الذكاء الاصطناعي لمعالجة المرتجعات: التنبؤ بالمرتجعات الاحتيالية

كلّف الاحتيال في المرتجعات تجار التجزئة الأمريكيين ما يقدر بـ 24.5 مليار دولار في عام 2025، وفقاً للاتحاد الوطني للبيع بالتجزئة. من كل 100 دولار من البضائع المرتجعة، كان حوالي 15.14 دولاراً احتيالياً. المشكلة تنمو بوتيرة أسرع من التجارة الإلكترونية بشكل عام لأن المحتالين أصبحوا أكثر تطوراً، ومعظم تجار التجزئة لا يزالون يعتمدون على سياسات إرجاع شاملة تعامل جميع العملاء بشكل متماثل.

شارك أحد تجار التجزئة للمستلزمات الرياضية الذي يحقق إيرادات سنوية عبر الإنترنت تبلغ حوالي 80 مليون دولار أنه كان يخسر ما يقارب 1.9 مليون دولار سنوياً بسبب احتيال المرتجعات قبل تطبيق نظام كشف قائم على الذكاء الاصطناعي. بعد 14 شهراً من تشغيل النظام، انخفضت خسائر الاحتيال المؤكدة إلى حوالي 620,000 دولار. لم يكتشف النموذج كل شيء، لكنه أشّر على ما يكفي لخفض الخسائر بمقدار الثلثين.

أنماط الاحتيال الشائعة

"الواردروبينغ" (ارتداء المنتج وإعادته) هو الشكل الأكثر انتشاراً، حيث يشتري العملاء ملابس أو إكسسوارات، يرتدونها مرة واحدة (غالباً لصورة على وسائل التواصل الاجتماعي أو لمناسبة)، ثم يعيدونها. تشمل الإشارات إرجاع سلع عالية القيمة خلال 2-3 أيام، وإرجاع سلع مع إعادة تثبيت البطاقات (يمكن اكتشافها أحياناً من خلال بيانات حالة البطاقة إذا كان مستودعك يتتبعها)، وتكرار الأنماط من نفس العميل.

احتيال "البراكتينغ" (الطلب بأحجام متعددة) هو عندما يطلب العملاء عمداً أحجاماً أو ألواناً متعددة مع التخطيط لإرجاع معظمها. هذا ليس احتيالياً دائماً (بعض تجار التجزئة يشجعونه)، لكنه يصبح مشكلة عند دمجه مع الواردروبينغ أو عندما تظهر على السلع المرتجعة علامات استخدام. الإشارة المميزة هي معدل الإرجاع: المشترون الشرعيون بهذا الأسلوب يرجعون 60-70% من الطلبات متعددة السلع، بينما المحتالون غالباً ما يرجعون 90%+ مع سلع لا يمكن إعادة بيعها كجديدة.

احتيال الإيصالات وتبديل الأسعار يتضمن إرجاع سلع تم شراؤها بخصم للحصول على رصيد بالسعر الكامل، أو إرجاع سلعة أرخص في علبة سلعة أغلى. هذه الأنواع أصعب في الاكتشاف بدون فحص مادي، لكن الذكاء الاصطناعي يمكنه تحديد الأنماط المشبوهة مثل العملاء الذين يرجعون باستمرار سلعاً تم شراؤها خلال فترات العروض الترويجية.

الجريمة المنظمة في البيع بالتجزئة تمثل نسبة أصغر من حيث الحجم لكن حصة أكبر من الخسائر المالية. هذه عمليات احترافية تشتري البضائع وتعيدها مقابل رصيد متجر أو استرداد نقدي. الإشارات السلوكية تختلف عن الاحتيال الفردي: مرتجعات متعددة عبر حسابات مختلفة تستخدم عناوين أو أجهزة متشابهة، وإرجاع سلع عالية الطلب بكميات كبيرة، وحسابات جديدة بدون سجل شراء تقوم بمرتجعات كبيرة.

ما الذي تنظر إليه نماذج الذكاء الاصطناعي فعلياً

نماذج كشف الاحتيال الأكثر فعالية في مرتجعات التجارة الإلكترونية لا تنظر إلى عامل واحد. إنها تقيّم المرتجعات بناءً على مزيج مرجّح من الإشارات. سجل إرجاع العميل هو المؤشر الأقوى. العميل الذي لديه معدل إرجاع 65% عبر أكثر من 30 طلباً لديه ملف مخاطر مختلف جوهرياً عن شخص يرجع سلعته الثانية على الإطلاق. يتتبع النموذج ليس فقط معدل الإرجاع، بل سرعة الإرجاع (مدى سرعة عودة السلع)، وتوزيع قيمة الإرجاع (إرجاع السلعة الأغلى دائماً في طلب متعدد السلع)، والأنماط الموسمية.

بيانات مستوى السلعة مهمة أيضاً. فئات منتجات معينة لديها معدلات إرجاع أعلى بطبيعتها (الملابس تتراوح بين 25-30%، بينما الإلكترونيات حوالي 8-10%). يحتاج النموذج إلى خطوط أساس خاصة بكل فئة لتجنب الإشارة إلى مرتجعات مشروعة في الفئات ذات الإرجاع المرتفع. داخل الفئات، السلع المحددة ذات معدلات الإرجاع المرتفعة بشكل غير عادي من شرائح عملاء محددة يمكن أن تشير إلى نمط واردروبينغ مستهدف.

بيانات الجهاز والجلسة تضيف طبقة أخرى. إذا كانت نفس بصمة الجهاز مرتبطة بحسابات متعددة تظهر جميعها سلوك إرجاع مرتفع، فهذه إشارة قوية على احتيال منظم. أنماط عناوين IP وبصمات المتصفح والجداول الزمنية لإنشاء الحسابات كلها تغذي درجة المخاطر.

أنماط التوقيت مفيدة بشكل مدهش. المرتجعات الاحتيالية تتجمع حول نوافذ زمنية محددة: قبل الموعد النهائي لسياسة الإرجاع مباشرة، وبعد المناسبات الكبرى أو العطلات مباشرة (مما يشير إلى واردروبينغ للمناسبة)، وبسرعة مريبة بعد التسليم (طُلبت، واستُلمت، وأُرجعت خلال 48 ساعة بدون سبب واضح).

بناء نظام كشف احتيال المرتجعات أم شراؤه

الحلول الجاهزة من شركات مثل Riskified وSignifyd وForter تقدم تقييم احتيال المرتجعات كجزء من منصات منع الاحتيال الأوسع. هذه تعمل بشكل جيد لتجار التجزئة متوسطي الحجم لأنها تم تدريبها على بيانات من مئات التجار، مما يمنح نماذجها رؤية أوسع لأنماط الاحتيال مما يمكن لأي تاجر تجزئة واحد تطويره بمفرده. التكاليف النموذجية تتراوح بين 0.5-1.5% من قيمة المرتجعات المعالجة عبر النظام.

البناء الداخلي منطقي لتجار التجزئة الكبار ذوي أنماط الاحتيال الفريدة أو أولئك الذين يعالجون مرتجعات كافية (أكثر من 50,000 شهرياً) لتدريب نماذجهم الخاصة بفعالية. يتضمن البناء عادةً خط أنابيب هندسة الميزات الذي يستخرج الإشارات الموصوفة أعلاه، ونموذج تعزيز التدرج أو شبكة عصبية مدرب على المرتجعات التاريخية المصنفة كاحتيالية أو مشروعة، وواجهة برمجة تطبيقات للتقييم تقيّم كل طلب إرجاع في الوقت الفعلي.

مشكلة التصنيف هي الجزء الأصعب في البناء الداخلي. معظم تجار التجزئة لا يملكون بيانات تاريخية نظيفة حول المرتجعات التي كانت احتيالية فعلاً. غالباً ما تحتاج إلى البدء بنظام قائم على القواعد (تحديد المرتجعات التي تستوفي معايير معينة للمراجعة اليدوية)، واستخدام نتائج المراجعة اليدوية لبناء مجموعة بيانات مصنفة، ثم تدريب نموذج على تلك البيانات المصنفة. تستغرق عملية التمهيد هذه من 6 إلى 12 شهراً لتوليد أمثلة مصنفة كافية لنموذج موثوق.

ماذا تفعل بدرجات الاحتيال

يُخرج النموذج درجة مخاطر، عادةً من 0 إلى 100. السؤال هو ماذا تفعل بها. معظم تجار التجزئة يطبقون نهجاً من ثلاث مستويات. المرتجعات منخفضة المخاطر (درجة أقل من 30) تتم معالجتها تلقائياً بدون أي احتكاك. المرتجعات متوسطة المخاطر (30-70) تمر بالعملية العادية لكن يتم تحديدها لمراجعة ما بعد المعالجة. المرتجعات عالية المخاطر (أعلى من 70) تُفعّل خطوات تحقق إضافية قبل إصدار الاسترداد.

قد تشمل تلك الخطوات الإضافية طلب صور للسلعة قبل إنشاء ملصق الإرجاع، أو توجيه المرتجع إلى فريق فحص مخصص في المستودع، أو تأخير الاسترداد حتى استلام السلعة وفحصها، أو في الحالات القصوى، إبلاغ العميل بلطف أن المرتجع لا يستوفي شروط السياسة الحالية.

المفتاح هو معايرة العتبات. إذا وضعت عتبة المخاطر العالية منخفضة جداً فإنك تضيف احتكاكاً للعملاء الشرعيين، مما يضر بالرضا والقيمة الدائمة. وإذا وضعتها عالية جداً فإنك تفوّت الاحتيال. معظم تجار التجزئة يبدأون بشكل محافظ (عتبة عند 80-85) ويخفضونها تدريجياً مع بناء الثقة في دقة النموذج.

بالنسبة لـ شركات التجارة الإلكترونية والبيع بالتجزئة التي تتعامل مع أحجام مرتجعات متزايدة، حتى نظام تقييم احتيال أساسي يكتشف الأنماط الأكثر وضوحاً يمكنه استرداد 1-3% من الخسائر المتعلقة بالمرتجعات. كلما أصبح جمع البيانات وتدريب النموذج أكثر تطوراً، ارتفع معدل الاسترداد. تجار التجزئة الذين يحققون أفضل النتائج هم أولئك الذين يتعاملون مع كشف احتيال المرتجعات ليس كمشروع لمرة واحدة بل كعملية تحسين مستمرة، مع إعادة تدريب نماذجهم بانتظام مع تغير أنماط الاحتيال وتطورها مع كل موسم.