FinTech: антифрод vs UX — где порог?

Ситуация: Текущий антифрод блокирует 2% транзакций. Из них 30% — false positive (норм юзеры). Усиливать порог или ослаблять?

Сhargeback rate 0.3% (норм для отрасли). Но обращений в support из-за блокировок +25% за месяц. CFO давит «снизь chargeback», CX давит «сними блокировки».

Доступные данные

• transactions: txn_id, user_id, amount, ts, status (approved/blocked/chargeback)
• fraud_scores: txn_id, ts, score (0-1), threshold_used
• support_tickets: ticket_id, user_id, ts, category, txn_id
• chargebacks: txn_id, ts, amount_lost

Задачи

• Cost function: Total_cost = α × FP × CX_cost + β × FN × Fraud_cost.
• CX_cost (FP) = lost transaction (avg 5K ₽) + support ticket (200 ₽) + churn risk.
• Fraud_cost (FN) = chargeback amount + investigation + reputation.
• ROC curve: для разных threshold смотрим (FP rate, FN rate). Найти optimum.
• Сегмент: для high-value txn более жёсткий порог; для low-value — более мягкий.
• Тестирование: shadow mode (новый порог не блокирует, только логирует) — оценить FP/FN до перехода.

Все кейсы для подготовки → ← Все кейсы