金融 / 決済
Adyen：決済の承認、不正、手数料の同時最適化
- 企業
- Adyen
- 国
- オランダ
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 検索ツールの本文抜粋で確認
業務課題
決済一件はいくつもの段階が互いに絡んでいる。顧客に与える決済の体験は予測された危険に左右され、その危険は認証の結果と決済の経路の選択に影響を受け、経路はさらに費用を変える。以前は段階ごとにモデルが別々に動いていた。不正のモデルはchargebackの確率が基準を超えると取引を止め、認証のモデルはその事情を知らないまま経路を決めた。
使った技術とデータ
UpliftのAIは、性格の違う複数のmachine learningのモデルを束ね、互いの判断を共有させた。モデルたちはmessage passingで条件をやり取りし、Reinforcement Learningで不正と費用と転換を併せて整える一つの目標へ向けて最適化される。入力の値はFeature Platformが供給する。遅く複雑なfeatureはSparkで、速いfeatureはApache Flinkで計算し、複数の地域のデータセンターのCassandraに保存する。推論のサービスAlfredは一つのモデルだけをprincipalに置き、新しいモデルはghostとchallengerの段階で上げる。ghostは結果に影響を与えず記録だけを残し、challengerは決められた比率のトラフィックでのみ結果に関わるが、統計的にprincipalより良いと確かめられれば席を替える。
成果
Adyenは、2024年のBlack FridayとCyber Mondayの四日間で6億7000万件の取引を処理したと述べた。この期間にすべての取引がAIのendpointを2個から5個まで経て、各地点に与えられた遅延の時間は中央値20msだったとした。Weak Supervisionを運用に適用してrecallを22%上げ、承認率の損失を46%減らし、発行会社の拒否率で13%の改善を得たと述べた。Off-Policy Evaluationでは、成果のないABテストに捨てていた時間を年間20週節約し、半年のあいだに取引を900万から5400万件多く得たと推定した。
限界と残る課題
この記事はAdyenが自社の技術を自ら説明した資料であり、個別の加盟店の決済の承認の改善の幅は明らかにしていない。データプラットフォームの規模の数値は2025年の初めの基準である。
出典
- The AI behind Uplift - Adyenadyen.com, 確認
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。