Машинное обучение сократит мошенничество на кассах самообслуживания

Кассы самообслуживания являются большим преимуществом для любого магазина, поскольку они снижают затраты на рабочую силу и улучшает кассовое обслуживание в магазинах, особенно в условиях, когда ритейлеры постоянно сталкиваются с дефицитом персонала.

По состоянию на июнь 2023 года Торговая палата США опубликовала данные о том, что уровень увольнений в сфере розничной торговли выше, чем в среднем по стране, и 30% рабочих мест в сфере ритейла остаются незаполненными.

Несмотря на экономию средств и эффективность труда, электронные кассиры подвергаются большему риску кражи и мошенничества, чем традиционные кассы. Фактически, каждый пятый опрошенный покупатель намеренно совершал мошенничество в self-checkout кассах.

Чтобы снизить риск, ритейлеры устанавливают камеры и внедряют технологии, которые инициирует повторное сканирование или предупреждают сотрудников о нарушениях. Эти решения являются дорогостоящими, как с точки зрения финансовых затрат, так и лояльности клиентов. Из-за этого процесс оформления покупок честными покупателями задерживается, и на них негативно влияют ненужные повторные сканирования или проверки персонала. Ритейлеры могут вместо этого полагаться на искусственный интеллект (ИИ) и машинное обучение (МО), чтобы избежать ненужных потерь на кассах самообслуживания.

Мало того, что мошенничество с кассами самообслуживания распространено, 58% потребителей заявляют, что совершить обман «легко» или «очень легко». Одна из причин этого заключается в том, что покупатели могут испытывать меньше угрызений совести, кладя неоплаченный товар в сумку у кассы самообслуживания, чем перед кассиром.

Чтобы выявить такие случаи риска, ритейлерам следует внедрять системы, основанные на машинном обучении. Эти инструменты включают в себя настраиваемый набор правил, которые автоматически изучаются и совершенствуются по мере того, как покупатели изобретают новые способы обмана касс самообслуживания.

Сегодня многие ритейлеры полагаются на статические, основанные на правилах системы обнаружения мошенничества, которые требуют постоянного мониторинга и управления. Такие решения тратят много времени на настройку и ввод новых данных в свои системы. Например, если производитель товара объявит о новой, более экологичной упаковке, ее продукция вскоре изменит вес. Ритейлеру, который использует ручные инструменты обнаружения мошенничества, придется внести изменения веса в свою систему. Когда эти изменения обрабатываются вручную, могут возникнуть ошибки, которые снизят точность методов обнаружения обмана.

Если решение по обнаружению мошенничества работает с неточностями, это повлияет даже на самых лояльных клиентов. Например, если покупатель пытается отсканировать товар в новой упаковке, а система его не распознает, касса самообслуживания скорее всего, предложит покупателю провести несколько повторных сканирований или выдаст ему неправильную цену. Это негативно повлияет на качество обслуживания клиентов, замедлит их работу и вынудит искать сотрудника магазина. По этой причине крайне важно, чтобы ритейлеры инвестировали в обнаружение мошенничества на основе машинного обучения, которое может предотвратить кражу, не мешая эффективному процессу самообслуживания для добропорядочных покупателей.

Вместо использования статических алгоритмов ритейлеры могут положиться на технологию обнаружения мошенничества на основе машинного обучения, которая учитывает широкий спектр данных, прежде чем потребовать повторного сканирования товара. Эти инструменты оценивают постоянно меняющийся ассортимент розничного магазина, корзину покупателя, товары, которые обычно приобретаются вместе, прежде чем выявить вероятность наличия несоответствий в корзине. Если вероятность мошенничества высока, система предложит кассе самообслуживания запросить повторное сканирование. Если повторное сканирование прошло «успешно» и нарушение больше не вызывает беспокойства, система извлечет уроки из этой ошибки, и тот же сценарий не повторится в будущем. Такие системы на основе машинного обучения не только адаптируются к изменениям ассортимента продуктов и надежности клиентов, они также изучают новые стратегии мошенничества и автоматически их выявляют.