iGaming领域的迅速发展得益于在线游戏所使用的软件的进步。为了向用户提供令人兴奋和高质量的产品，该行业需要深刻理解尖端技术、概念和方法，如高负载、大数据、高可用性、高可扩展性、实时性和低延迟。因此，iGaming软件开发人员正在推动该行业的全球发展，这正是PIN-UP.TECH正在做的。

PIN-UP.TECH部门是PIN-UP Global生态系统的一部分，由专门从事为所有成员开发软件的IT公司组成。 PIN-UP.TECH的成就包括独特的技术解决方案，使合作伙伴能够保持领先地位并为玩家提供高质量的服务。来自不同国家的500多名专家参与了PIN-UP的技术方向，他们确保了iGaming平台、CRM、反欺诈工具、联盟系统等的稳定运行。Volodymyr Todurov在这个专业团队的领导者中，他是首席分析官，他向SiGMA新闻分享了他们独特的工作经验。

能否详细介绍一下ML/AI模型以及它是如何为您工作的呢？

基于AI的决策模型会详细审查与每笔交易相关的众多参数，包括下注频率、大小、选择的事件以及它们的历史等变量。这些参数在模型内部进行分析，在其中识别出预测效果最好的参数，并纳入到预测过程中。

我们主要使用了机器学习，重点放在极限梯度提升模型上，这个模型在处理结构化数据方面效果显著。这种方法的关键在于构建一组模型，它们相互迭代地改进，从而增强了预测的准确性。该模型以广泛的下注历史作为输入，并产生一个在0到1之间的概率，表示用户参与欺诈活动的可能性。

与传统模型相比，基于AI的反欺诈模型有哪些优势？

当我们面对大量数据时，ML/AI模型的效用变得明显。它们提供了更强大的能力来概括信息，并识别出客户的行为模式，这些模式不容易通过手动交易分析或线性规则应用来发现。

AI作为运营团队的额外工具，通过降低个案错误率和决策时间，简化了流程，同时也为我们的客户提供了新的见解。在某种程度上，AI通过采用略微不同的决策方式，丰富了我们的专业知识并拓展了我们的视野。现在许多任务可以交给AI来自主完成。

因此，AI扩大了业务量，而不需要相应增加风险管理团队。通过消除繁琐的例行程序，简化了日常运营，并有机会深入分析其他流程。

在您看来，基于AI的反欺诈工具如何发展，未来可以解决哪些问题？

在团队内部，我们勾画了我们如何利用ML和AI开发反欺诈工具的发展方向，并制定了进一步实施这些技术的计划。我们的下一步，是利用先进的深度神经网络和生成人工智能，来打造决策系统。通过缩短决策时间，我们正朝着提高准确性和速度的目标迈进，以便更快地发现欺诈客户行为。

这种方法具有学习和适应的特点，深入研究每个客户的历史，采用各种情景来确定特定的群体，包括欺诈者。一旦这些新工具被打磨得精益求精，它们就是反欺诈团队日常工作中的真正利器。

对于大型企业来说，它们就像是回顾性检查的可靠助手，确保我们正确标记了所有客户，无论是“好”的还是“坏”的，这样经理们就不用担心自己是否漏掉了任何麻烦制造者。而对于小型企业来说，它们是一个改变游戏规则的因素，从一开始就消除了庞大的分析团队的需求。让AI接管手动任务，会使观察反欺诈部门的效率飙升。

有哪些方法可以进一步提高反欺诈流程的效率？简要告诉我们您的方法。  

每个团队都有其自己的方法来增加效率并智能解决复杂的问题，这取决于业务的方向和专家的数量。对我们来说，这绝对是基于DDDM法的程序自动化，这使我们能够打破思维定式。我们评估所有工作流程，寻找优化点。我们的目标是，找到手动程序，也就是所谓的“机械工作”，并将其自动化。

问题可以通过不同的方式解决：我将从我们在过去几年内的运营中提供一些例子。以前，反欺诈分析师需要导出几个csv表格，然后合并它们，以了解是否存在基于财务和赌博历史的某些行为变化。我们意识到，仅仅创建一个新的默认实时仪表板，其中包含所需的数据透视表和图表，我们每个案例可以节省至少10-15分钟的手动操作时间。

另一个案例是回顾当前操作。让我们看看提款确认流程。根据DDDM法，我们分析了导致手动提款确认的每个原因的证据权重。一些原因是为了对付某些欺诈案件而制定的，以便对潜在的再次欺诈进行监视。然而，随着业务的扩张和来自新GEO的更多新玩家，导致规则的性能下降。因此，我们调整了规则，并使团队的工作量生产力提高了15%。这里的主要点，是根据负荷和生产率测量，来运行对工作流程的持续分析，以找到结合管理和自动化的优化方法。

企业需要建立哪些流程来整合DDDM模型，需要多长时间，以及它会多快产生收入？

关于DDDM的主要观点是心态。高级管理人员必须拒绝所有基于感觉、希望和“专业知识”的论点。我的意思是，只有在某些例外情况下，当你没有数据来计算你的决策，或者当问题不值得计算时，才应该使用这种方法。每次您想要对产品进行更改时，都要请团队提供数字。

非常常见的错误是所谓的幸存者偏差。请注意，您进行的结论，使用端到端分析来研究相关范围内的实体。根据实践经验，经理们经常忘记对问题进行全局性的审视。我举个反欺诈操作中的实例。一个经理提出了一个基于过去4个月的欢迎奖金滥用的追溯性欺诈活动分析。83%的用户具有相同的模式，所以我们来创建一个警报评分触发器，条件如下：首次存款超过$13，使用预付银行卡，IP分析不匹配（可能是代理或VPN）。看起来很不错，对吧？

然而，我要求计算一下，如果我们将此触发器扩展到所有新用户，是否仍然会有很好的效率。评分模型显示了5%的效率。因此，某些属性组合可以完美地描述一组欺诈用户，但仍然对更大范围的好用户群体普遍适用。顺便说一句，我们还向那些欢迎奖金猎人的触发器中添加了一些游戏风格的模式，以将其与好玩家区分开来，并在平台上保持该触发器。

使用DDDM将从第一天开始带来价值。您将避免错误并提高生产率。重点是要求团队展示他们的数字作为所做业务决策的主要论据。

Volodymyr的个人简介:

Volodymyr Todurov在博彩业拥有8年的经验，曾担任风险经理和反欺诈与分析主管。他目前担任PIN-UP Global首席分析官。他是体育博彩、赌场、联盟计划、营销、支付系统的风险管理运营的专家。Volodymyr专注于数据驱动的决策方法、经济建模和预测。

我们将继续与PIN-UP Global的专家进行对话，因此请关注SiGMA新闻，以获取更多关于iGaming领域当前动态的信息。

SiGMA亚洲2024活动即将举行，时间为6月2日至6月5日。您可以在这里找到所有详细信息。