Refund fraud dan serial returner: pendekatan device graph

Refund fraud adalah kategori yang paling kurang mendapat investasi dari sebagian besar peritel, karena ia bersembunyi di dalam metrik yang ingin mereka jaga tetap tinggi — tingkat penerimaan retur — dan karena kerugiannya datang satu klaim demi satu klaim, bukan dalam satu chargeback dramatis. Seorang serial returner yang membuat merchant rugi beberapa ratus dolar sebulan tidak memicu ambang batas apa pun. Seribu orang seperti itu, terkoordinasi atau tidak, adalah sebuah pos biaya.

Tulisan ini membahas cara mendeteksi ujung spektrum yang terkoordinasi dan setengah-terkoordinasi menggunakan device graph: struktur yang menghubungkan akun, metode pembayaran, dan alamat pengiriman yang dipakai satu operator untuk mengindustrialisasi retur. Audiensnya adalah tim fraud dan risiko di platform e-commerce dan marketplace yang sudah menjalankan kontrol payment fraud di checkout dan kini mulai melihat ke hilir pada corong retur.

Apa yang termasuk refund fraud?

Refund fraud adalah setiap klaim retur atau refund yang memulihkan nilai yang tidak menjadi hak pelanggan, baik melalui penipuan maupun penyalahgunaan kebijakan. Ini adalah sebuah spektrum, dan memisahkan pita-pitanya penting karena responsnya berbeda di setiap pita.

Di ujung yang tidak berbahaya: retur jujur. Pelanggan membeli ukuran yang salah, barangnya tidak sesuai deskripsi, atau tiba dalam keadaan rusak. Ini adalah biaya menjalankan bisnis dan hal yang justru dirancang untuk diserap oleh kebijakan retur yang murah hati. Anda tidak ingin melawan yang ini.

Di tengah: penyalahgunaan oportunistik. Wardrobing — membeli gaun, memakainya sekali, lalu mengembalikannya. Penyalahgunaan fit-finder — memesan lima ukuran dengan niat mengembalikan empat, dalam skala besar, pada setiap pesanan. Serial returning di mana tingkat retur begitu tinggi sehingga pelanggan pada dasarnya menyewa inventaris. Ini adalah perilaku individual, biasanya tidak terkoordinasi, dan respons yang tepat adalah kebijakan: biaya retur, ketentuan restocking, jendela waktu yang lebih ketat untuk akun yang ditandai.

Di ujung yang terorganisir: sindikat fraud. Klaim kotak kosong (melaporkan paket tiba dalam keadaan kosong), klaim did-not-arrive (DNA) pada paket yang sudah terkirim, klaim kerusakan palsu dengan bukti daur ulang, penukaran retur barang salah (mengembalikan batu, menyimpan ponsel), dan double dip refund-lalu-chargeback. Operasi ini menjalankan banyak akun, memutar metode pembayaran dan alamat, serta memperlakukan alur refund sebagai sumber pendapatan. Di sinilah deteksi otomatis membayar dirinya sendiri.

Device graph paling berharga untuk melawan pita tengah dan pita terorganisir, karena keduanya berbagi satu properti yang tidak dimiliki pita jujur: satu operator di balik banyak identitas.

Mengapa kontrol di level akun tidak menangkap serial returner

Kontrol di level akun tidak menangkap serial returner karena penyalahgunaannya didefinisikan di level orang, bukan level akun, dan pelaku yang gigih menguasai banyak akun. Tanda tingkat-retur Anda pada akun A tidak mengatakan apa pun tentang fakta bahwa akun A, B, C, dan D adalah orang yang sama pada laptop yang sama, masing-masing dijaga tepat di bawah ambang penandaan.

Ini adalah titik buta yang sama yang ditangani oleh deteksi multi-akun di sisi pendaftaran, kini diterapkan pada sisi retur. Akun adalah unit analisis yang salah. Pelaku yang memahami ambang tingkat-retur Anda cukup mendistribusikan returnya ke akun-akun yang jumlahnya cukup untuk tetap di bawah ambang pada setiap akun. Jika ambang Anda adalah tingkat retur 40%, ia menjalankan lima akun masing-masing 35%. Setiap akun terlihat wajar; sementara operator mengembalikan sepertiga dari semua yang ia pesan.

Email dan metode pembayaran juga tidak menutup celah ini. Email itu gratis dan tak terbatas. Metode pembayaran itu murah — kartu prabayar, kartu virtual, dan kartu hadiah berlimpah, dan operasi terorganisir memperlakukan kartu yang sudah terbakar seperti seorang spammer memperlakukan domain yang terbakar. Alamat pengiriman tampak lebih tahan lama, tetapi layanan reshipper, alamat package-forwarding, dan gudang freight-forwarding memungkinkan satu operator menampilkan puluhan titik pengiriman yang tampak berbeda-beda.

Yang bertahan di seluruh ini adalah lingkungan perangkat keras dan jaringan tempat operator sebenarnya bekerja. Mereka bisa memutar email, kartu, dan alamat di setiap pesanan, tetapi mereka tetap duduk di sekumpulan perangkat yang terbatas pada sekumpulan jaringan yang terbatas. Device graph adalah kunci penghubung yang sengaja disembunyikan oleh data akun.

Bagaimana device graph menghubungkan pola

Device graph menghubungkan penyalahgunaan refund dengan menelusuri setiap akun, pesanan, dan klaim kembali ke perangkat dan lingkungan jaringan yang menghasilkannya, lalu menyingkap klaster tempat satu jejak perangkat keras menyebar ke banyak identitas. Ini adalah analisis device graph mendasar yang sama seperti yang dipakai untuk penautan akun, kini diarahkan ke masalah retur.

Titik awalnya adalah pengidentifikasi perangkat stabil yang bertahan dari upaya pengelakan operator. Cookie tidak bisa melakukannya — cookie dibersihkan di antara akun oleh siapa pun yang melakukan ini dengan sengaja. Device fingerprint yang dibangun dari sinyal browser, perangkat keras, jaringan, dan perilaku menghasilkan pengidentifikasi yang bertahan melintasi penyimpanan yang telah dibersihkan, sesi incognito, dan pembuatan akun baru. (Mekanika pembangunan pengidentifikasi itu dibahas di cara kerja device fingerprinting; versi singkatnya, ini adalah kecocokan probabilistik lintas banyak sinyal, bukan satu token tunggal yang tersimpan.)

Dengan pengidentifikasi perangkat persisten yang terlampir pada setiap akun dan setiap klaim, sisi-sisi graf yang penting untuk refund fraud menjadi terlihat:

Satu perangkat, banyak akun. Satu device fingerprint yang terkait dengan lima, sepuluh, atau lima puluh akun adalah sinyal struktural utama. Sebuah rumah tangga yang berbagi komputer keluarga menghasilkan dua atau tiga akun yang tertaut; operasi serial-return menghasilkan puluhan, dan akun-akun itu memiliki perilaku retur yang berkorelasi.

Banyak metode pembayaran, satu perangkat. Sisi kebalikannya. Ketika sepuluh kartu berbeda — BIN berbeda, nama berbeda — semuanya bertransaksi dari perangkat yang sama, cerita "pelanggan berbeda" runtuh. Perangkat bersama yang sah melihat sekumpulan kecil metode pembayaran yang stabil; operasi penyalahgunaan terus berganti-ganti.

Pengelompokan alamat berdasarkan perangkat. Alamat reshipper dan forwarding tampak tidak berhubungan di kolom alamat tetapi mengerucut pada device fingerprint yang sama. Graf mengungkap bahwa "dua belas pelanggan mengirim ke dua belas alamat" sebenarnya satu operator yang paketnya semua dirutekan melalui gudang forwarding yang sama, dipesan dari dua laptop yang sama.

Korelasi perilaku lintas klaster. Akun-akun dalam satu klaster perangkat tidak hanya berbagi perangkat keras — mereka berbagi perilaku. Waktu pemesanan yang serupa, kategori produk yang serupa, alasan retur yang dimasukkan dengan bahasa yang serupa. Sebuah klaster di mana setiap akun mengajukan klaim "barang tiba rusak" pada tingkat 30% bukanlah kebetulan.

Keluarannya bukan satu skor fraud tunggal. Ia adalah struktur yang tertaut: klaim ini datang dari akun yang termasuk dalam klaster sebelas akun pada tiga perangkat yang secara kolektif telah mengajukan empat puluh dua klaim retur senilai jumlah dolar yang diketahui, dengan tingkat retur jauh di atas garis dasar. Struktur itulah yang membuat keputusan seorang peninjau manual menjadi cepat dan bisa dipertahankan.

Di mana melakukan skoring: saat pesanan atau saat klaim?

Lakukan skoring saat klaim. Refund fraud terungkap dalam retur, bukan dalam pembelian, dan skoring saat klaim berarti Anda memutuskan dengan konteks penuh riwayat retur akun — dan klaster — alih-alih menebak-nebak di checkout.

Saat pesanan Anda tahu sangat sedikit hal yang prediktif terhadap penyalahgunaan refund. Pesanan terlihat normal; pembayaran terotorisasi; barang dikirim. Memblokir saat pesanan atas dasar kecurigaan klaster-perangkat berarti memblokir pembelian sah dari orang-orang yang kebetulan berbagi perangkat, yang merupakan pertukaran buruk — Anda kehilangan pendapatan nyata untuk mencegah retur yang mungkin tidak pernah datang.

Saat klaim, gambarannya lengkap. Anda tahu tingkat retur akun, tingkat retur klaster, jenis klaim spesifik (klaim DNA pada paket yang sudah terkirim dan ditandatangani secara kategoris berbeda dari retur ukuran salah), dan apakah klaster perangkat ini memiliki riwayat jenis klaim yang sama. Ini juga saat penyalahgunaan menjadi mahal: klaim kotak kosong atau DNA pada sindikat terorganisir adalah kerugian tunai langsung, dan itu persis jenis klaim yang disingkap oleh riwayat yang tertaut ke perangkat.

Secara praktis, itu berarti menjalankan smart signals dan pencarian device-graph sebagai bagian dari alur kerja retur dan klaim, bukan hanya di checkout. Vonisnya memberi masukan pada respons berjenjang alih-alih blokir biner:

• Risiko rendah: setujui refund secara otomatis. Sebagian besar retur. Jangan menambah friksi bagi pelanggan yang jujur.
• Risiko meningkat (pola penyalahgunaan individual): pindahkan akun ke tingkat kebijakan yang lebih ketat — biaya retur, syarat bukti, jendela waktu lebih pendek — tanpa menuduh siapa pun. Wardrobing dan serial returning adalah masalah kebijakan, dan kebijakan adalah alat yang proporsional.
• Risiko tinggi (sinyal sindikat terorganisir): rutekan ke tinjauan manual dengan konteks klaster-perangkat penuh terlampir. Wajibkan bukti klaim (foto, konfirmasi kurir). Tahan refund sampai peninjauan selesai alih-alih menerbitkannya secara otomatis.

Device graph tidak membuat keputusan akhir atas satu klaim mana pun. Ia membuat konteks peninjau menjadi lengkap, dan mengubah aliran klaim yang secara individual tampak tak bersalah menjadi pola yang terbaca.

Sinyal perangkat mana yang paling penting untuk penyalahgunaan retur

Sinyal yang membedakan penyalahgunaan refund adalah sinyal yang menyingkap satu operator di balik banyak identitas dan satu lingkungan di balik banyak klaim — penautan perangkat, konteks jaringan, dan konsistensi perilaku lintas klaster.

Penautan perangkat adalah fondasinya, seperti dijelaskan di atas: pengidentifikasi persisten yang menghubungkan akun, kartu, dan alamat. Tanpanya, tidak ada hal lain dalam graf yang terjangkar.

Konteks jaringan menambah dimensi kedua. Lapisan IP intelligence membedakan koneksi residensial dari data center, VPN, atau proxy residensial. Operasi retur terorganisir sering bekerja dari infrastruktur hosting atau berputar melalui proxy untuk membuat akun mereka tampak beragam secara geografis — dan infrastruktur itu sendiri adalah sebuah sinyal. Klaster akun yang berbagi perangkat dan juga bertransaksi dari IP proxy adalah pola yang lebih kuat daripada sekadar penautan perangkat.

Konsistensi perilaku adalah yang ketiga. Klaim dari operasi retur yang sesungguhnya membawa sidik jari linguistik dan prosedural — frasa yang sama di kolom alasan retur, jenis klaim yang sama, waktu yang sama relatif terhadap pengiriman. Ketika klaim sebuah klaster perangkat seragam secara perilaku, keseragaman itu adalah bukti adanya satu tangan.

Alasan menggabungkan sinyal-sinyal ini alih-alih bergantung pada salah satunya: masing-masing bisa dielakkan secara independen, tetapi koherensi lintas semuanya sulit dipalsukan. Operator bisa memalsukan satu sinyal perangkat, atau menyalurkan melalui proxy residensial, atau memvariasikan bahasa klaimnya — tetapi melakukan ketiganya secara konsisten di puluhan akun, pada setiap pesanan dan setiap klaim, cukup mahal sehingga tidak lagi menguntungkan. Itu adalah prinsip koherensi-lingkungan yang sama yang mendasari device intelligence secara umum, kini diterapkan pada ekonomi spesifik dari retur.

Apa yang berubah secara operasional

Mengadopsi pandangan device-graph atas retur mengubah tiga hal. Pertama, unit analisis bergeser dari akun ke operator, yang merupakan satu-satunya level di mana serial returning bahkan bisa terlihat. Kedua, keputusan refund memperoleh riwayat — klaim pertama dari akun dalam klaster abusif yang sudah lama diperlakukan dengan konteks yang disediakan klaster itu, bukan sebagai lembaran kosong. Ketiga, responsnya menjadi berjenjang dan bisa dipertahankan: tingkat kebijakan untuk penyalahgunaan individual, tinjauan manual dengan bukti untuk sindikat terorganisir, dan tanpa friksi tambahan bagi mayoritas yang jujur.

Tak satu pun dari ini mengharuskan menuduh pelanggan atau memblokir keras retur. Ini mengharuskan mengetahui klaim mana yang datang dari tangan yang sama, dan memperlakukan pola terkoordinasi secara berbeda dari pola yang terisolasi.

Tracio menyediakan identitas perangkat persisten dan penautan device-graph yang menjadi tumpuan pendekatan ini — sebuah visitor identifier stabil yang bertahan dari cookie yang dibersihkan dan akun baru, konteks jaringan dari IP intelligence, serta smart signals yang menyingkap pengelompokan akun-ke-perangkat dan pembayaran-ke-perangkat. Vonis dan sinyal yang mendasarinya kembali dalam waktu di bawah 50ms pada titik klaim, dengan klaster yang tertaut tersedia bagi peninjau.

Ingin melihat bagaimana device graph menyingkap serial returner dalam data retur Anda sendiri?

Mulai uji coba gratis Anda — 2.500 verifikasi gratis, tanpa perlu kartu kredit. Pesan demo untuk menelusuri deteksi refund-fraud terhadap corong retur dan model kebijakan spesifik Anda.