Comment éviter la fraude
Comment ça marche
Les paramètres personnalisés en jeu, passés dans le jeton, permettent à Anti-Fraud System (AFS) d’agréger les données utilisateur pour chaque transaction. Des informations, telles que la date d’enregistrement, la date du dernier changement de mot de passe, le montant total des paiements ou encore la durée de session de jeu, sont exploitées pour distinguer avec précision les utilisateurs frauduleux des utilisateurs légitimes. Plus vous fournissez de données sur les appareils et les comportements des utilisateurs à Xsolla, plus l’AFS peut personnaliser ses filtres pour détecter les activités frauduleuses pour des groupes spécifiques d’utilisateurs et pour l’ensemble de vos projets.
Pour ajouter des paramètres personnalisés, contactez votre responsable de la réussite client ou envoyez un e-mail à csm@xsolla.com.
Exemples :
- La date d’enregistrement, le temps de jeu total et le niveau de l’utilisateur dans un jeu peuvent servir dans les contestations de chargeback pour établir l’activité habituelle d’un utilisateur et détecter d’éventuels comportements frauduleux.
- Les dates de la dernière connexion et du dernier changement de mot de passe sont utiles pour détecter les comptes piratés.
Paramètres recommandés
Nous recommandons de passer les paramètres supplémentaires suivants dans l’objet custom_parameters du jeton :
| Paramètre | Type | Description |
|---|---|---|
registration_date | string | Date de création du compte selon la norme ISO 8601. |
last_change_password_date | string | Date du dernier changement de mot de passe selon la norme ISO 8601. |
total_sum | float | Montant total des paiements. |
unlocked_achievements | integer | Nombre de réalisations débloquées. |
user_level | integer | Niveau, réputation ou rang du joueur. |
pvp_activity | boolean | Détermine la participation du joueur à des combats JcJ (joueur(s) contre joueur(s)). |
total_bans | integer | Nombre de fois que le joueur a été banni du chat/forum. |
total_friends | integer | Nombre d’amis. |
session_time | string | Durée moyenne de la session selon la norme ISO 8601. |
Cas d'utilisation
L’exemple décrit dans cette section présente une utilisation réussie de l’AFS pour réduire de manière significative le nombre de cas de fraude.
Un nouveau jeu a été lancé fin mai 2022. Dès le début des ventes, l’AFS a détecté un nombre important de fraudeurs dans le projet, avec un taux de fraude atteignant 4,5 % à la fin du premier mois suivant le lancement.
Dynamique du taux de fraude par mois :
Pour ramener le taux de fraude à une fourchette acceptable de 0,1 à 0,3 %, nous avons appliqué l’AFS d’une manière la plus stricte à ce projet. Cette mesure a entraîné une diminution du taux d’acceptation, qui est passé de 96 % à 81,7 % sur une base mensuelle, atteignant parfois 70 % certains jours. Ce résultat reflète une augmentation des contrôles supplémentaires pour les utilisateurs, compliquant les paiements, notamment lorsque leurs paramètres de paiement et comportements ressemblaient à ceux des fraudeurs.
Dynamique du taux d’acceptation par mois :
Pour renforcer davantage la lutte contre la fraude, il a été décidé de transmettre à l’AFS les paramètres en jeu suivants liés aux utilisateurs :
- temps de jeu total (
total_hours) ; - niveau de l’utilisateur dans le jeu (
user_level) ; - nombre de personnages de l’utilisateur dans le jeu (
total_characters).
En utilisant les données fournies, nous avons modifié les filtres de l’AFS avec les nouveaux paramètres entre le 20 et le 22 juillet, comme le montre le graphique ci-dessous. Ces modifications ont entraîné une augmentation du taux d’acceptation quotidien, qui est passé de ~71,4 % à ~86 %. En outre, le nombre de transactions frauduleuses est passé de 4,5 % à un niveau acceptable de ~0,14 %, et s’est maintenu à ce niveau dans les mois suivants.
Dynamique du taux d’acceptation en fonction des jours :
Faute de frappe ou autre erreur dans le texte ? Sélectionnez le texte concerné et appuyez sur Ctrl+Entée.
