Hoe kies ik tussen tien Europese tools voor fraudedetectie?
Begin met wat je beschermt, want de tien tools vallen uiteen in vier groepen die zelden overlappen. SEON, Ravelin, Trustfull, Oneytrust en Nethone richten zich op online bedrijven die aanmeldingen, inloggingen en afrekenprocessen moeten beoordelen. Fraudio is gebouwd voor acquirers, uitgevers en betaaldienstverleners die één score per transactie via één API willen. Feedzai en Cleafy worden verkocht aan banken en e-walletaanbieders, en FRISS en Shift Technology aan verzekeraars.
Binnen de eerste groep is de doorslaggevende vraag hoeveel je zelf wilt bouwen. Trustfull verkoopt losse signalen en laat de scorelogica aan jou, SEON bundelt signalen, regels, AML-screening en dossierafhandeling, en Ravelin traint een eigen model op je eigen geschiedenis, wat pas loont als je genoeg gelabelde bestellingen hebt. Nethone is de specialist in apparaat- en gedragsdata, en Oneytrust voegt identiteitscontroles en een supportteam toe voor detailhandelaren en kredietverstrekkers.
Wat kosten Europese tools voor fraudedetectie, en kan ik de prijzen vergelijken?
Slechts drie van de tien publiceren iets. SEON noemt de Starter op $699 per maand, in Amerikaanse dollars, met een limiet van 2,500 controles en 10 gebruikers, en Premium op aanvraag.
Trustfull noemt een prijs in euro per controle, van €0.01 voor een sessie tot €0.50 voor een domeincontrole, dus 10,000 sessiecontroles kosten €100 en 10,000 telefooncontroles €600 tegen de lijstprijzen. Fraudio werkt per gebruik en berekent de prijs op het maandelijkse transactievolume via een calculator.
Ravelin, Oneytrust, Feedzai, Cleafy, Nethone, FRISS en Shift Technology zeggen allemaal dat de prijs op aanvraag is, wat in deze markt meestal betekent dat er na een demo een volumegebaseerd contract wordt onderhandeld. Vraag elke leverancier naar de prijs per gescoorde gebeurtenis, de minimale jaarlijkse verplichting en wat een extra module zoals AML-screening kost, omdat die drie getallen de vergelijking bepalen.
Welke jurisdictie- en compliancevragen horen bij elke aanbieder?
Acht van de tien contracterende entiteiten zijn in de EU gevestigd: SEON Technologies Kft. in Hongarije, Fido S.p.A. voor Trustfull en Cleafy S.p.A. in Italië, Oneytrust S.A.S. en Shift Technology SAS in Frankrijk, Feedzai in Portugal, Fraudio B.V. en FRISS Fraudebestrijding B.V. in Nederland.
Nethone wordt geëxploiteerd door Mangopay S.A. in Luxemburg, dat in de juridische kennisgeving wordt beschreven als elektronischgeldinstelling die door de CSSF is goedgekeurd. Ravelin Technology Ltd is in Londen gevestigd, dus het steunt op het adequaatheidsbesluit van het VK in plaats van rechtstreeks onder EU-recht te vallen.
De groepsstructuur telt net zo zwaar als het hoofdkantoor. SEON gebruikt een Amerikaanse dochter voor zijn certificering onder het Data Privacy Framework, Ravelin heeft sinds 2019 een kantoor in de VS, het privacybeleid van Feedzai noemt een Australische entiteit en Shift Technology heeft kantoren in Boston en Tokio. Geen van deze feiten diskwalificeert een leverancier, maar elk is een vraag voor je verwerkersovereenkomst: welke entiteit verwerkt je gegevens, en waar.
Hoe stap ik over van Sift zonder bescherming te verliezen?
Sift wordt beheerd door Sift Science, Inc. uit San Francisco, en de voorwaarden vallen onder Californisch recht, wat de contractuele reden is waarom veel Europese kopers elders kijken. SEON, Ravelin, Trustfull, Oneytrust, Feedzai, Cleafy, Fraudio, Nethone, FRISS en Shift Technology noemen allemaal Sift als tool die ze kunnen vervangen, maar de vervanging is nooit één op één. Sift-klanten voeren gebeurtenissen en uitkomsten van terugboekingen in een score; elke nieuwe leverancier heeft dezelfde gebeurtenisgeschiedenis nodig voordat het model bruikbaar is.
De veiligste aanpak is de nieuwe tool in schaduwmodus naast de oude te draaien, de beslissingen te vergelijken over een maand echt verkeer, en pas daarna de blokkerende beslissing over te zetten. Tools met een regelengine, zoals SEON, Ravelin en Trustfull, laten je direct je huidige drempels nabootsen. Het eigen model van Ravelin en het gedeelde model van Fraudio gedragen zich aan het begin anders, dus plan voor elk een beoordelingsperiode in.
Wanneer is een Europese fraudetool de verkeerde keuze?
Het is de verkeerde keuze wanneer de tool voor een andere koper is gebouwd. Cleafy volgt banksessies van vóór de inlog tot de betaling, Fraudio verkoopt aan betaalbedrijven en niet aan handelaren die een beoordelingsdashboard willen, en FRISS en Shift Technology behandelen alleen schadeclaims en aanvragen in de verzekeringssector. Een webwinkel die er één kiest omdat die Europees is, vindt geen afrekenintegratie om aan te zetten.
Het is ook de verkeerde keuze als je het volume mist om het model te voeden. Ravelin zegt dat de eigen modellen op de eigen data van een handelaar worden getraind, dus een jonge winkel met weinig gelabelde bestellingen heeft er weinig aan. Oneytrust beschrijft een consortiumdatabase van Franse consumenten, wat helpt voor de Franse detailhandel maar minder zegt over klanten elders. Voor een klein team is het model met een signaal per controle van Trustfull, of het Starter-abonnement van SEON, de goedkoopste manier om te testen voordat je je vastlegt.
Hoe koppelen deze tools aan mijn webwinkel, app of kernsysteem?
SEON biedt een webdashboard en een API, met integraties voor Shopify en AWS. Trustfull is een API plus een dashboard, en de stille controles draaien op de achtergrond, zodat een echte klant geen extra stap ziet. Ravelin biedt een dashboard, een API en SDK's, Nethone dekt web-, mobiele en API-integratie, en Cleafy observeert web-, mobiele en API-sessies bij banken.
Fraudio werkt alleen via API, met antwoorden die volgens de leverancier binnen 100 ms terugkomen, dus het past in een betaalstroom maar heeft geen eigen scherm voor dossierbeoordeling. FRISS en Shift Technology zijn SaaS-platforms die aansluiten op het schadesysteem van een verzekeraar. Vraag voordat je kiest elke leverancier hoe een beslissing bij je afrekenproces terugkomt en hoe terugboekingen of bevestigde fraudegevallen terugvloeien om het model te trainen.
