální kryptografický problém. Standardní přístupy (proof of activity, sociální grafy, on-chain reputace) mají všechny známé způsoby obcházení.
• Anti-detect prohlížečová infrastruktura přizpůsobená pro Web3. Tytéž nástroje používané při farmaření bonusů v iGamingu fungují i pro farmaření distribucí ve Web3, často účinněji, protože platformy Web3 mívají slabší obranu.

Kategorie podvodů: Sybil útoky na distribuce tokenů, farmaření airdropů s předehřátými peněženkami, obcházení KYC na centralizovaných burzách, falešný obchodní objem na DEXech, atribuce podvodných peněženek. Každá je jiný problém; každá vyžaduje jiné protiopatření.

Upřímné zhodnocení: míra farmaření 50–80 % u airdropů je široce reportovaná a v souladu s daty, která Tracio vidí u nasazení u zákazníků. Protokoly, které se aktivně nebrání, mohou očekávat, že většina jejich distribuce doputuje k farmářům. Protokoly, které se brání správně, to dokážou překlopit na 90+ % legitimní distribuce.

FinTech a půjčky: 3–10 % portfolia

Široká kategorie zahrnující spotřebitelské půjčky, BNPL, neobanky, platební platformy a mosty mezi crypto a FinTechem. Ztráty se výrazně liší podle podkategorie, ale konsolidovaný oborový průměr se pohybuje kolem 3–10 % portfolia.

Strukturální faktory:

• Hodnota na incident je vysoká. Podvod se syntetickou identitou při půjčce vytáhne 15–25 tis. USD za úspěšný bust-out. Převzetí účtu u účtů s platebními metodami dokáže vytáhnout podobné částky. Hodnota na incident ospravedlňuje sofistikované útočné operace.
• KYC vytváří falešný pocit bezpečí. Ověření dokumentů zachytí příležitostné podvodníky a mine ty sofistikované. Odvětví KYC je vyspělé, ale stejně tak i odvětví obcházení KYC. Trhy s pořizováním dokumentů a operace typu identity-as-a-service porazí standardní ověření.
• Data úvěrových registrů zaostávají za reálným časem. Úvěrové registry se aktualizují v cyklech 24–72 hodin. Útočníci toto okno využívají k loan stackingu — podávají žádosti k více věřitelům během hodiny a všechny schvalují, protože žádný z nich zatím nevidí ty ostatní.
• Friendly fraud a zneužití chargebacků. Netriviální část podvodů ve FinTechu iniciuje spotřebitel: legitimní zákazníci rozporují transakce, aby dostali vrácení peněz a přitom si nechali zboží, nebo nárokují podvod u legitimních nákupů.

Kategorie podvodů: převzetí účtu (nejvyšší objem), syntetická identita (nejvyšší hodnota na incident), loan stacking (specifický pro úvěrové produkty), podvod bez přítomnosti karty (card-not-present), friendly fraud a zneužití chargebacků. Mix kategorií se dramaticky liší podle typu produktu — prostředí podvodů spotřebitelského věřitele vypadá jinak než u zpracovatele plateb.

Upřímné zhodnocení: provozovatelé ve FinTechu měří podvody obvykle přísněji než jiné obory, protože to vyžadují regulátoři. Zveřejňovaná čísla jsou spolehlivější než v iGamingu. Rozmezí 3–10 % odráží upřímné měření; skutečné ztráty toto rozmezí typicky výrazně nepřekračují ani u špatně bráněných provozovatelů, protože limity produktů, kontroly podvodů na úrovni účtu a koordinace s registry zastropují expozici na jeden účet.

AdTech: 15–30 % výdajů na reklamu

Obor, kde je absolutní částka v penězích největší, protože je největší i podkladový trh. Globální ztráty na reklamních podvodech se pro rok 2025 odhadují na 84 mld. USD a pro rok 2026 se očekává, že přesáhnou 100 mld. USD. Různé studie kladou procento výdajů na reklamu ztracených kvůli podvodům kamkoli mezi 15 % a 30 %.

Strukturální faktory:

• Botová návštěvnost vypadá v pre-bid signálech jako legitimní. Impervou reportovaných 49,6 % internetové návštěvnosti, jež je automatizovaná, je základní hodnotou; konkrétně na reklamně monetizovaném inventáři bývá procento často vyšší, protože útočníci reklamně monetizované cíle záměrně napadají.
• Více stran v hodnotovém řetězci vytváří mezery v odpovědnosti. Inzerent → ad exchange → SSP → publisher → uživatel. Když dojde k podvodu, každá strana má motivaci svalovat vinu na ostatní. Odpovědnost za detekci je nejasná.
• Post-bid analýza zachytí podvod až po platbě. Dominantní model ověřování (MOAT, IAS, DV) analyzuje imprese poté, co jsou doručeny a započteny. Než je podvod potvrzen, je rozpočet utracen. Pre-bid detekce je podinvestovanou vrstvou.
• Domain spoofing zneužívá důvěru SSP. Nákup inventáře na prémiových doménách přes SSP je pohodlný, ale vytváří útočnou plochu. Spoofeři zkreslují inventář; SSP mají někdy slabé ověřování; inzerenti platí prémiové ceny za imprese na stinných cílech.

Kategorie podvodů: click fraud (boti klikající na placené reklamy), impression fraud (falešná zhlédnutí), conversion fraud (falešné konverze v affiliate sítích), domain spoofing, ad stacking, pixel stuffing. Každá vyžaduje jiný přístup k detekci.

Upřímné zhodnocení: AdTech je obor, kde je propast mezi sofistikovanými a nesofistikovanými nakupujícími největší. Velcí inzerenti s vyhrazenými týmy pro brand safety zachytí většinu podvodů. Menší a středně velcí inzerenti fungující přes agentury často ztrácejí 25+ % výdajů, aniž by to kdy uviděli. Průměr napříč kategorií je vysoký zčásti proto, že dlouhý ocas je bráněn slabě.

E-commerce: 3–8 % příjmů

Nejširší obor, sahající od velkých tržišť po jednoproduktové Shopify obchody. Celoodvětvová ztráta na podvodech se v této kategorii odhaduje na 3–8 % příjmů, s významnou variancí podle podsegmentu.

Strukturální faktory:

• Promo rozpočty přitahují zneužití. Uvítací slevy, referral kredity, věrnostní programy a sezónní promo akce vytvářejí rozpočty, které útočníci napadají. Promo abuse se řídí stejným vzorcem jako zneužití bonusů v iGamingu, ale při nižší hodnotě na incident a vyšším objemu.
• Podvody s vratkami jsou strukturální rys odvětví. Velkorysé politiky vracení jsou konkurenční standard; jsou také zneužitelné. Wardrobing, vratky prázdné krabice, friendly fraud chargebacky. Odhaduje se, že 5–10 % vratek je podvodných.
• Platba bez přítomnosti karty činí card testing atraktivním. Útočníci testují ukradená čísla karet proti e-commerce pokladnám ve velkém a zjišťují, které karty ještě fungují, než je použijí na větší nákupy. Většina e-commerce platforem vidí významnou návštěvnost card testingu, aniž by si to uvědomovala.
• Snipe útoky na inventář u limitovaných dropů. Tenisky, herní konzole, limitovaná NFT — všude, kde je inventář vzácný a poptávka vysoká, vytváří automatizovaný nákup paralelní přeprodejní trh.

Kategorie podvodů: promo abuse, podvody s vratkami, podvody s platbou bez přítomnosti karty, card testing, převzetí účtu u účtů s uloženými platebními metodami, boti hromadící inventář. Mix se dramaticky liší podle typu produktu — prostředí podvodů luxusního módního prodejce vypadá jinak než u generického Shopify obchodu.

Upřímné zhodnocení: většina e-commerce provozovatelů neodděluje ztrátu z podvodů čistě od jiných kategorií ztrát. Chargebacky se berou jako náklad podnikání. Podvody s vratkami se míchají s legitimními vratkami. Promo abuse se skrývá v metrikách marketingové výkonnosti. Rozmezí 3–8 % odráží to, co měří seriózní provozovatelé; méně důslední provozovatelé mají často vyšší skutečné ztráty, které nevidí.

Co mají tyto obory společného

Navzdory odlišným mechanismům útoků sdílí pět oborů s vysokou mírou podvodů čtyři vlastnosti, které vysvětlují, proč jsou terči:

Společný faktor 1: Rychlý pohyb peněz. Buď rychlé zpeněžení (iGaming, Crypto), velká hodnota na incident (FinTech), nebo obrovská agregátní hodnota (AdTech, e-commerce).

Společný faktor 2: Multi-accounting jako zranitelnost. Všech pět oborů je zranitelných vůči útokům, kde jeden subjekt zakládá více účtů, aby vytáhl hodnotu určenou na jednoho uživatele. Uvítací bonusy, airdropy, zkušební verze zdarma, promo kódy, čerstvé úvěrové linky.

Společný faktor 3: Obtížná detekce moderní automatizace. Žádný z pěti oborů se neubrání jen KYC nebo jen blokováním IP. Všechny vyžadují vícevrstvou detekci zahrnující device intelligence, aby zachytila vzorce, které jednodušší obrana mine.

Společný faktor 4: Podinvestování do měření. V každém z těchto oborů měří typický provozovatel méně přísně, než by skutečná ztráta zasluhovala. Číslo na dashboardu je obvykle 60–70 % skutečného čísla. Skrytá ztráta se hromadí, aniž by kdy byla pro vedení viditelná.

Co funguje napříč všemi pěti

Detekční architektura, která je účinná napříč všemi pěti obory, sdílí společné prvky bez ohledu na konkrétní kategorii podvodu, proti níž se brání:

Prvek 1: Device intelligence jako základ. Detekce multi-účtů, obrana proti ATO, odolnost vůči Sybilu i prevence click fraudu — všem prospívá schopnost identifikovat totéž zařízení napříč více relacemi, účty či akcemi. Toto je nejuniverzálnější stavební kámen.

Prvek 2: Propojování napříč účty. V rámci jedné platformy je kritické identifikovat, že „různé“ účty sdílejí podkladové vlastnosti. Napříč více platformami (přes anonymizované signály mezi zákazníky) zachytí stejný přístup koordinované kampaně.

Prvek 3: Verdikty v reálném čase. Obrana, která odhalí podvod až poté, co se stane, je užitečná pro nároky na vrácení peněz a hlášení do registrů, ale ztrátě nezabrání. Ztrátová čísla ve skutečnosti pohne detekce v reálném čase v kritickém rozhodovacím momentě (registrace, uplatnění, přihlášení, transakce).

Prvek 4: Vrstvená architektura. Žádný jednotlivý signál proti moderním útočníkům neobstojí. Síťové signály, signály zařízení, behaviorální signály, kontroly koherence, meziplatformní inteligence — funguje jejich kombinace.

Prvek 5: Polymorfní kód na straně klienta. Útočníci reverzně analyzují statickou detekci a nasazují úniky. Rotující kód jim upírá čas na to, aby to zvládli efektivně.

Co dělat dál

Pokud působíte v kterémkoli z těchto pěti oborů, tři kroky přinesou okamžitou hodnotu:

Krok 1: Měřte upřímně. Vzorkově proauditujte svou míru podvodů napříč konkrétními mechanismy vaší kategorie. Výsledek vás pravděpodobně překvapí. První upřímné měření je nejtěžší, protože si vynutí nepříjemné rozhovory, ale je základem pro všechno ostatní.

Krok 2: Určete svůj obranný bod s nejvyšší pákou. iGaming: registrace a uplatnění bonusu. Crypto: ověření distribuční události. FinTech: přihlášení a žádost o půjčku. AdTech: pre-bid vyhodnocení imprese. E-commerce: pokladna a vratky.

Krok 3: Nasaďte v tomto bodě vícevrstvou detekci. Jednovrstvá obrana proti sofistikovaným útočníkům selhává. Architektura, která obstojí, je vrstvená, s kontrolami koherence napříč vrstvami, polymorfním klientským kódem a sdílením signálů mezi zákazníky.

Upřímné očekávání: nasazení zlepší ztráty z podvodů o 50–80 % během prvních 90 dní u většiny platforem. Vyspělé platformy s lepší výchozí obranou vidí menší zlepšení; méně vyspělé platformy vidí větší. Matematika návratnosti funguje v každém oboru: náklady na detekční infrastrukturu jsou pro jakoukoli platformu nad skromnou úrovní příjmů oproti ztrátě z podvodů nepatrné.

Kde zapadá Tracio

Tracio je device intelligence postavená účelově pro obory s vysokou mírou podvodů. Architektura pokrývá signály, které obstojí napříč všemi pěti obory — síťové, zařízení, behaviorální, koherence, mezi zákazníky — s pravidlovými šablonami specifickými pro obory iGaming, Crypto, FinTech, AdTech a e-commerce.

Nasazení je rychlé: jedno SDK na stránce, serverová volání verify v rozhodovacích bodech. Vrstva polymorfního JavaScriptu rotuje denně. Verdikt se vrací pod 50 milisekund.

Bezplatný tarif pokrývá 2 500 ověření měsíčně — dost na spuštění smysluplného pilotu na části vaší návštěvnosti a na produkci dat, která ukážou vaši skutečnou míru podvodů.

Chcete vidět, jak vaše míra podvodů skutečně vypadá?

Spusťte bezplatnou zkušební verzi — 2 500 ověření zdarma, bez platební karty. Zarezervujte si demo a projděte si s naším týmem vzorce podvodů specifické pro váš obor.