作者：周雅
以色列特拉维夫，一个沙丘之国，没有钻石，却是世界上最大的钻石交易中心之一；不生产汽车，却拥有世界上最先进的汽车技术；水资源匮乏，却发明了滴灌技术——这里盛产科技与创新，大胆与试错，这里驻扎了全球几乎一半的科技公司研发中心，被称为“硅溪（Silicon Wadi）”。
2013年，一家电商反欺诈公司Forter也诞生于此，致力于保护全球消费者的在线交易，随后迅速扩张到纽约、伦敦、悉尼、新加坡、东京、上海。
2018年底，Forter进入中国上海，也就是在这个时候，Allen Zhu加入，被任命为Forter亚太区战略合作总监，从市场拓展，到品牌构建，再到客户合作，短短三年，从一个小团队渐渐发展到现在，人员扩张了3倍。
Allen用一个“警察抓小偷”的形象比喻来形容电商反欺诈行业，全球在线交易已达2000多亿美元，电子商务业务激增，就意味着电商欺诈的风险在增加，网络交易越多，就越需要监控可疑活动。“小偷”都是精细化管理+高智商人群，“警察”自然也需要升级——由于传统的风控方式要么需要大量人工审核，要么需要大量风控规则，最终效果却差强人意；而第三方的智能风控解决方案打通了跨境支付企业上下游合作，使电商商户及用户免受信用卡欺诈、优惠券滥用、帐号盗用等欺诈问题的影响，既做好了风控，还能带来额外增益，比如提高转换率，提升用户体验等。
让Allen颇感自豪的是，新冠疫情引发全球封锁的情况下，中国工厂还在运转，生产着各种商品供应着全球，这就反向促使中国的跨境电商行业迅猛增长。但越是如此，就越要重视欺诈问题。
以色列与生俱来的创新基因深入到Forter的故事里。Allen说，风控需要被重新定义，正如中国跨境电商需要受到全球重视一样。
“我们希望帮助中国跨境电商从不太成熟走向成熟，不光是风控问题，还有前端流量、供应链、支付，做成一套完善体系，让海外公司未来以中国跨境电商为范本。”
图：Forter亚太区战略合作总监Allen Zhu
壹
科技行者：Forter公司成立之初，有着怎样的使命和愿景？
Allen Zhu：我们的两位创始人Michael Reitblat和Liron Damri是同学，Michael此前参与创办Fraud Sciences，这是预防在线支付欺诈的先驱，后来这家公司被Paypal收购；而Liron也有十几年经验，领导了Fraud Sciences和Paypal的欺诈预防团队。两人在2013年之前就构想，全球在线风控的防范需要刷新一些新认知。
就像现在影像计算重新定义了拍照，“好的照片不是拍出来的，而是用算法算出来的”。Forter创始人当时也意识到，需要重新定义风控怎么去抓。
线下购物主张一手交钱一手交货，如果把场景搬到线上，是否也可以还原到“人”，因为如果我认识这个人，我信任这个人，我就可以信任这笔交易。基于这样的构想，公司两位创始人毅然决然从大公司出来开始创业，而两人的想法和公司发展也受到很多资本的青睐。
公司从初期抱着这样的使命，同时也一直不断在完善产品。
科技行者：资本确实青睐，融资消息也不断，在这背后，Forter能够吸引投资人的原因是什么？
Allen Zhu：Forter融资目前已经到了F轮3亿美金。首先技术功底深厚，Forter总共有28项专利技术，这在整个风控行业是排名第一的；第二应用场景广泛，不仅可以应用于在线交易，还包括利用“七天无理由退货”和三姑六婆砍一刀等薅羊毛行为等身份信任反欺诈和商业政策滥用欺诈。
举个例子，现在国内一些企业的最新顾虑在于，企业上线了新品，官网商城第一时间售罄了，买不到了，却是因为被黄牛党们以中间商的身份通过各大电商渠道对外售卖了。同时又因为官网“X天无理由退货”，那些黄牛党们卖不完的又退回来了，这种情况对于企业而言感受很差，最终既错过了售卖期，又多了尾货。
贰
科技行者：进入中国市场之后，可否回忆一下印象最深刻的一次与中国客户合作的故事？
Allen Zhu：在疫情之前，我们遇到一个非常大的中国商户，也是我们当时重点目标客户。有一位和我搭档的以色列同事，花了22个小时从以色列飞过来，和我一起在客户那里做了2个小时的presentation（报告），马上又飞回去，虽然过程很忙碌，最后我们拿下了亚太市场最大的订单。这种团队合作和进取的精神给我留下了很深的印象。
科技行者：疫情之后，跨境电商出现了很大增长，原因是什么？
Allen Zhu：新冠发生的初期，我们的预期是不一样的。2020年2、3月份，大家都很悲观，因为航班停了，酒店也关了，而航旅类也是跨境电商的重要组成部分之一。
跨境电商包括航旅类、零售、游戏和赌博，在中国赌博是违法的，所以我们集中在做前三类。因为疫情为航旅类客户带了很大影响，所以很多人的预测是悲观的。
到了2020年下半年，我们发现了一个颠覆认知的现象：由于疫情封锁，国外人的消费行为习惯发生了改变，反之促进了在线电商的火爆。尤其让我感到自豪的是，世界的很多供应链在中国，在全球被lock down（封锁）的情况下，中国还在运转，中国的工厂恢复了，中国生产的各种各样的商品供应着全球，这也反向促使了中国跨境电商一下子就火爆起来。
叁
科技行者：跨境电商欺诈的发展过程是怎样的，大致会经历哪几个阶段？
Allen Zhu：欺诈可以理解为“警察抓小偷”，只不过“小偷”在网上，早期的时候，小偷工具不多，手段单一，不法分子用简单粗暴的方式去没有防范的商铺网站进行刷卡；后来，逐渐演变成多样化的行为模式，比如通过SaaS服务模拟一些虚拟设备进行攻击，甚至雇佣人群，远程遥控他们进行不法活动。
科技行者：就目前来看，实施电商欺诈的群体或组织通常有哪些特点？
Allen Zhu：Forter每年都会发布两版《电商欺诈攻击指数报告》，报告会分析这半年哪些群体是活跃的、哪些群体偏好哪些品类。
如果要观察他们的特点。欺诈呈现规模化和组织化趋势。比如，有专门的人组织，有专门负责买假卡的人，有专门负责收集卡号的人，有负责销赃的人，背后的大老板不出现，但下面的人有明确分工。甚至有专门的人来研究网站的漏洞，来绕过电商的防范措施。
总结起来就是，精细化管理和高智商的一群人。
科技行者：跨境电商欺诈对产业造成的损失情况如何？
Allen Zhu：回到警察抓小偷的故事，由于每笔交易都是在监管范围内，给消费者带来便利的同时，也会：
1）首先，肯定会造成运营成本的上升。
2）从监管的角度，由于每笔交易都是在监管范围内，商户面临Visa、万事达、美运卡等卡组织的罚金，例如要求商家的欺诈率不能高于1%， 那么商家需要控制好比例，若超过的话，一笔坏帐就要罚USD 50-100。
3）从自身来讲，由于款项到账和商户发货存在时间差，所以商户很容易造成人财两空。
科技行者：中国零售商遇到跨境电商欺诈，在认知上和应对上有什么典型的误区？
Allen Zhu：很多中国企业在创业初期更关注销量的提高等，不太会关注一些细节，曾经某第三方公司有一个数据统计，排在中国跨境电商企业关注点的前几位的是：
●流量：如何引发更多关注，引来更多留存；
●供应链：如何确保厂商及时发货；
●支付；
●风控。
其实前三者都跟风控相关，但很多人却忽视了，风控是非常关键的一个节点，关系到用户的体验等方面。
科技行者：从中国零售商而言，跨境电商欺诈的重灾区有哪些？比如行业的、区域的、或者时间点的。
Allen Zhu：所谓的重灾区，一定会有普遍的特点，比如“商品是否容易转卖”，按照这个思路，首先是电子类产品；其次，好的品牌的服装、鞋、配件；第三，好转卖的非定制化产品；第四，疫情之后，由于“宅文化”盛行，游戏产品也成为重灾区，因为这类虚拟产品转卖之后很容易变现。
肆
科技行者：传统零售商解决电商欺诈的应对手段是什么？
Allen Zhu：传统的手段我们称之为“风控1.0”，他们制定一些规则进行防控，例如同一个IP地址不能发超过4单；也有人工团队进行审核，在买家下单后，进行人工核实，确认地址是否真实。总结而言，就是规则与人工相结合的方式，这个过程需要付出很多人力和时间成本。
科技行者：Forter对于零售商的反欺诈方案最典型的优势是什么？
Allen Zhu：我们一直倡导一个理念就是，我需要：
1）全自动的环境，无人工干预
2）实时决策
3）精准。不可能一锤子下去把所有人都拍倒，风控的核心是大数据下的小数据问题，想象一下，这需要在茫茫人海之中锁定欺诈者，这个锁定的准确率是Forter最看重的一点。
科技行者：企业投资Forter反欺诈方案之后的投资回报率是怎么样的？
Allen Zhu：Forter希望把更好的产品带入中国，我们的理念不是在企业比较薄的利润中再分一杯羹，而是先帮企业赚到钱，再去收费。
Forter最大的特点是向企业承诺交易成功率和欺诈率，如果成功率达不到企业过往的水平，我们可以不收费。所以我们的ROI（投资回报率）是建立在双方合作共赢的前提下。我们是在帮助企业提高了交易成功率之后，再进行收费。
通常，使用Forter方案之后的交易成功率会比之前提高75%，这是一个行业的benchmark（基准），另外运营管理成本会下降55%。同时，我们会做到100%的交易实时审核。
科技行者：刚才大量谈到B端客户，那么C端消费者面对欺诈如何避免不必要的损失？
Allen Zhu：消费者首先要保护好隐私，另外避免信用卡丢失、个人信息（如家庭地址等）泄漏，最后保管好自己的支付设备（如手机）等，比如很多欺诈的设备来自二手市场，也就是用户本身，有些数据并没有被清理掉，这就会造成信息泄露。
科技行者：研究电商反欺诈方案的技术门槛在哪里？
Allen Zhu：个人认为，Forter除了28项专利以外，更主要是三点：
1）算法工程，本身有很多交易数据源，基于这些数据源通过模型来判断趋势。
2）数据工程， Forter每年有2500亿美金的交易审核量，这些大数据也给了我们很多历史数据参考。
3）可视化工程，通过样本提高模型的可信度，进行计算，进而直接给到一个判断，Yes或者No，安全或者危险。