Identifikasi aktivitas penipuan online

“Verifikasi dan validasi identitas telah menjadi tantangan besar dalam pasar yang mulai berkembang. Kemampuan untuk dengan tepat mengidentifikasi pengguna adalah hambatan utama dalam membangun kredit bagi miliaran orang di pasar yang mulai berkembang. Menggunakan Amazon Rekognition untuk verifikasi identitas pada aplikasi seluler kami telah mengurangi kesalahan verifikasi secara signifikan, dan memberi kami kemampuan untuk meningkatkan skala. Kini kami dapat mendeteksi dan memverifikasi identitas individu secara real time tanpa intervensi manusia apa pun, sehingga memungkinkan akses lebih cepat ke produk kami. Kami telah mencoba berbagai solusi yang banyak diiklankan, tetapi tidak ada satu pun alternatif populer yang dapat secara akurat memetakan berbagai rona kulit. Amazon Rekognition membantu kami dengan efektif mengenali wajah pelanggan kami di pasar kami. Amazon Rekognition juga membantu kami dalam hal KYC untuk menemukan profil yang tumpang tindih dan set data ganda”.

Wale Akanbi, CTO & Co-Founder - Aella Credit

“Pada Q1/Q2 2020 terjadi lonjakan akun yang digunakan untuk serangan phishing. Alhasil, kami harus melengkapi solusi buatan internal kami dengan data transaksi dan sinyal yang lebih kuat untuk mengidentifikasi pelaku kejahatan lebih dini. Solusi yang dapat diskalakan menggunakan pembelajaran mesin prediktif penting bagi kami sebagai bisnis yang juga sedang tumbuh. Amazon Fraud Detector memudahkan pembangunan model menggunakan data kami sendiri yang secara akurat mengidentifikasi pendaftaran akun-akun penyebab serangan phishing. Dan yang lebih penting, hasil ini dapat kami peroleh dengan angka positif palsu yang sangat rendah, yang berarti tidak ada pekerjaan tambahan untuk staf operasional kami. Amazon Fraud Detector memiliki model penetapan harga yang kompetitif dan kami dapat dengan mudah mengintegrasikan model ke dalam alur kerja yang ada”.

Alex Burch, Pakar Operasi Email Senior (Senior Email Operations Engineer) - ActiveCampaign

“Amazon Fraud Detector telah menjadi tambahan yang sangat baik untuk deteksi Penipuan dan kemampuan mitigasi kami. Kemampuan untuk menulis aturan kustom yang sesuai dengan situasi unik kami, melatih model ML sesuai permintaan, dan integrasi yang lancar dengan layanan AWS lainnya memungkinkan kami membuat keputusan dengan cepat dan cerdas dan di saat yang sama tetap memiliki kendali penuh terhadap platform. AWS sangat bermanfaat selama tahap bukti konsep dan telah menambahkan fitur ke platform yang sesuai dengan tren Penipuan”.

Mary Criniti, CTO - Qantas Loyalty

"Dengan Amazon Fraud Detector, kami mengurangi transaksi yang bersifat menipu sebesar 6%. Kecuali itu, kami mampu mengotomatiskan pemenuhan checkout sebesar lebih dari 90% dari transaksi yang sebelumnya pasti akan ditandai untuk ditinjau secara manual. Sekarang, kami melakukan peninjauan manual kurang dari 1% dari transaksi kami—turun dari angka 10%. Sejak mengimplementasikan layanan ini, kami telah melihat peningkatan yang signifikan dalam skor Trustpilot kami, dan kami tahu ini adalah hasil dari otomatisasi deteksi checkout, serta penyempurnaan tambahan yang terus kami lakukan pada situs web. Kepercayaan menjadi bagian besar dari nilai kami pada pelanggan, jadi itu merupakan prestasi besar bagi bisnis kami”.

Kevin Cole, Direktur Operasi (Operations Director) - Omnyex

"Dengan Amazon Fraud Detector, kami dapat meningkatkan operasi secara drastis, meningkatkan fleksibilitas kami untuk merespons pelaku kejahatan, dan memiliki kontrol lebih besar terhadap sistem dan proses. Awalnya, kami saat itu tengah mengeksplorasi solusi internal dan pihak ke-3. Ketika Amazon Fraud Detector diumumkan, kami segera putar haluan. Kami telah bertahun-tahun menjadi pelanggan AWS dan sangat percaya pada produk Amazon. Dengan Amazon Fraud Detector, kami tidak lagi terikat oleh keterbatasan yang biasanya dimiliki solusi lokal atau SaaS. Justru kami memiliki fleksibilitas untuk mengadaptasi layanan yang diberdayakan Machine Learning untuk memenuhi kebutuhan kami dan kemampuan untuk menggunakan opsi hanya aturan AWS sekaligus dengan mudah meningkatkan kemampuan penuh Machine Learning saat dibutuhkan. Truevo berhasil menghemat 3-6 bulan pengembangan! Bahkan, kami menerapkan model prototipe pertama kami dalam waktu 30 menit. Secara umum, kami beroperasi dengan lebih percaya diri pada kemampuan kami untuk mendeteksi penipuan secara waktu nyata. Kami lebih siap untuk menerapkan deteksi aturan bila kami melihat aktivitas janggal yang mungkin tidak sepenuhnya kami pahami, tetapi harus dihentikan. Kami mampu merespons dan beradaptasi dengan syarat peraturan dan skema yang terus berubah sehingga kami tetap menguasai permainan.”

Charles Grech, COO - Truevo