（图片来源：图虫创意）
据估算，电商欺诈在2021年给商家带来高达200亿美元的损失，比2020年增加18%。欺诈活动不仅造成高昂的损失，同时欺诈技术和模式也在快速演化。欺诈者变得越来越聪明，使用更复杂的策略和工具在全球范围内对商家实施诈骗，而这正是Stripe Radar被打造的原因。
“雷达”（Radar）是一款基于机器学习技术的反欺诈检测工具，与Stripe平台全面集成。同时，为了帮助您适应快速变化的反欺诈模式，近期我们已将Radar机器学习模型的更新速度提高了两倍。
一、更先进的机器学习技术，更准确的欺诈检测
随着营运网络不断完善，Stripe能在更多的支付案例中，检测到关键数据输入，从而更容易捕捉到具欺诈性的使用行为。
随着更多数据积累，模型的召回率是衡量机器学习准确性的一种标准指标，提高了20%以上。这意味着Stripe可在捕捉到更多虚假付款企图的同时，还可最大限度地减少对合法交易的影响。
“更新后的机器学习模型，使得欺诈率管理变得更加容易，无需任何额外工作。我们发现欺诈率在短短几个月内降低一半。”—— Jeffrey Johnson，Dermalogica 公司高级商务总监
“通过利用Stripe的机器学习和自定义欺诈规则，帮助我们实现欺诈率和交易争议率都下降了。同时，客户满意度也有所提高，团队在管理人工流程上花的时间更少，从而可以更快地解决客户纠纷。”—— Lourdes García，Ben & Frank 公司产品经理
二、利用统一的反欺诈平台，采取一致行动
反欺诈是一项非常耗时的工作，为了简化诸如回复争议、人工审核付款、创建新规则以及设置风险控制机制等工作，我们重新设计的Stripe管理平台，提供一个中心化的欺诈管理工作区，让您可以快速查看审核、争议、规则、列表及风控机制。
借助新的总览图表，您现在可以实时清晰地了解Radar的机器学习、风控规则和人工审核程序，以及阻止或允许付款方面的协同工作方式。
（图片来源：Radar截图）
三、了解您的欺诈策略效果如何
在预防欺诈和客户转化率之间，获得良好的平衡，对每个商家来说都至关重要。但如果没有比较，您就很难知道自己做得怎么样。
Radar提供相关基准，方便您通过管理平台将欺诈争议率、误报率和阻止率与您所在地区或同行业的其他商家进行对比。这些基准源自于聚合的自定义商家群，可以帮助您清楚地了解销售策略的调整方向。
（图片来源：Radar截图）
四、通过更细粒度的规则和控制机制
1、打击欺诈行为
我们为Radar风控团队版用户扩充了规则集，并添加许多附加属性。有了这些新规则，您可以根据您的业务需求，更好地自定义欺诈设置，并确定哪些行为需要更多关注。
例如，您可以根据与银行卡关联的姓名数量、卡上尝试授权的平均次数，甚至使用您的公司首次看到某个客户的邮件地址或银行卡时间来创建规则。
（图片来源：Radar截图）
2、通过具体分析来优化规则
自定义规则是减少欺诈的有力工具。现在，Radar风控团队版用户可以深入了解各项规则的表现情况，包括有多少笔被阻止的付款以及误报。这将有助于您找出最有效的规则。
利用新增的规则表现指标，您可以优化规则设置，以阻止更多的欺诈行为，并确保对合法交易的影响最小。
“很高兴看到Radar的改进，因为它不但有效节省我们的时间，还带来更好的效果。Stripe的欺诈预防方案考虑得非常周到，我们的欺诈率一直呈下降趋势。”—— Janie Cormier，Glossier 客户体验
了解有关Stripe Radar的更多信息，请查看stripe.com/radar，或登入您的Stripe管理平台。
（编辑：江同）
