Копипаст статьи @X-CARD , очень полезная информация.
Форум указывать не буду, ибо реклама.
В этой теме я хочу рассмотреть как нас видит оператор со стороны шопа на примере The Sift Science Console, да, однако общее представление новички будут иметь.
The Sift Science Console представляет из себя следующее:
Цифрой 1 обозначен т.н. фраудскор, от 0 до 100, где 0 - 100% не фрауд, что маловероятно даже у кх, но к чему нужно стремиться. И 100 - вам точно не вышлют ничего )
Дальше под цифрой 2 ничего не интересного, оператор просто выбирает, хороший мы или плохой )
Под цифрой 3 - ордер (его номер), IP, адрес, расстояние на карте между биллингом и шиппингом.
Под цифрой 4 - более подробная информация об ордере.
Тут уже более интересно, под цифрой 5 и 6 мы видим:
Users per shipping name - пользователи, которые использовали такое же имя. Нехило так добавляет фраудскор. То есть в большинстве шопов слать на одного дропа с разных акков всё же не рекомендуется.
Users per device - тут нужно сделать небольшое отступление в сторону canvas fingerprinting'a, по сути является "отпечатком" вашей системы. Не всегда используется canvas, отпечаток может составляться и из других параметров, каждый шоп их выбирает сам.
Вот пример canvas fingerprinting https://www.browserleaks.com/canvas
Соответственно user per device показывает людей с таким же отпечатком как и у вас, на деле картина может быть другая. Часто бывает совпадение фингерпринтов, допустим у пользователей Mac, iphone и т.д. одинаковые фингерпринты, т.к. железная составляющая, ровно как и браузер, система одинаковы. Точно так же, если список параметров, по которым формируется фингерпринт невелик, то соответственно будет совпадение и у пользователей Windows, Linux, Android. Допустим, с того же сайта https://www.browserleaks.com/canvas у меня такой результат
То есть достаточное количество человек имеет схожий фингерпринт, и это нормально.
Далее идёт users per cookie - тут понятно, разные аккаунты а куки одни, очень плохо.
Users per browser-ip - пользователи с одинаковым айпи.
Тоже очень плохо.
Billing/Credit card county match - совпадение штата, указанного в биллинге, со штатом, выпустившим карту (?)
Shipping/Billing distance - без комментариев
Users per shipping address - пользователи, использовавшие схожий шиппинг адрес. Не касается посредов, там немного другая история.
Shipping name fraction vowels - доля гласных звуков в имени. Для определения правильности написания имени.
User agent - наш браузер, OS и т.д.
SHIPPING/BILLING zip match - совпадения зипа и биллинга и шиппинга, некоторые шопы предвзято относятся к этому.
Transaction payment gateway - через какую платёжную систему была произведена оплата.
TRANSACTION SHIPPING ZIP - зип нашего шипа.
USERS PER BILLING ADDRESS - думаю, никто не будет несколько раз вбивать одну СС в один и тот же шоп )
Credit card bank - если очень часто встречается банк в списках фрауда, к нему начинают относиться предвзято. По моим предположениям, в топовых шопах есть схожий пункт про бины, то есть покупки с определенных бинов автоматически идут во фрауд. (Можете поправить, я не уверен).
EMAIL SIMILARITY - схожеть мыла с именем кх.
В 7 пункте по сути показан пользователь и все его совпадения отпечатков с другими пользователи, в данном случае наш "герой" совпадает сразу с 3 пользователями, по всем параметрам, то есть он вбивал с одной СС, с одной системы, с одних куков, но с разных аккаунтов.
Вывод каждый сделает для себя.
Форум указывать не буду, ибо реклама.
В этой теме я хочу рассмотреть как нас видит оператор со стороны шопа на примере The Sift Science Console, да, однако общее представление новички будут иметь.
The Sift Science Console представляет из себя следующее:
Цифрой 1 обозначен т.н. фраудскор, от 0 до 100, где 0 - 100% не фрауд, что маловероятно даже у кх, но к чему нужно стремиться. И 100 - вам точно не вышлют ничего )
Дальше под цифрой 2 ничего не интересного, оператор просто выбирает, хороший мы или плохой )
Под цифрой 3 - ордер (его номер), IP, адрес, расстояние на карте между биллингом и шиппингом.
Под цифрой 4 - более подробная информация об ордере.
Тут уже более интересно, под цифрой 5 и 6 мы видим:
Users per shipping name - пользователи, которые использовали такое же имя. Нехило так добавляет фраудскор. То есть в большинстве шопов слать на одного дропа с разных акков всё же не рекомендуется.
Users per device - тут нужно сделать небольшое отступление в сторону canvas fingerprinting'a, по сути является "отпечатком" вашей системы. Не всегда используется canvas, отпечаток может составляться и из других параметров, каждый шоп их выбирает сам.
Вот пример canvas fingerprinting https://www.browserleaks.com/canvas
Соответственно user per device показывает людей с таким же отпечатком как и у вас, на деле картина может быть другая. Часто бывает совпадение фингерпринтов, допустим у пользователей Mac, iphone и т.д. одинаковые фингерпринты, т.к. железная составляющая, ровно как и браузер, система одинаковы. Точно так же, если список параметров, по которым формируется фингерпринт невелик, то соответственно будет совпадение и у пользователей Windows, Linux, Android. Допустим, с того же сайта https://www.browserleaks.com/canvas у меня такой результат
То есть достаточное количество человек имеет схожий фингерпринт, и это нормально.
Далее идёт users per cookie - тут понятно, разные аккаунты а куки одни, очень плохо.
Users per browser-ip - пользователи с одинаковым айпи.
Тоже очень плохо.
Billing/Credit card county match - совпадение штата, указанного в биллинге, со штатом, выпустившим карту (?)
Shipping/Billing distance - без комментариев
Users per shipping address - пользователи, использовавшие схожий шиппинг адрес. Не касается посредов, там немного другая история.
Shipping name fraction vowels - доля гласных звуков в имени. Для определения правильности написания имени.
User agent - наш браузер, OS и т.д.
SHIPPING/BILLING zip match - совпадения зипа и биллинга и шиппинга, некоторые шопы предвзято относятся к этому.
Transaction payment gateway - через какую платёжную систему была произведена оплата.
TRANSACTION SHIPPING ZIP - зип нашего шипа.
USERS PER BILLING ADDRESS - думаю, никто не будет несколько раз вбивать одну СС в один и тот же шоп )
Credit card bank - если очень часто встречается банк в списках фрауда, к нему начинают относиться предвзято. По моим предположениям, в топовых шопах есть схожий пункт про бины, то есть покупки с определенных бинов автоматически идут во фрауд. (Можете поправить, я не уверен).
EMAIL SIMILARITY - схожеть мыла с именем кх.
В 7 пункте по сути показан пользователь и все его совпадения отпечатков с другими пользователи, в данном случае наш "герой" совпадает сразу с 3 пользователями, по всем параметрам, то есть он вбивал с одной СС, с одной системы, с одних куков, но с разных аккаунтов.
Вывод каждый сделает для себя.