38 min
Fraudology
Otimização da revisão manual: como redirecioná-la aumentou o lucro anual
Hoje falamos sobre otimização da revisão manual e o que pode acontecer quando uma equipe de fraude deixa de tratá-la como função fixa e passa a usá-la como vantagem estratégica.
Sentei com Shawn Kelley, ex-diretor de Pagamentos e Risco da SeatGeek, para falar de um problema que muitas empresas de e-commerce conhecem bem demais. O sistema antifraude deixava pedidos passarem, o ciclo de feedback demorava muito e, quando os chargebacks apareciam, o estrago já estava feito. Para equipes que dependem de motores de regras, modelos supervisionados de aprendizado de máquina ou ferramentas que precisam aprender com erros passados, esse atraso pode sair caríssimo.
O que realmente gosto nesta conversa é que Shawn e sua equipe não resolveram o problema acrescentando complexidade por acrescentar. Eles repensaram o próprio processo de revisão manual. Redirecionaram onde os analistas gastavam tempo, mudaram o papel da revisão manual nas operações antifraude e acabaram obtendo muito mais valor do que esperavam.
E isso importa.
Porque otimizar a revisão manual não é só revisar transações com mais eficiência. É criar um ciclo de feedback mais rápido, melhorar a produtividade dos analistas, aumentar a eficiência das operações antifraude e dar ao negócio mais visibilidade do que realmente acontece. Neste caso, também levou a um crescimento expressivo do lucro anual, melhores previsões e uma cultura de equipe mais forte.
O que você vai ouvir neste episódio:
- Como a otimização da revisão manual ajudou a encurtar o ciclo de feedback de semanas para horas
- Por que redirecionar o processo de revisão manual melhorou o desempenho dos modelos supervisionados
- Como uma detecção mais rápida sustentou melhorias na detecção de chargebacks
- Por que mudar o fluxo de trabalho dos analistas pode aumentar tanto a eficiência quanto a satisfação da equipe
- Como a precisão das previsões melhorou quando a equipe passou a enxergar melhor os ataques emergentes
Você deve ouvir este episódio se:
- Lidera uma equipe de fraude e quer melhorar a revisão manual sem acrescentar complexidade desnecessária
- Depende de modelos supervisionados de aprendizado de máquina ou motores de regras que precisam de feedback mais rápido
- Quer melhorar a produtividade dos analistas e a liderança das operações antifraude
- Se importa com prevenção de perdas, melhorias na detecção de chargebacks e crescimento do lucro anual
- Está aberto a repensar o jeito como sua equipe sempre operou para testar resultados melhores
Se você gostou deste episódio, inscreva-se e avalie o podcast no iTunes, Spotify, YouTube ou onde quer que você ouça podcasts. Isso ajuda muito a divulgar.
