X

Subscribe to recent blog articles via E-MAIL.

link

BLOG
Financial Solutions
08 Okt 2018

Schlechtem nichts Gutes hinterherwerfen

Smarter Umgang mit Fake-Bestellungen und Identitätsbetrug im Inkasso

So können E-Commerce Unternehmen bei Betrug oder Identitätsfälschung weitere Aufwände und Kosten im Forderungsmanagement vermeiden – und nebenher das Risikomanagement verbessern.

Inkasso und E-Commerce – ein sehr dynamisches Thema, das mich als Key Account im Bereich Forderungsmanagement seit vielen Jahren umtreibt. Zum einen geht es immer um bestmöglichen Kundenerhalt, besonders dann, wenn es zu Zahlungsverzug kommt. Zum anderen geht es aber auch ganz klar um eines: Fraud. Betrügerische Bestellungen, unter denen junge und aufstrebende E-Commerce Start-Ups genauso leiden, wie die „alten Hasen“. Die Folge sind ausbleibende Rückflüsse und der Verlust der versendeten Ware oder getätigten Dienstleistung. Das kann Unternehmen ausbremsen und erhöht die Risikokosten. Doch wie erkennt man eigentlich, dass ein Fall von Betrug vorliegt? Und was kann man im Inkasso noch tun, wenn der Schaden eigentlich schon entstanden ist?

Verlust durch Betrug in Millionenhöhe
Die Zahlung für eine Bestellung bleibt aus, die Rechnung wird angemahnt, der Fall als Akte ans Inkasso übergeben – und hier stellt sich erst heraus, dass es sich um eine betrügerische Bestellung handelt. Durch diese Bestellungen verlieren unsere Auftraggeber mehrere Millionen Euro Umsatz jährlich. Als Forderungsdienstleister verstehen wir unter diesen Fällen die sogenannten uneinbringlichen Forderungen, die letztendlich weitere Kosten verursachen, wenn nicht interveniert und der Prozess unterbrochen wird. Wird uns eine Betrugsakte übergeben, so ist das Kind eigentlich bereits in den Brunnen gefallen. Wir haben uns daher die Frage gestellt: Was kann man jetzt noch tun? Es heißt: schnell reagieren, um nicht weitere unnötige Kosten zu produzieren. Denn: Warum in einem Betrugsfall eine Einwohnermeldeamtsanfrage starten? Oder noch schlimmer: ins gerichtliche Verfahren gehen – wenn uns nicht einmal ein Postrückläufer erreicht.

Smart Fraud Analyzer erkennt Betrugsakten
Erster und wichtigster Schritt ist dabei das Erkennen einer Betrugsakte und Betrugsart. Der ganz klassische Fall ist die missbräuchliche Bestellung unter einer falschen Identität. Im schlimmsten Fall ist hier zusätzlich eine reale Person geschädigt, deren E-Mail-Adresse verwendet wurde und die erst durch unsere Adressermittlung und Kontaktaufnahme erfährt, dass etwas im Argen ist. In den letzten Jahren haben unsere Forderungsexperten gemeinsam mit unserem Analystenteam an einem neuen Lösungsansatz gearbeitet und den innovativen „Smart Fraud Analyzer“ entwickelt. Mit dieser Lösung kann Betrug schneller und übergreifend identifiziert werden, indem wir Betrugsakten im Inkasso eindeutig erkennen und mit automatisierten Prozessen hinterlegen. So kann Schnelligkeit bei der Bearbeitung sichergestellt werden und weiterer Schaden abgewehrt werden. Der „Smart Fraud Analyzer“ erkennt außerdem betrugsauffällige Akten, die durch ein Spezialisten-Team genauer geprüft werden.

Betrugsquote reduzieren – Risikomanagement verbessern
Unsere Auftraggeber profitieren hiervon in mehrfacher Sicht: Sie vermeiden unnötige Ausgaben für Betrugsfälle und verringern Umsatzeinbußen. Wesentlich ist aber, dass die Betrugsquote für die Zukunft maßgeblich verringert werden kann. Durch smarte Betrugsprävention, regelmäßige Betrugsreports und eine Auswertung der Daten kann der interne Prozess und die Risikosteuerung unserer Auftraggeber stetig angepasst und optimiert werden – und dabei geht die Prävention über die Erstellung von Blacklists weit hinaus. Statistische Verfahren leiten Betrugsschemata ab, erkennen missbräuchlich genutzte Adressen, E-Mailadressen oder Kundenkonten in unzähliger Variation. Insgesamt können wir dadurch das Thema Betrug im Internet greifbarer und vermeidbarer machen.

Ralf Hoffmann
Head of Operations Collection Germany |Arvato Financial Solutions

Post a comment or send a feedback

Your email address will never be disclosed . Required fields are marked.