İade İşlemlerinde Yapay Zeka: Hangi İadelerin Sahte Olduğunu Tahmin Etme

Ulusal Perakende Federasyonu'na göre, iade dolandırıcılığı 2025 yılında ABD perakendecilerine tahmini 24,5 milyar dolara mal oldu. İade edilen her 100 dolarlık ürünün yaklaşık 15,14 doları sahte iadeydi. Sorun, genel e-ticaret büyümesinden daha hızlı artıyor çünkü dolandırıcılar sofistike hale geldi ve çoğu perakendeci hâlâ her müşteriyi aynı şekilde ele alan genel iade politikalarına güveniyor.

Yıllık yaklaşık 80 milyon dolar çevrimiçi gelir elde eden bir spor malzemeleri perakendecisi, yapay zeka tabanlı bir tespit sistemi uygulamadan önce yılda yaklaşık 1,9 milyon dolar iade dolandırıcılığı kaybı yaşadığını paylaştı. Sistemin 14 ay çalışmasının ardından, doğrulanmış dolandırıcılık kayıpları yaklaşık 620.000 dolara düştü. Model her şeyi yakalayamadı, ancak kayıpları üçte iki oranında azaltmaya yetecek kadar vakayı işaretledi.

Yaygın Dolandırıcılık Kalıpları

Wardrobing (geçici kullanım dolandırıcılığı) en yaygın biçimdir; müşteriler giysi veya aksesuar satın alır, bir kez giyer (genellikle sosyal medya fotoğrafı veya etkinlik için) ve iade eder. Sinyaller arasında yüksek değerli ürünlerin 2-3 gün içinde iadesi, etiketleri yeniden takılmış ürünlerin iadesi (deponuz etiket durumu verilerini takip ediyorsa bazen tespit edilebilir) ve aynı müşteriden tekrarlayan kalıplar yer alır.

Bracketing dolandırıcılığı, müşterilerin çoğunu iade etmeyi planlayarak kasıtlı olarak birden fazla beden veya renk sipariş etmesidir. Bu her zaman dolandırıcılık değildir (bazı perakendeciler bunu teşvik eder), ancak wardrobing ile birleştiğinde veya iade edilen ürünler kullanım belirtileri gösterdiğinde sorun haline gelir. Ayırt edici sinyal iade oranıdır: meşru bracketçiler çoklu ürün siparişlerinin %60-70'ini iade ederken, dolandırıcı bracketçiler genellikle %90+'ını iade eder ve ürünler yeni olarak yeniden satılamaz.

Fiş dolandırıcılığı ve fiyat değiştirme, indirimli satın alınan ürünlerin tam fiyat kredisi karşılığında iade edilmesini veya pahalı bir ürünün kutusunda daha ucuz bir ürünün iade edilmesini içerir. Bunları fiziksel inceleme olmadan yakalamak daha zordur, ancak yapay zeka, promosyonlar sırasında satın alınan ürünleri sürekli iade eden müşteriler gibi şüpheli kalıpları işaretleyebilir.

Organize perakende suçu, hacim olarak daha küçük bir yüzdeyi oluşturur ancak dolar bazında kayıpların daha büyük bir payını temsil eder. Bunlar, mal satın alıp mağaza kredisi veya geri ödeme karşılığında iade eden profesyonel operasyonlardır. Davranışsal sinyaller bireysel dolandırıcılıktan farklıdır: benzer adresler veya cihazlar kullanan farklı hesaplardan yapılan çoklu iadeler, yüksek talep gören ürünlerin toplu iadeleri ve satın alma geçmişi olmayan yeni hesaplardan yapılan büyük iadeler.

Yapay Zeka Modelleri Gerçekte Neye Bakıyor

E-ticaret iadelerinde en iyi çalışan dolandırıcılık tespit modelleri tek bir faktöre bakmaz. İadeleri, sinyallerin ağırlıklı bir kombinasyonuna göre puanlar. Müşteri iade geçmişi en güçlü tahmin edicisidir. 30'dan fazla siparişte %65 iade oranına sahip bir müşteri, hayatında ikinci ürününü iade eden birinden temelden farklı bir risk profiline sahiptir. Model yalnızca iade oranını değil, aynı zamanda iade hızını (ürünlerin ne kadar çabuk geri geldiğini), iade değer dağılımını (çoklu ürün siparişinde her zaman en pahalı ürünü iade etme) ve mevsimsel kalıpları da takip eder.

Ürün düzeyindeki veriler de önemlidir. Belirli ürün kategorileri doğal olarak daha yüksek iade oranlarına sahiptir (giyim ortalama %25-30, elektronik ise %8-10 civarındadır). Modelin, yüksek iade oranına sahip kategorilerdeki meşru iadeleri yanlışlıkla işaretlememesi için kategoriye özgü referans değerlere ihtiyacı vardır. Kategoriler içinde, belirli müşteri segmentlerinden gelen alışılmadık derecede yüksek iade oranlarına sahip belirli ürünler, hedefli bir wardrobing kalıbına işaret edebilir.

Cihaz ve oturum verileri başka bir katman ekler. Aynı cihaz parmak izi, hepsi yüksek iade davranışı gösteren birden fazla hesapla ilişkilendiriliyorsa, bu organize dolandırıcılığın güçlü bir sinyalidir. IP adresi kalıpları, tarayıcı parmak izleri ve hesap oluşturma zaman çizelgeleri risk puanına beslenir.

Zamanlama kalıpları şaşırtıcı derecede bilgilendiricidir. Sahte iadeler belirli pencereler etrafında kümelenir: iade politikası son tarihinden hemen önce, büyük etkinlikler veya tatillerden hemen sonra (etkinlik için wardrobing yapıldığını düşündüren) ve teslimattan şüpheli derecede kısa süre sonra (sipariş verildi, teslim alındı, belirgin bir neden olmadan 48 saat içinde iade edildi).

İade Dolandırıcılığı Sistemi: Satın Alma mı, Geliştirme mi?

Riskified, Signifyd ve Forter gibi şirketlerin hazır çözümleri, daha geniş dolandırıcılık önleme platformlarının bir parçası olarak iade dolandırıcılığı puanlaması sunar. Bunlar, yüzlerce satıcının verilerinde eğitilmiş oldukları için orta ölçekli perakendeciler için iyi çalışır ve modellerine, herhangi bir tek perakendecinin tek başına geliştirebileceğinden daha geniş bir dolandırıcılık kalıbı görüşü sağlar. Tipik maliyetler, sistem üzerinden işlenen iade değerinin %0,5-1,5'i arasında değişir.

Şirket içi geliştirme, benzersiz dolandırıcılık kalıplarına sahip büyük perakendeciler veya kendi modellerini etkili bir şekilde eğitmek için yeterli iade işleyen (ayda 50.000+) perakendeciler için mantıklıdır. Geliştirme genellikle yukarıda açıklanan sinyalleri çıkaran bir özellik mühendisliği hattını, sahte veya meşru olarak etiketlenmiş geçmiş iadeler üzerinde eğitilmiş bir gradient boosting veya sinir ağı modelini ve her iade talebini gerçek zamanlı olarak değerlendiren bir puanlama API'sini içerir.

Etiketleme sorunu, şirket içi geliştirmenin en zor kısmıdır. Çoğu perakendecinin hangi iadelerin gerçekten sahte olduğuna dair temiz geçmiş verileri yoktur. Genellikle kural tabanlı bir sistemle başlamanız (belirli kriterleri karşılayan iadeleri manuel inceleme için işaretleme), manuel inceleme sonuçlarını etiketli bir veri seti oluşturmak için kullanmanız ve ardından bu etiketli veriler üzerinde bir model eğitmeniz gerekir. Bu önyükleme süreci, güvenilir bir model için yeterli etiketli örnek üretmek üzere 6-12 ay sürer.

Dolandırıcılık Puanlarıyla Ne Yapmalı

Model, genellikle 0-100 arasında bir risk puanı üretir. Soru, bununla ne yapılacağıdır. Çoğu perakendeci üç katmanlı bir yaklaşım uygular. Düşük riskli iadeler (30'un altında puan) hiçbir sürtünme olmadan otomatik olarak işlenir. Orta riskli iadeler (30-70) normal süreçten geçer ancak işlem sonrası inceleme için işaretlenir. Yüksek riskli iadeler (70'in üzerinde) geri ödeme yapılmadan önce ek doğrulama adımlarını tetikler.

Bu ek adımlar arasında iade etiketi oluşturulmadan önce ürünün fotoğraflarının istenmesi, iadenin depodaki özel bir inceleme ekibine yönlendirilmesi, ürün teslim alınıp incelenene kadar geri ödemenin ertelenmesi veya aşırı durumlarda müşteriye iadenin mevcut politika kapsamında uygun olmadığının nazikçe bildirilmesi yer alabilir.

Anahtar nokta eşik değerlerini kalibre etmektir. Yüksek risk eşiğini çok düşük ayarlarsanız meşru müşteriler için sürtünme yaratırsınız, bu da memnuniyeti ve yaşam boyu değeri zedeler. Çok yüksek ayarlarsanız dolandırıcılığı kaçırırsınız. Çoğu perakendeci muhafazakâr başlar (eşik 80-85) ve model doğruluğuna güven arttıkça kademeli olarak düşürür.

Artan iade hacimleriyle mücadele eden e-ticaret ve perakende işletmeleri için, en belirgin kalıpları yakalayan temel bir dolandırıcılık puanlama sistemi bile iadeyle ilgili kayıpların %1-3'ünü geri kazanabilir. Veri toplama ve model eğitiminiz ne kadar sofistike hale gelirse, bu geri kazanım oranı o kadar yükselir. En iyi sonuçları alan perakendeciler, iade dolandırıcılığı tespitini tek seferlik bir proje olarak değil, dolandırıcılık kalıpları her sezon değişip evrilirken modellerini düzenli olarak yeniden eğiten sürekli bir optimizasyon olarak ele alanlardır.