38 min
今回は手動レビューの最適化について、そして不正対策チームがそれを固定的な作業として扱うのをやめ、戦略上の強みとして使い始めたときに何が起こりうるのかを取り上げます。
SeatGeekで決済・リスク担当ディレクターを務めたショーン・ケリー氏に、多くのeコマース企業が身に覚えのある問題について伺いました。不正対策の仕組みが注文を取りこぼし、フィードバックの循環に時間がかかりすぎ、チャージバックが表面化したころには被害はすでに出ている、という状況です。ルールエンジン、教師あり学習のモデル、あるいは過去の失敗から学ぶ必要のあるツールに頼るチームにとって、この遅れは非常に高くつきます。
この対談で私が特に良いと思うのは、ショーン氏のチームが、ただ複雑さを足すことで問題を解こうとしなかった点です。彼らは手動レビューの進め方そのものを考え直しました。担当者が時間を使う先を変え、不正対策の実務における手動レビューの役割を変え、結果として想定をはるかに上回る価値を得たのです。
そしてこれは重要な問題です。
手動レビューの最適化は、取引をより効率よく確認することだけを指すのではないからです。フィードバックの循環を速くし、担当者の生産性を高め、不正対策の実務の効率を上げ、事業に「実際に何が起きているか」の可視性をもたらすことでもあります。この事例では、年間利益の大幅な伸び、予測精度の向上、そしてより良いチーム文化にもつながりました。
このエピソードで聞ける内容：
- 手動レビューの見直しが、フィードバックの循環を数週間から数時間へ短縮した経緯
- 手動レビューの向け先を変えたことが、教師あり学習のモデルの成績をどう改善したか
- 検知が速くなったことが、チャージバックの発見の改善をどう支えたか
- 担当者の業務の流れを変えることが、実務の効率と働きがいの双方をどう高めうるか
- 新たな攻撃が見えるようになったことで、予測の精度がどう向上したか
次のような方におすすめのエピソードです：
- 不正対策チームを率いており、余計な複雑さを足さずに手動レビューを改善したい
- より速いフィードバックを必要とする教師あり学習のモデルやルールエンジンに頼っている
- 担当者の生産性と、不正対策の実務の統率を高めたい
- 損失の抑制、チャージバック発見の改善、年間利益の伸びに関心がある
- より良い成果を試すために、これまでのやり方を考え直す用意がある
このエピソードが気に入ったら、iTunes、Spotify、YouTubeなどお使いのポッドキャストサービスで購読とレビューをお願いします。番組を広める大きな力になります。
