अमेज़ॅन फ्रॉड डिटेक्टर का उपयोग करके धोखाधड़ी वाले आदेशों की स्पष्ट रूप से सटीक भविष्यवाणी कैसे की जाती है

इस पोस्ट को ज़िव पोलाक, मशीन लर्निंग टीम लीड, और सर्वी लोलोई, मशीन लर्निंग इंजीनियर, Clearly द्वारा सह-लिखा गया था। इस पोस्ट की सामग्री और राय तीसरे पक्ष के लेखकों के हैं और AWS इस पोस्ट की सामग्री या सटीकता के लिए ज़िम्मेदार नहीं है।

ऑनलाइन शॉपिंग में अग्रणी, स्पष्ट रूप से 2000 में अपनी पहली साइट लॉन्च की। तब से, हम दुनिया के सबसे बड़े ऑनलाइन आईवियर खुदरा विक्रेताओं में से एक बन गए हैं, जो कनाडा, अमेरिका, ऑस्ट्रेलिया और न्यूजीलैंड में ग्राहकों को चश्मा प्रदान करते हैं, धूप का चश्मा, कॉन्टैक्ट लेंस, और अन्य नेत्र स्वास्थ्य उत्पाद। खराब दृष्टि को खत्म करने के अपने मिशन के माध्यम से, स्पष्ट रूप से चश्मों को सस्ती और सभी के लिए सुलभ बनाने का प्रयास करता है। एक इष्टतम धोखाधड़ी पहचान मंच बनाना इस व्यापक विजन का एक महत्वपूर्ण हिस्सा है।

ऑनलाइन धोखाधड़ी की पहचान करना हर ऑनलाइन रिटेल संगठन के लिए सबसे बड़ी चुनौतियों में से एक है—हर साल धोखाधड़ी के कारण सैकड़ों-हजारों डॉलर का नुकसान होता है। कपटपूर्ण आदेशों को संभालने के लिए उत्पाद लागत, शिपिंग लागत और श्रम लागत धोखाधड़ी के प्रभाव को और बढ़ा देती है। उच्च ग्राहक संतुष्टि दर बनाए रखने के लिए आसान और तेज़ धोखाधड़ी मूल्यांकन भी महत्वपूर्ण है। लंबी धोखाधड़ी जांच चक्रों के कारण लेन-देन में देरी नहीं होनी चाहिए।

इस पोस्ट में, हम साझा करते हैं कि कैसे स्पष्ट रूप से एक स्वचालित और ऑर्केस्ट्रेटेड पूर्वानुमान पाइपलाइन का उपयोग करके बनाया गया है AWS स्टेप फ़ंक्शंस, और उपयोग किया गया अमेज़ॅन फ्रॉड डिटेक्टर एक मशीन लर्निंग (एमएल) मॉडल को प्रशिक्षित करने के लिए जो ऑनलाइन धोखाधड़ी वाले लेनदेन की पहचान कर सके और उन्हें बिलिंग संचालन टीम के ध्यान में ला सके। यह समाधान मेट्रिक्स और लॉग भी एकत्र करता है, ऑडिटिंग प्रदान करता है, और स्वचालित रूप से लागू होता है।

AWS सेवाओं के साथ, स्पष्ट रूप से कुछ ही हफ्तों में सर्वर रहित, अच्छी तरह से तैयार किए गए समाधान को तैनात किया गया।

चुनौती: जल्दी और सटीक रूप से धोखाधड़ी की भविष्यवाणी करना

स्पष्ट रूप से मौजूदा समाधान हार्ड-कोडेड नियमों का उपयोग करके फ़्लैगिंग लेनदेन पर आधारित था जो नए धोखाधड़ी पैटर्न को पकड़ने के लिए पर्याप्त रूप से अपडेट नहीं किए गए थे। एक बार फ़्लैग किए जाने के बाद, बिलिंग संचालन टीम के एक सदस्य द्वारा लेन-देन की मैन्युअल रूप से समीक्षा की गई।

इस मौजूदा प्रक्रिया में बड़ी कमियां थीं:

• अनम्य और गलत - धोखाधड़ी के लेन-देन की पहचान करने के लिए हार्ड-कोडेड नियमों को अपडेट करना मुश्किल था, जिसका अर्थ है कि टीम उभरते हुए धोखाधड़ी के रुझानों पर तुरंत प्रतिक्रिया नहीं दे सकती थी। नियम कई संदिग्ध लेन-देन की सटीक पहचान करने में असमर्थ थे।
• परिचालन गहन - यह प्रक्रिया उच्च बिक्री की मात्रा वाली घटनाओं (जैसे ब्लैक फ्राइडे) को स्केल नहीं कर सकी, जिसके लिए टीम को वर्कअराउंड लागू करने या उच्च धोखाधड़ी दरों को स्वीकार करने की आवश्यकता थी। इसके अलावा, मानवीय भागीदारी के उच्च स्तर ने उत्पाद वितरण प्रक्रिया में महत्वपूर्ण लागत जोड़ दी।
• विलंबित आदेश - मैन्युअल धोखाधड़ी समीक्षाओं के कारण ऑर्डर पूर्ति समय-सीमा में देरी हुई, जिससे ग्राहक नाखुश हुए।

यद्यपि हमारी मौजूदा धोखाधड़ी पहचान प्रक्रिया एक अच्छा प्रारंभिक बिंदु थी, यह न तो पर्याप्त सटीक थी और न ही इतनी तेज थी कि स्पष्ट रूप से वांछित आदेश पूर्ति दक्षताओं को पूरा किया जा सके।

एक और बड़ी चुनौती जिसका हमें सामना करना पड़ा, वह थी एक कार्यकाल वाली एमएल टीम की कमी—प्रोजेक्ट शुरू होने के समय सभी सदस्य कंपनी के साथ एक साल से भी कम समय से जुड़े हुए थे।

समाधान का अवलोकन: अमेज़न फ्रॉड डिटेक्टर

अमेज़ॅन फ्रॉड डिटेक्टर एक पूरी तरह से प्रबंधित सेवा है जो अत्यधिक सटीक धोखाधड़ी का पता लगाने के लिए एमएल का उपयोग करती है और इसके लिए किसी एमएल विशेषज्ञता की आवश्यकता नहीं होती है। हमें केवल अपना डेटा अपलोड करना था और कुछ सरल चरणों का पालन करना था। अमेज़ॅन फ्रॉड डिटेक्टर स्वचालित रूप से डेटा की जांच करता है, सार्थक पैटर्न की पहचान करता है, और एक धोखाधड़ी पहचान मॉडल तैयार करता है जो नए लेनदेन पर भविष्यवाणी करने में सक्षम है।

निम्नलिखित आरेख हमारी पाइपलाइन को दिखाता है:

प्रवाह को चालू करने के लिए, हमने निम्नलिखित कार्यप्रवाह लागू किया:

1. अमेज़न EventBridge सभी लंबित लेन-देन की समीक्षा करने के लिए हर घंटे ऑर्केस्ट्रेशन पाइपलाइन को कॉल करता है।
2. स्टेप फ़ंक्शंस ऑर्केस्ट्रेशन पाइपलाइन को प्रबंधित करने में मदद करता है।
3. An AWS लाम्बा फ़ंक्शन कॉल अमेज़न एथेना एपीआई प्रशिक्षण डेटा को पुनः प्राप्त करने और तैयार करने के लिए संग्रहीत किया जाता है अमेज़न सरल भंडारण सेवा (अमेज़न S3)।
4. लैम्ब्डा फ़ंक्शंस की एक ऑर्केस्ट्रेटेड पाइपलाइन एक अमेज़ॅन फ्रॉड डिटेक्टर मॉडल को प्रशिक्षित करती है और मॉडल प्रदर्शन मेट्रिक्स को S3 बकेट में सहेजती है।
5. अमेज़न सरल अधिसूचना सेवा (अमेज़ॅन एसएनएस) धोखाधड़ी का पता लगाने की प्रक्रिया के दौरान या प्रक्रिया के सफलतापूर्वक पूरा होने पर समस्या होने पर उपयोगकर्ताओं को सूचित करता है।
6. व्यापार विश्लेषक डैशबोर्ड बनाते हैं अमेज़न क्विकसाइट, जो एथेना का उपयोग करके अमेज़न S3 से धोखाधड़ी के डेटा पर सवाल उठाता है, जैसा कि हम इस पोस्ट में बाद में वर्णन करेंगे।

हमने कुछ कारणों से Amazon Fraud Detector का उपयोग करना चुना:

• यह सेवा उन वर्षों की विशेषज्ञता पर टैप करती है जो अमेज़न धोखाधड़ी से लड़ रहा है। इससे हमें सेवा की क्षमताओं में बहुत विश्वास हुआ।
• उपयोग और कार्यान्वयन में आसानी ने हमें जल्दी से पुष्टि करने की अनुमति दी कि हमारे पास सटीक परिणाम देने के लिए आवश्यक डेटासेट है।
• क्‍योंकि Clearly ML टीम 1 वर्ष से कम पुरानी थी, एक पूरी तरह से प्रबंधित सेवा ने हमें गहरी तकनीकी ML कौशल और ज्ञान की आवश्यकता के बिना इस परियोजना को वितरित करने की अनुमति दी।

परिणाम

हमारे मौजूदा डेटा लेक में भविष्यवाणी के परिणाम लिखने से हमें वरिष्ठ नेतृत्व के लिए मेट्रिक्स और डैशबोर्ड बनाने के लिए क्विकसाइट का उपयोग करने की अनुमति मिलती है। यह उन्हें हमारे मासिक विपणन लक्ष्यों को पूरा करने के लिए अगले चरणों पर निर्णय लेने के दौरान इन परिणामों को समझने और उपयोग करने में सक्षम बनाता है।

हम पूर्वानुमान परिणामों को दो स्तरों पर प्रस्तुत करने में सक्षम थे, समग्र व्यावसायिक प्रदर्शन के साथ शुरू करना और फिर व्यापार की प्रत्येक पंक्ति (संपर्क और चश्मा) के लिए आवश्यक प्रदर्शन में गहराई तक जाना।

हमारे डैशबोर्ड में निम्न जानकारी शामिल है:

• प्रति दिन अलग-अलग प्रकार के व्यापार में धोखाधड़ी
  
• धोखाधड़ी लेनदेन के कारण राजस्व हानि
  
• धोखाधड़ी लेनदेन का स्थान (धोखाधड़ी के हॉट स्पॉट की पहचान करना)
  
• धोखाधड़ी के लेनदेन विभिन्न कूपन कोड से प्रभावित होते हैं, जो हमें समस्याग्रस्त कूपन कोड की निगरानी करने और जोखिम को कम करने के लिए आगे की कार्रवाई करने की अनुमति देता है
  
• फ्रॉड प्रति घंटा, जो हमें बिलिंग ऑपरेशन टीम की योजना बनाने और प्रबंधित करने की अनुमति देता है और यह सुनिश्चित करता है कि जरूरत पड़ने पर लेनदेन की मात्रा को संभालने के लिए हमारे पास संसाधन उपलब्ध हों

निष्कर्ष

ग्राहक धोखाधड़ी की प्रभावी और सटीक भविष्यवाणी आज खुदरा के लिए एमएल में सबसे बड़ी चुनौतियों में से एक है, और हमारे ग्राहकों और उनके व्यवहार की अच्छी समझ स्पष्ट रूप से सफलता के लिए महत्वपूर्ण है। अमेज़ॅन फ्रॉड डिटेक्टर ने न्यूनतम ओवरहेड के साथ एक सटीक और विश्वसनीय धोखाधड़ी भविष्यवाणी प्रणाली को आसानी से बनाने के लिए पूरी तरह से प्रबंधित एमएल समाधान प्रदान किया। अमेज़ॅन फ्रॉड डिटेक्टर भविष्यवाणियों में उच्च स्तर की सटीकता होती है और इसे उत्पन्न करना सरल होता है।

"जैसे प्रमुख ईकॉमर्स टूल के साथ आभासी प्रयास करें, हमारी अद्वितीय ग्राहक सेवा के साथ मिलकर, हम सभी को एक किफायती और सहज तरीके से स्पष्ट रूप से देखने में मदद करने का प्रयास करते हैं - जिसका अर्थ है प्रक्रियाओं को नया करने, सुधारने और कारगर बनाने के तरीकों की लगातार तलाश करना,” डॉ. जिव पोलाक, मशीन लर्निंग टीम लीडर ने कहा। "ऑनलाइन धोखाधड़ी का पता लगाना आज खुदरा क्षेत्र में मशीन लर्निंग की सबसे बड़ी चुनौतियों में से एक है। कुछ ही हफ्तों में, अमेज़ॅन फ्रॉड डिटेक्टर ने हमें बहुत उच्च स्तर की सटीकता के साथ धोखाधड़ी की सटीक और विश्वसनीय रूप से पहचान करने में मदद की, और हजारों डॉलर बचाए।"

---

लेखक के बारे में

डॉ ज़िव पोलाक एक अनुभवी तकनीकी नेता हैं जो राजस्व बढ़ाने, लागत कम करने, ग्राहक सेवा में सुधार करने और व्यावसायिक सफलता सुनिश्चित करने के लिए संगठनों द्वारा मशीन लर्निंग का उपयोग करने के तरीके को बदल देते हैं। वह वर्तमान में Clearly पर मशीन लर्निंग टीम का नेतृत्व कर रहे हैं।

सर्वि लोलोई क्लियरली में एसोसिएट मशीन लर्निंग इंजीनियर हैं। AWS टूल का उपयोग करते हुए, वह व्यवसाय वृद्धि को चलाने, राजस्व बढ़ाने और उत्पादकता को अनुकूलित करने के लिए मॉडल की प्रभावशीलता का मूल्यांकन करती है।

स्रोत: https://aws.amazon.com/blogs/machine-learning/how-clearly-accurately-predicts-fraudulent-orders-using-amazon-fraud-detector/