Почему false positive опаснее, чем кажется

Когда антифрод блокирует лишнюю операцию нормального клиента, внутри компании это часто выглядит как нормальный рабочий случай. Заблокировали — значит система работает. На деле это одна из самых дорогих ошибок, которую сложно увидеть напрямую, но легко почувствовать по цифрам.

По данным JPMorgan, реальный ущерб от фрода составляет около 7% от общей стоимости фродовых потерь, а потери от false positives — уже 19%. То есть ложные блокировки обходятся бизнесу дороже, чем сам фрод, от которого якобы защищают.

Что теряет компания

Самое очевидное — это потеря продажи. Клиент хотел заплатить, система его остановила, он ушёл. При этом вернётся не каждый. Исследования показывают, что около 89% клиентов после плохого опыта начинают искать альтернативу конкуренту.

Потеря клиента — это не одна транзакция. Это весь его будущий жизненный цикл. Иногда это несколько лет покупок.

Дальше — репутация. Люди не любят объяснять другим, что их заблокировали как мошенника. Отрицательный опыт распространяется быстро. О плохом опыте клиенты в среднем рассказывают примерно 16 людям, а о хорошем — около 9.

Третье — нагрузка на поддержку. Каждый заблокированный нормальный клиент с высокой вероятностью пишет в поддержку или звонит. Это стоит денег, времени и сотрудников.

И четвёртое — аналитический ущерб. Если система помечает нормальных клиентов как фрод и учится на этих данных, она начинает постепенно становиться агрессивнее. Больше ложных срабатываний означает больше «плохих» примеров в обучающей выборке, что делает следующие блокировки ещё более несправедливыми.

Почему false positive сложно увидеть изнутри

Реальный фрод виден: есть жалоба, есть чарджбэк, есть потеря. False positive часто остаётся невидимым. Клиент просто ушёл. Он не всегда знает, почему его заблокировали. Он просто больше не вернулся.

Компании часто оптимизируют только под снижение фрода, не считая цену, которую они платят за это ложными срабатываниями. А она оказывается выше, чем ущерб от самого фрода.

Ещё одна сложность — в том, что false positive почти никогда не атрибутируется правильно. Компания видит рост запросов в поддержку или падение конверсии, но не всегда связывает это с конкретными правилами антифрода. Между причиной и следствием слишком много шагов.

Как с этим работать Первый шаг — начать считать. Нужна метрика false positive rate и её связь с конверсией, уровнем оттока и нагрузкой на поддержку. Если этих данных нет, невозможно понять, насколько жёсткие правила обходятся бизнесу.

Второй шаг — пересматривать правила регулярно. Устаревшие правила становятся грубее со временем: паттерны нормального поведения меняются, а правила остаются прежними. То, что было подозрительным год назад, сегодня может быть совершенно обычным действием.

Третий шаг — сегментировать клиентов. Пороги для нового клиента без истории и для клиента с трёхлетней активностью не должны быть одинаковыми. Одна общая настройка неизбежно бьёт по одним сильнее, чем по другим.

Снижение false positive rate — это не компромисс с безопасностью. Это признак того, что система стала точнее. Хороший антифрод ловит фрод аккуратно, а не наугад широкой сетью.

В конечном счёте, цель антифрода — не заблокировать как можно больше, а заблокировать именно то, что нужно. И false positive — это прямое свидетельство того, что система пока ещё недостаточно точна.

МЕНЮ

В этом посте были ссылки, но мы их удалили по правилам Сетки