Финтех: антифрод режет 4% легитимных транзакций — score-cutoff подняли, но потеряли больше денег

Ситуация: После ужесточения порога антифрод-модели false-positive rate вырос с 1.2% до 4.0%, фрод упал на 0.3 п.п., но declined-объём вырос на 180M ₽/нед и подскочили жалобы.

Команда риска подняла score-cutoff с 0.65 до 0.50, чтобы поймать новую волну card-not-present фрода. Нужно оценить чистый P&L-эффект и найти оптимальный порог, который не убивает легитимные платежи.

Доступные данные

• transactions: txn_id, user_id, amount, ts, mcc, channel, is_cnp, fraud_score, decision
• fraud_labels: txn_id, is_fraud, chargeback_amount, confirmed_at
• declines: txn_id, user_id, decline_reason, ts, retried, retry_success
• users: user_id, segment, tenure_days, lifetime_gmv
• complaints: user_id, ts, category, channel

Задачи

• Построить confusion matrix при cutoff 0.65 и 0.50: TP/FP/TN/FN в штуках и в рублях.
• Оценить чистый P&L: пойманный фрод (chargeback avoided) минус потерянная маржа на FP-транзакциях и стоимость оттока.
• Построить ROC/precision-recall и подобрать порог, максимизирующий ожидаемую прибыль, а не recall.
• Сегментировать FP: бьёт ли по premium-юзерам с высоким LTV сильнее, чем по новичкам.
• Предложить порог + правила-исключения (whitelist по tenure/GMV) и оценить эффект.

Все кейсы для подготовки → ← Все кейсы