用于准确客户身份验证和欺诈控制的数据

[roseline371274]

事实上，Sapio 的调查发现，客户对虚假拒绝的容忍度远低于欺诈。33% 的受访美国购物者表示，在商家拒绝付款后，他们再也不会在该商家购物，25% 的人会在社交媒体上抱怨这种体验。然而，只有 19% 的人表示，在遇到欺诈后，他们会放弃该商家。 

这些统计数据表明，大量的营销支出损失和品牌损害——而这些问题可以通过更好地利用客户数据来预防欺诈来避免。

防范欺诈需要数据来验证客户身份，而不仅仅是支付方式。由于 数据泄露，数十亿条记录被曝光，即使是谨慎的消费者也可能成为信用卡盗窃和账户接管 (ATO) 欺诈 的受害者， 而基本的欺诈筛查工具很难检测到这种 乌克兰whatsapp 数据 欺诈行为。 

为了避免因 ATO 欺诈而导致退款，零售商需要确保他们能够通过欺诈者难以模仿的特征来验证每个客户。这可能包括行为生物特征数据（例如，客户通常点击智能手机屏幕的力度），以及过去的购买记录、商店网站上的典型行为，以及其他指标，表明当前下单的人与过去下过良好订单的人是同一个人。 

例如，假设一位客户想从一家网上商店订购价值 500 美元的汽车零部件。他们使用已建立的客户帐户登录并使用默认付款方式。如果这位客户过去只下过价值 50 美元的洗车用品订单，那么一个好的欺诈筛查程序就会发出警告——尤其是如果这是他们第一次访问网站的汽车零部件部分。 

但是，商家如果就此止步并拒绝订单，那就大错特错了。相反，人工审核人员可以更彻底地分析订单，然后再做出决定。如果客户正在探亲，并主动提出帮助亲戚修复一辆具有情感意义的汽车，该怎么办？也许他们在 Instagram 上浏览修复汽车的图片并根据这些搜索获得广告后，在手机上下了订单。 

如果他们按照客户旅程的逻辑结论行事，却遭到拒绝，他们会如何反应？只有 35% 的美国消费者告诉 Sapio，在付款遭拒后他们会再次尝试 - 请记住，33% 的人表示，在付款遭拒后，他们再也不会在商家那里购物。