Radar的算法评估可疑欺诈风险的付款并采取相应的行动。雷达默认阻止高风险支付,并提供额外的欺诈工具(如果您有欺诈团队雷达)这样您就可以指定自己的标准来阻止可疑付款。
尝试付款对Radar筛选的所有卡支付请求,包括同一次购买的重试支付尝试进行说明。
注释
通过信用卡进行的现金支付条纹端子或通过以下方式进行的经常性付款条纹帐单没有被雷达屏蔽。
冻结的付款表示雷达阻止的尝试付款数。由于两个原因,Radar普遍阻止付款:
阻止率是被雷达阻止的尝试付款的百分比。
批量,冻结付款是雷达阻止的尝试付款的货币价值。(显示的数量以您的默认货币表示,使用其他货币付款的估计换算率。)
注释
条纹可能会因其他原因阻止付款不包括在这里(例如,由全球公认的欺诈性拒绝名单上的卡发起的付款或从受制裁国家进行的付款)。
此外,设置意图-它允许您为保存客户凭据未来尽管雷达对付款进行了筛选,但这里并没有对付款进行说明。
以下部分包含两个视图,帮助您了解选定时间段内阻止率的更改,以及雷达的机器学习模型和阻止规则阻止的付款比例。
雷达-高风险评分冻结付款数的帐户由于高风险、其总货币量和相应的冻结利率(在所有尝试付款中)。这些付款的雷达风险评分高于您的高风险阈值,因此被默认阻止高风险分段规则.
这个估计假阳性率是非欺诈性支付被雷达的机器学习错误阻止的估计概率。这是通过结合这些支付的雷达风险水平和Stripe网络上所有支付的全球实验得出的。
雷达-规则类似地,帐户中的一方冻结的冻结付款数方块规则、其总货币量和相应的冻结利率(在所有尝试付款中)。
根据您的业务需求、阻止率或假阳性率,您可能需要调整雷达机器学习阻止的欺诈量。欺诈团队雷达用户可以调整其冻结付款的风险阈值(默认为75)风险设置。当你增加了阻止的风险分数时,你将允许更多的整体付款,但也可能允许更多的欺诈行为。当你降低你阻止的风险分数时,你可能会阻止更多的欺诈行为,但也会阻止更多整体付款。
注释
密切监控您的欺诈纠纷率和纠纷活动,以了解不断变化的风险阈值的影响。一般来说,遵循雷达最佳实践确保您的集成充分利用Radar的机器学习模型。