Im Gegensatz zu herkömmlichen Systemen, die einen einheitlichen „Erkennungsansatz“ auf Basis maschinellen Lernens verwenden, kombiniert FraudClear maschinelles Lernen mit direktem Zugriff auf Reservierungssysteme von Fluggesellschaften.
Diese Integration ermöglicht die Datenextraktion und -analyse aus Passagiernamendatensätzen (Passenger Name Records, PNRs) direkt an der Quelle im Reservierungssystem der Fluggesellschaften, ohne dass API-Änderungen erforderlich sind.
FraudClear ermöglicht die vollständige Automatisierung von Reservierungssystemen, einschließlich manueller Überprüfungsprozesse, Ticket-Austausch-Workflows, NDC-Verbindungen, Zugriff auf Check-in-Systeme und Treuesysteme.
Die Betrugserkennungs-Engine ist hochgradig anpassbar und verwendet einen ausgeklügelten Algorithmus, der Regeldefinitionen, verbesserte Querverweissysteme und maschinelle Lerntechnologie kombiniert, um sich an die individuellen Bedürfnisse jedes Unternehmens anzupassen.
Basierend auf der Bewertung Ergebnisse, die Betrugsprüfungsanwendung kann vordefinierte Aktionen auf wichtigen Passenger Service Systems (PSS) und Global Distribution Systems (GDS) auslösen. Diese Aktionen können das Stornieren von Reservierungen, das Aussetzen von Buchungen, das Annullieren von Transaktionen, die Bearbeitung von Rückerstattungen, das Einfügen besonderer Bemerkungen oder das Ausführen bestimmter Warteschlangenbefehle umfassen.
Die Betrugsmustererkennung ist an spezifische Kundenanforderungen und Marktbedingungen anpassbar. Regeln können mithilfe einer Vielzahl von Metriken präzise definiert werden, wie z. B. IP-Geolokalisierung, Adressnormalisierung, Gerätefingerabdruck, E-Mail-Profiling, Geschwindigkeitsprüfungen und interne und externe Datenquellen wie Negativ- und Positivlisten, Informationen zur Kundenbonität, Informationsquellen von Drittanbietern wie Perseuss-Daten, Ekata, Ethoca-Warnungen, CPF-Nummern und mehr.
