Cómo Rakuten automatiza la búsqueda de falsificaciones

Rakuten bloquea el 99% de los anuncios falsificados antes de su publicación. La cifra es, según los portavoces del mercado, fruto de los esfuerzos del antiguo Ministro de Precios desde la creación de su programa de lucha contra la falsificación, en 2006 y 2007. Basado en la experiencia de un servicio dedicado de tres personas, este seguimiento de las falsificaciones productos se basa en particular en un motor de reglas basado en palabras clave o metadatos asociados a un anuncio. “El análisis de textos sigue siendo el más eficaz hoy en día”, subraya Benjamin Moutte, director de asuntos jurídicos y públicos de Rakuten Francia. La IA puede proporcionar ayuda adicional, pero no es seguro que marque la diferencia en nuestro caso. Abordamos esta tecnología con serenidad, sin prisas. »

A la izquierda, Terez Duhameau, director de relaciones con el cliente y métodos de pago de Rakuten Francia, y Mathieu Deshayes, responsable de pagos y gestión de riesgos en el mercado. (crédito: RF)

Desde hace casi 20 años, el mercado desarrolla una base de datos de varios miles de reglas, mediante actualizaciones diarias. Esta solución interna se utiliza en todos los anuncios creados para detectar sospechas de fraude, varios cientos por día al ritmo actual. El anuncio luego se vuelve invisible en la plataforma y es controlado por especialistas internos en el tema. Los criterios de sospecha son múltiples (precio, número de productos vendidos por un particular, dirección IP, contraseña utilizada, etc.) y sobre todo evolucionan para acompañar el cambio constante de las técnicas de fraude. “La agilidad de la solución es muy importante. Los equipos pueden actualizarlo directamente”, subraya Terez Duhameau, director de relaciones con los clientes y medios de pago. Y el mercado también ha desarrollado automatizaciones (llamadas macros) en su back office para simplificar una serie de acciones tras la detección de un fraude, por ejemplo bloquear todas las cuentas de un mismo usuario (los estafadores tienden a multiplicarlas).

¿Aprendizaje automático? Todo depende de la relevancia y los costos.

Para Mathieu Deshayes, responsable de pagos y gestión de riesgos en el mercado, la inmediatez de la reacción es un factor clave porque debemos adaptarnos constantemente a las nuevas técnicas de fraude. "Sin embargo, el aprendizaje automático aprende del pasado, lo que constituye un límite en el presente caso", señala. En la lucha contra la falsificación, el momento oportuno es un elemento clave. »

A la izquierda, un altavoz JBL auténtico, a la derecha, una falsificación. (crédito: RF)

"Aunque creo en el valor del aprendizaje automático, necesitamos herramientas tan relevantes como al menos nuestro enfoque actual y a costos aceptables", continúa Mathieu Deshayes. Por el momento, Rakuten está probando principalmente el reconocimiento de imágenes además de su motor de reglas, a través de una herramienta llamada Navee, que permite a diferentes jugadores -incluidas las marcas- compartir imágenes identificadas como falsificadas. “Las pruebas son bastante concluyentes”, subraya Terez Duhameau.

Un toma y daca con las marcas

Establecer contactos con las marcas que el mercado exige, a través de un nuevo programa llamado Asociación de protección de marca. “Se trata de una formalización de compromisos recíprocos para ser más eficientes y receptivos a través de canales de intercambio marcados”, resume Benjamin Moutte. El comerciante electrónico se compromete a priorizar las notificaciones de las marcas asociadas y a proporcionarles datos sobre falsificaciones en su plataforma. A cambio, Rakuten espera más detalles en las notificaciones que le envíen las marcas (unas diez por semana al ritmo actual) y formación que le proporcionen sobre la evolución del fraude y el reconocimiento de las falsificaciones que les afectan.