사기 조사 자동화: 더욱 빠른 사기 대응 (KO)

핵심 내용 1 사기 운영 팀은 최대 60%의 시간을 수동적이고 반복적인 작업에 소비합니다. 자동화를 통해 더 가치 있는 조사를 위한 시간을 확보할 수 있습니다.

핵심 내용 2 위험 점수를 기반으로 하는 자동화된 워크플로우를 구현하면 오탐을 크게 줄이고 조사관의 노력을 실제 위협에 집중할 수 있습니다.

핵심 내용 3 사기 조사 플랫폼 내의 AI 기반 도구는 사람이 놓칠 수 있는 패턴과 이상 징후를 식별하여 더 빠르고 정확한 해결로 이어질 수 있습니다.

핵심 내용 4 견고한 사기 조사 시스템은 차지백을 줄이고 운영 비용을 절감하며 고객 신뢰도를 향상시킵니다.

수동 사기 조사 비용

사기는 끊임없이 진화하는 위협입니다. 기존의 수동 사기 조사 프로세스는 속도를 따라가지 못하고 있습니다. 핀테크 회사가 매일 수천 건의 거래를 처리하는 시나리오를 상상해 보세요. 사기 팀은 규칙 기반 알림과 플래그가 지정된 거래의 수동 검토에 의존합니다. 이러한 접근 방식은 반응적이고 느리며 비용이 많이 듭니다. 일반적인 레벨 1 조사관은 연간 $70,000 - $100,000의 비용이 들며, 시간은 소중합니다. 오탐에 시간을 쓸 때마다 실제 사기를 조사할 시간이 줄어듭니다. Juniper Research의 연구에 따르면 2025년까지 전 세계 사기 손실은 3,430억 달러를 넘어설 것으로 예상됩니다. 현재 수동 접근 방식은 확장 가능하거나 지속 가능하지 않습니다.

자동화된 조사 워크플로우 구축

해결책은 자동화된 조사 워크플로우를 구축하는 것입니다. 이러한 워크플로우는 기술을 활용하여 알림을 분류하고 지원 데이터를 수집하며 위험을 기반으로 조사를 우선 순위 지정합니다. 단계별 분석은 다음과 같습니다.

1. 위험 점수: 다양한 요소를 기반으로 각 거래 또는 사용자에게 점수를 할당하는 강력한 위험 점수 모델을 구현합니다. 이러한 요소에는 속도 확인(특정 기간 동안의 거래 수), 지리적 위치 불일치, 장치 지문 인식, 타사 사기 인텔리전스 소스의 데이터가 포함됩니다. Didit의 내부 데이터에 따르면 장치 지문 인식을 통합하면 사기 탐지율이 15% 증가합니다.
2. 자동 데이터 보강: 플래그가 지정된 거래에 추가 데이터 포인트를 자동으로 보강합니다. 여기에는 IP 주소 조회, 이메일 평판 검사 및 소셜 미디어 프로필 정보가 포함될 수 있습니다. 이렇게 하면 조사관이 수동으로 데이터를 수집하는 데 드는 귀중한 시간을 절약할 수 있습니다.
3. 사건 관리 시스템: 중앙 집중식 사건 관리 시스템은 필수적입니다. 이 시스템은 플래그가 지정된 각 거래에 대해 자동으로 사건을 생성하고 조사관에게 할당하며 조사 단계를 추적해야 합니다.
4. 워크플로우 자동화: 다양한 위험 수준을 처리하도록 자동화된 워크플로우를 구성합니다. 예를 들어 위험 점수가 낮은 거래는 자동으로 승인할 수 있는 반면, 위험 점수가 높은 거래는 수동 검토를 위해 조사관에게 에스컬레이션됩니다. 워크플로우에는 사용자에게 SMS 확인 코드를 보내거나 계정을 일시 중단하는 것과 같은 자동화된 작업도 포함될 수 있습니다.
5. AI 기반 이상 탐지: 사기를 나타낼 수 있는 특이한 패턴과 동작을 식별하기 위해 AI 기반 이상 탐지 도구를 통합합니다. 이러한 도구는 과거 데이터에서 학습하고 새로운 사기 전술에 적응할 수 있습니다.

실제 사례: 전자 상거래 마켓플레이스 사기

사기성 판매자 계좌로 인해 어려움을 겪고 있는 전자 상거래 마켓플레이스를 고려해 보겠습니다. 자동화된 워크플로우가 어떻게 이 문제를 해결할 수 있는지 살펴보겠습니다.

1. 트리거: 새로운 판매자 계정이 생성됩니다.

2. 위험 점수: 계정에는 이메일 도메인 연령, 청구 주소 불일치, 은행 계정 확인 상태와 같은 요소를 기반으로 위험 점수가 할당됩니다.

3. 자동 데이터 보강: 시스템은 판매자의 이메일 주소를 알려진 사기 데이터베이스에 대해 자동으로 확인하고 은행 계정 세부 정보를 확인합니다.

4. 워크플로우 분기:

• 낮은 위험 (점수 < 30): 계정이 자동으로 승인됩니다.
• 중간 위험 (점수 30-70): 계정이 수동 검토를 위해 플래그가 지정됩니다. 조사관은 모든 관련 데이터를 포함한 알림을 받습니다.
• 높은 위험 (점수 > 70): 계정이 자동으로 중단되고 판매자에게 알림이 전송됩니다.

5. 수동 검토 (해당하는 경우): 조사관은 플래그가 지정된 계정을 검토하고 거래 내역을 조사하며 최종 결정을 내립니다.

이 워크플로우를 구현한 결과 고객 중 한 곳의 사기성 판매자 계정이 40% 감소하여 차지백 손실로 인해 발생하는 연간 약 250,000달러의 비용을 절감했습니다.

효과적인 워크플로우에서 위험 점수의 역할

위험 점수는 모든 성공적인 자동화된 조사 워크플로우의 기초입니다. 잘 설계된 위험 점수 모델은 높은 위험의 거래와 사용자를 정확하게 식별하여 조사관이 가장 필요한 곳에 노력을 집중할 수 있도록 합니다. 위험 점수 모델을 구축할 때 고려해야 할 주요 사항은 다음과 같습니다.

• 데이터 품질: 위험 점수를 계산하는 데 사용되는 데이터가 정확하고 신뢰할 수 있으며 최신인지 확인합니다.
• 기능 엔지니어링: 사기를 예측하는 데 가장 예측적인 기능을 신중하게 선택합니다.
• 모델 교정: 위험 점수 모델이 시간이 지남에 따라 정확하게 유지되도록 정기적으로 교정합니다.

Didit이 제공하는 도움

Didit의 올인원 신원 플랫폼은 정교한 자동화된 조사 워크플로우를 구축하고 배포하는 데 필요한 도구와 인프라를 제공합니다. 우리는 다음과 같은 서비스를 제공합니다.

• 종합적인 신원 확인: ID 문서 확인, 생체 인증 및 활성 감지를 사용하여 업계 최고의 정확도로 사용자 신원을 확인합니다.
• 강력한 위험 점수: 사전 구축된 위험 점수 모델을 활용하거나 사용자 지정 모델을 만들 수 있습니다.
• 워크플로우 자동화 엔진: 노코드 워크플로우 빌더를 사용하여 복잡한 워크플로우를 시각적으로 구축합니다.
• 사건 관리 시스템: 중앙 집중식 사건 관리 시스템으로 조사를 효율적으로 관리합니다.
• API 통합: Didit을 기존 사기 방지 스택에 원활하게 통합합니다.

시작할 준비가 되셨습니까?

수동 사기 조사 프로세스가 발목을 잡도록 두지 마세요. 데모 요청하여 Didit이 워크플로우 자동화, 사기 손실 감소 및 팀 효율성 향상에 어떻게 도움이 되는지 확인하십시오. 가격을 확인하거나 맞춤형 솔루션을 위해 저희에게 문의하십시오!