マイクロソフトは機械学習と最適化を組み合わせてeコマース詐欺を削減した

あらゆる詐欺フィルターは、不正な注文を通してしまうことと正当な注文を拒否することのバランスを取らなければならず、詐欺を阻止するように調整されたフィルターは正当な顧客もブロックしがちである。

マイクロソフトのシステムは、既知の詐欺と新たに出現する詐欺の両方を検知する逐次機械学習と、詐欺損失・偽陽性・そしてかかっている収益を衡量する最適化レイヤーを組み合わせた。これにより、銀行の承認率を高めながら詐欺損失率を下げることができた。

2016年から2018年にかけて、このプロジェクトはマイクロソフトの詐欺損失を0.52パーセントポイント削減し、年間約7500万ドルの節約と、より多くの正当な購入が通るようになったことによる10億ドル超の追加収益を生み出した。この取り組みは2019年INFORMS Franz Edelman賞の最終候補となった。

詐欺を検知し、正当な注文を滞りなく進める

詐欺と正当な販売の損失の両方をモデル化することで、それぞれの誤った判断の実際のコストが明らかになる。

逐次モデルは、静的なルールでは見逃す新たな詐欺パターンを捉える。

正当な購入の承認率を高めることで、詐欺損失を縮小しながら収益を伸ばす。

明示的な最適化が、過剰に拒否していた手動調整のしきい値に取って代わる。

損失だけで評価される詐欺システムは過剰に拒否する。失われた正当な販売のコストを加えることで、意思決定全体のコストが下がる。

このシステムはマイクロソフトの各ストアフロントに展開され、オンライン小売業者が詐欺管理において機械学習とオペレーションズ・リサーチをどのように組み合わせるかの参考例となった。2019年Edelman賞の最終候補に選ばれ、INFORMSのジャーナル論文で記録された。