Dataiku > 实例探究 > 在线欺诈检测

在线欺诈检测

公司规模

Large Corporate

国家

Worldwide

产品

SendinBlue
Dataiku Data Science Studio (DSS)

技术栈

MongoDB
MySQL
Redshift
Python

实施规模

Enterprise-wide Deployment

影响指标

Productivity Improvements
Customer Satisfaction

技术

分析与建模 - 预测分析

适用功能

销售与市场营销

用例

欺诈识别
质量预测分析

服务

数据科学服务

关于客户

SendinBlue 是一款关系营销 SaaS 解决方案，于 2012 年推出。该公司的使命是成为最简单、最可靠、最具成本效益的营销平台。SendinBlue 目前为全球 50,000 多家公司提供营销活动支持。SendinBlue 团队在北美、欧洲和亚洲设有办事处，支持六种语言的产品。他们的平台与顶级电子商务和 CMS 工具集成，他们的系统每天发送超过 3000 万封电子邮件和短信。

登录后查看完整内容

挑战

SendinBlue 是一家关系营销 SaaS 解决方案公司，在验证新客户和确保数据库质量方面面临巨大挑战。该公司必须确保列表中的所有联系人都已选择加入，这需要手动验证。这个过程不仅耗时且需要大量人力，而且还严重延迟了客户的帐户验证，损害了 SendinBlue 的声誉。随着客户群的增长，手动验证变得越来越不可行。该公司需要一种可以自动化验证过程并随着需求增长而扩展的解决方案。

登录后查看完整内容

解决方案

SendinBlue 借助 Dataiku 数据科学工作室 (DSS) 开发了一套自动欺诈检测系统。SendinBlue 使用来自超过 10 亿封电子邮件和相关事件的历史数据、数千个被阻止的账户和数百个欺诈标准，构建了一个可扩展的解决方案。新系统会分析新客户，并自动将其归类为“好”、“坏”或“不确定”。然后，算法会通过考虑发送量、联系人的评分等来确定客户的可信度。根据客户的风险评分，他们可能会被阻止、验证或发送给客户服务部门进行人工分析。Dataiku 在将数据产品部署到生产中、处理大量不同的数据集以及在不到三个月的时间内设计、测试和开发解决方案方面发挥了重要作用。

登录后查看完整内容

运营影响

The analytics initiative saved the equivalent of a full-time job and rationalized the global validation process, allowing SendinBlue to scale its team and customer growth exponentially.
SendinBlue was able to provide a better customer experience by considerably shortening validation delays.
The machine learning model now handles most of the new accounts, initially handling just 24 percent of the new accounts as part of a staged rollout.

登录后查看完整内容

数量效益

The first iteration of their model leverages Random Forest and has an 83 percent precision rate on email address classification.
The machine learning model now handles most of the new accounts, up from initially handling just 24 percent of the new accounts.

登录后查看完整内容