Crif-Analyse: Black Friday 2024 versetzte Deutschland in Konsumrausch – 198% mehr
Crif Deutschland
von Dr. Frank Schlein, Geschäftsführer von Crif Deutschland
So verzeichneten Online-Händler 2024 mit 198 Prozent nahezu doppelt so viele Bestellanfragen wie im Jahresdurchschnitt. Das geht aus einer Auswertung des Informationsdienstleisters CRIF hervor. Im Vergleich zum Black Friday 2023 stieg das von CRIF verzeichnete Anfragevolumen damit nochmals um 3,5 Prozent. Zusätzlich stieg der durchschnittliche Bestellwert um 10 Prozent auf 275 € (vorher 250 €). Dabei nutzen vor allem junge Menschen die Rabattaktion: Der Altersschnitt war in der Rabattwoche 1,5 Jahre jünger als im übrigen Jahr.Geringere Betrugsquote trotz mehr Bestellanfragen
Für Betrüger sind die Aktionstage hingegen kein Grund, um ihre Aktivitäten auszuweiten:
Zwar ist jede 133. Bestellung (0,75 Prozent) ein potenzieller Betrugsversuch. Verglichen mit den Wochen zuvor ist dies jedoch sogar ein Rückgang von 19,5 Prozent.”
Im Jahresdurchschnitt ist immerhin fast jede 100. Bestellung (0,93 Prozent) ein möglicher Betrug. „Der Preis eines Gutes ist für Betrüger nicht relevant, für ehrliche Käufer hingegen schon.
Aktionstage wie der Black Friday motivieren also verstärkt ehrliche Kunden zum Kauf, wodurch das Verhältnis zwischen Betrugsversuchen und regulären Bestellungen sinkt. Anders wird es in der Weihnachtswoche sein, hier gehen weniger reguläre Bestellungen ein, während Betrüger weiterhin aktiv sind. Dadurch wird die Betrugsquote steigen.“
Typische Betrugsmethoden und Schutzmaßnahmen
Betrüger im E-Commerce greifen auf verschiedene Maschen zurück und stellen Unternehmen vor erheblichen Herausforderungen. Eine häufig genutzte Methode ist der Identitätsdiebstahl, bei dem Betrüger echte Identitäten missbrauchen, um Bestellungen aufzugeben. Daneben kommt es häufig zu Eingehungsbetrug, bei dem Bestellungen trotz offensichtlicher Zahlungsunfähigkeit getätigt werden. Ebenso verbreitet ist die Erstellung erfundener Identitäten, bei der falsche Bestellerprofile konstruiert werden, um betrügerische Transaktionen zu verschleiern.
Ein weiteres Problem ist der Retourenbetrug, bei dem Rückgaberichtlinien manipuliert oder gefälschte Quittungen verwendet werden, um unrechtmäßig Rückerstattungen oder Ersatz zu erhalten.
Diese vielfältigen Betrugsmethoden zeigen, wie wichtig es ist, gezielte Maßnahmen zur Prävention und Erkennung zu ergreifen. Händler können sich nur durch eine umfassende Risikoprüfung schützen, indem sie interne und externe Daten mit intelligenten Modellen kombinieren. Ein gezielter Einsatz von Machine-Learning-Technologien und manuellen Kontrollverfahren bietet dabei den effektivsten Schutz gegen Betrüger.“
Tipps für Händler und Verbraucher
Sowohl Händler als auch Verbraucher können durch Aufmerksamkeit und gezielte Maßnahmen Betrugsversuche frühzeitig erkennen und vermeiden. Händler sollten besonders wachsam gegenüber auffälligen Bestellmustern sein.
Dazu zählen ungewöhnlich hohe Bestellwerte, die von Betrügern oft bevorzugt werden, sowie wiederkehrende E-Mail-Domains, die in bestimmten Regionen gehäuft auftreten. Durch das frühzeitige Erkennen solcher Muster und eine konsequente Überprüfung verdächtiger Transaktionen können sie potenzielle Schäden minimieren.
Verbraucher sollten auf unerwartete Bestellbestätigungen, Abbuchungen für digitale Güter oder Rechnungen für Käufe achten, die sie nicht getätigt haben.
Solche Anzeichen können auf den Missbrauch persönlicher Daten oder Identitäten hinweisen.“
Künstliche Intelligenz ist dabei Chance und Risiko zugleich
KI spielt eine zentrale Rolle in der Betrugsprävention. Mit datenbasierten Machine-Learning-Modellen arbeitet Crif daran, betrügerische Netzwerke und Identitätsverschleierungen zu identifizieren.
Doch KI kann auch missbraucht werden: So erleichtert sie die Erstellung täuschend echter Fakeshops oder manipulierter Produktbewertungen.”
Crif setzt auf flexible Plattformen und eine exzellente Datengrundlage. Durch die Anpassungsfähigkeit der KI-Modelle und den Einsatz bewährter Tools ist das Unternehmen in der Lage, betrugsverdächtige Anfragen mit hoher Genauigkeit zu erkennen und an neue Betrugsmuster anzupassen. Dabei spielen auch ML-Modelle (Machine Learning) eine zentrale Rolle. Diese Modelle nutzen komplexe Entscheidungslogiken, um betrügerische Anfragen noch präziser zu identifizieren und von legitimen Bestellungen zu unterscheiden. Ihre Fähigkeit, Muster in großen Datenmengen zu erkennen und kontinuierlich aus neuen Informationen zu lernen, ermöglicht eine effektivere, trennschärfere Vorhersage von Betrugsversuchen.Dr. Frank Schlein, Crif Deutschland
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/219986
Schreiben Sie einen Kommentar