Siftは、EC、旅行予約、SaaSなどオンライン上で大量の取引やアカウント登録が発生する企業で導入されています。特に、クレジットカード不正利用、チャージバック、アカウント悪用、目視審査の負担といった課題に対して、機械学習によるリアルタイム判定を使い、不正被害の削減と手動審査の省力化を同時に進める用途で効果が確認されています。
| 導入企業・利用場面 | 解決したい課題 | 特に効果が高いとされる活用例 |
|---|---|---|
| EC・通販事業者 | カード不正利用やチャージバックが増え、注文を担当者が目視確認している | 注文時のユーザー情報・端末情報・行動データなどをSiftでスコアリングし、リスクの高い注文だけを保留・自動停止。 |
| 取引量が急増しているEC企業 | 売上拡大に伴って不正注文も増え、人員を増やしても全件チェックできない | 機械学習によるスコアリングで目視確認対象を絞り込み、不正対策担当者の作業量を削減。 |
| 顧客体験を損なわず不正対策したい企業 | すべての顧客に強い本人認証を求めると、購入離脱や売上低下につながる | Siftでリスクの高い取引を抽出し、必要な取引だけ追加確認する運用にすることで、正常顧客への摩擦を抑えながら不正利用を防止します。 |
| 旅行予約・オンライン予約サービス | 高額な予約や海外利用などでカード不正が発生し、チャージバック負担が大きい | 予約時の行動やアカウント情報を分析し、不正の兆候を事前に検出。 |
| SaaS・オンラインサービス | 無料アカウントや新規登録を悪用した不審ユーザー、スパム、攻撃への対応が必要 | ログインやアカウント作成時の行動をリスク判定し、怪しいユーザーを早期に検知・ブロック。決済不正だけでなく、アカウント悪用対策としても利用されています。 |
| 不正対策ルールの運用負担が大きい企業 | 不正パターンが変化するたびにブラックリストやルールを人手で更新している | 機械学習に取引結果をフィードバックし、不正傾向を継続学習。従来のブラックリスト照合や頻繁なルール調整を減らし、運用負担を軽減します。 |
Sift運営担当からの回答
Sift Official Vendor