AI Agent phát hiện dấu hiệu gian lận đổi trả hàng: cảnh báo chứ không kết tội

Bộ phận chăm sóc khách hàng của một shop thời trang và phụ kiện nhận ra vài chuyện lạ: một chiếc váy dạ hội được trả lại sau dịp cuối tuần với tem còn nhưng có mùi nước hoa, một chiếc tai nghe trả về có số serial khác với lúc xuất kho, hai tài khoản khác nhau gửi cùng một tấm ảnh “hàng lỗi”. Phần lớn yêu cầu đổi trả là chính đáng, nhưng những ca như vậy đủ nhiều để gây thiệt hại, và nhân viên không có thời gian soi từng yêu cầu.

AI Agent có thể giúp bằng cách đọc các tín hiệu bất thường trên mỗi yêu cầu đổi trả và đưa những ca đáng ngờ tới đúng người xem xét, kèm lý do cụ thể. Điều agent không làm là kết luận khách gian lận hay tự từ chối yêu cầu. Bài viết đi vào phần phát hiện dấu hiệu và cách giữ nó công bằng. Luồng tiếp nhận đổi trả thông thường, gồm xác thực đơn, đối chiếu chính sách, thu ảnh và tạo mã trả hàng, đã có ở bài AI tiếp nhận yêu cầu đổi trả hàng; bài này là lớp kiểm soát gắn thêm vào luồng đó.

1. Gian lận đổi trả là chuyện xác suất, không phải chuyện kết luận

Không tín hiệu nào tự nó chứng minh gian lận. Khách trả nhiều có thể là khách mua nhiều size để thử. Ảnh trùng có thể vì cả lô hàng cùng một lỗi và hai khách chụp từ cùng góc. Nhiều tài khoản chung địa chỉ có thể là một tòa văn phòng. Một hệ thống coi tín hiệu là bằng chứng sẽ gây oan cho khách tốt, và khách bị đối xử như kẻ gian thường không quay lại, còn kể cho người khác nghe.

Vì vậy cách tiếp cận đúng là chấm điểm rủi ro: mỗi yêu cầu được xét theo một tập tín hiệu, mỗi tín hiệu có trọng số và lời giải thích, và tổng điểm quyết định yêu cầu đi theo luồng nào. Điểm thấp đi luồng bình thường. Điểm vừa có thể yêu cầu thêm bằng chứng hoặc kiểm hàng trước khi hoàn tiền. Điểm cao vào hàng chờ cho nhân viên kiểm soát xem xét. Không mức điểm nào dẫn tới việc agent tự từ chối.

Bảng dưới đây tóm tắt vì sao từng tín hiệu cần được đọc cùng ngữ cảnh.

2. Các yếu tố cần thiết kế

1. Tần suất đổi trả theo khách

Tín hiệu đơn giản nhất là tỷ lệ hàng trả trên hàng mua của một khách trong một khoảng thời gian, so với mức bình thường của chính ngành hàng đó. Trả nhiều quần áo khác hẳn trả nhiều điện thoại. Tín hiệu này nên tính theo khách đã được hợp nhất qua các kênh, không theo từng tài khoản, nếu không người cố ý chỉ cần tạo thêm tài khoản.

Một hành vi cần được phân biệt rõ là mua nhiều size hoặc màu để thử rồi trả phần không hợp. Nếu chính sách của shop chấp nhận hành vi này, agent không được coi đó là dấu hiệu xấu. Nếu shop muốn hạn chế, đó là việc của chính sách đổi trả, cần công bố rõ cho khách, không phải việc của một quy tắc ngầm trong hệ thống chấm điểm.

2. Mặc rồi trả

Hành vi mua để dùng cho một dịp rồi trả lại thường gặp ở trang phục dạ hội, đồ hiệu, thiết bị quay phim hay đồ cắm trại. Dấu hiệu từ phía dữ liệu gồm thời điểm trả ngay sau một dịp lễ hay cuối tuần, ngành hàng có giá trị cao, lịch sử trả cùng kiểu. Dấu hiệu thật sự quyết định lại nằm ở hàng hóa: tem mác bị tháo rồi gắn lại, mùi, vết bẩn, nếp gấp, linh kiện đã qua sử dụng.

Agent không nhìn thấy hàng thật, nên với tín hiệu này agent chỉ làm hai việc: đánh dấu yêu cầu cần kiểm hàng kỹ khi nhận về, và đưa danh sách điểm cần kiểm cho nhân viên kho. Kết luận hàng đã qua sử dụng phải do người kiểm hàng đưa ra, kèm ảnh chụp tại kho làm bằng chứng nếu khách khiếu nại.

3. Số serial hoặc IMEI lệch

Với đồ điện tử, mỗi sản phẩm bán ra nên được ghi số serial hoặc IMEI khi xuất kho. Khi hàng được trả về, serial được đối chiếu: trùng thì bình thường, không trùng thì có thể khách trả một chiếc khác, một chiếc đã bị tráo linh kiện, hoặc kho đã ghi nhầm lúc xuất. Khả năng cuối không hiếm, nên quy trình xuất kho cần được kiểm tra trước khi đổ lỗi cho khách.

Agent có thể hỏi khách ảnh tem serial trên hộp và trên máy ngay khi tiếp nhận để đối chiếu sớm, với lời giải thích trung lập rằng đây là bước kiểm tra thông thường cho hàng điện tử. Khi lệch, yêu cầu được đưa vào hàng chờ với cả hai số serial và thông tin lô xuất để người xét tra lại.

4. Ảnh bằng chứng dùng lại

Khách gửi ảnh để chứng minh hàng lỗi hay giao sai. Một số người dùng lại ảnh từ yêu cầu cũ, ảnh của người khác hoặc ảnh lấy trên mạng. Hệ thống có thể so trùng ảnh mới với kho ảnh đã nhận, kể cả khi ảnh bị cắt hay đổi kích thước, và kiểm tra thông tin đi kèm ảnh nếu có như thời điểm chụp.

Kết quả so trùng chỉ là tín hiệu. Hai khách mua cùng lô hàng lỗi có thể gửi ảnh rất giống nhau, và một khách gửi lại ảnh mình đã gửi trong yêu cầu trước là chuyện bình thường. Agent nên ghi lại ảnh trùng với yêu cầu nào, của tài khoản nào, để người xét tự đánh giá thay vì chỉ nhận một cờ “ảnh trùng”.

5. Địa chỉ, tài khoản và phương thức hoàn tiền lặp

Một nhóm gian lận có tổ chức thường để lại dấu vết lặp: nhiều tài khoản mới cùng giao về một địa chỉ, cùng một tài khoản ngân hàng nhận hoàn tiền, cùng một thiết bị đăng nhập. Những liên kết này chỉ thấy được khi nhìn ở cấp nhiều yêu cầu, nên phần phân tích này thường chạy ở phía hệ thống, còn agent đọc kết quả khi xét từng yêu cầu.

Tín hiệu này đặc biệt dễ gây oan. Tòa văn phòng, chung cư, ký túc xá hay gia đình nhiều người mua chung đều tạo ra địa chỉ lặp. Vì vậy địa chỉ lặp một mình nên có trọng số thấp, và chỉ đáng chú ý khi đi cùng các tín hiệu khác như tài khoản mới, cùng tài khoản nhận hoàn tiền và tỷ lệ trả cao. Cách hợp nhất hồ sơ khách mà không gộp nhầm được bàn ở bài nhận diện khách đa kênh.

6. Điểm rủi ro kèm lý do, gửi người xét

Mỗi yêu cầu nhận một mức rủi ro, nên dùng vài mức dễ hiểu như thấp, vừa, cao thay vì một con số khó diễn giải, kèm danh sách tín hiệu đã kích hoạt và dữ liệu cụ thể của từng tín hiệu. Người xét phải hiểu được vì sao yêu cầu bị đánh dấu chỉ trong vài giây đọc, không cần tra thêm năm hệ thống.

Hàng chờ xét thuộc về nhóm kiểm soát đổi trả, với các lựa chọn rõ ràng: chấp nhận bình thường, yêu cầu thêm bằng chứng, yêu cầu gửi hàng về kiểm trước khi hoàn tiền, hoặc từ chối kèm lý do theo chính sách. Agent không có lựa chọn từ chối. Cách thiết kế bước duyệt cho những việc agent không được tự làm có ở bài quy trình phê duyệt AI Agent.

7. Tránh thiên lệch

Hệ thống chấm điểm không được dùng những thuộc tính như tên, giới tính, độ tuổi hay khu vực sinh sống làm tín hiệu, và cũng cần cảnh giác với những tín hiệu gián tiếp dẫn tới cùng hệ quả, chẳng hạn một quận cụ thể có nhiều ký túc xá nên địa chỉ lặp nhiều. Định kỳ, nên so sánh tỷ lệ bị gắn cờ và tỷ lệ được xác nhận gian lận giữa các nhóm khách, khu vực và kênh bán.

Kết quả xét của người là dữ liệu quý nhất để hiệu chỉnh. Nếu một tín hiệu thường xuyên kích hoạt nhưng hiếm khi dẫn tới xác nhận gian lận, trọng số của nó quá cao. Một sai lầm khác là ưu ái khách lâu năm tới mức bỏ qua mọi tín hiệu, hoặc nghi ngờ mọi khách mới; cả hai đều nên được kiểm tra bằng số liệu xét thực tế.

8. Lời nói với khách trung lập

Khi yêu cầu cần kiểm tra thêm, agent nói với khách bằng lời trung lập: yêu cầu cần thêm một bước xác minh, khách vui lòng cung cấp ảnh tem serial hoặc gửi hàng về để kiểm, thời gian phản hồi dự kiến, và cách liên hệ nếu có thắc mắc. Agent không dùng những từ như “nghi ngờ”, “bất thường” hay “gian lận”, và không nêu điểm rủi ro hay tín hiệu nội bộ.

Khi người xét quyết định từ chối, lý do gửi khách phải dựa trên chính sách, như hàng có dấu hiệu đã qua sử dụng theo kết quả kiểm tại kho kèm ảnh, chứ không dựa trên điểm rủi ro. Khách luôn có đường khiếu nại tới một người có thẩm quyền xem lại quyết định.

3. Quy trình triển khai thực tế

Bước 1: Thống kê các ca gian lận đã xác nhận và các ca bị nghi oan

Trước khi viết quy tắc, gom lại những ca gian lận mà shop đã xác nhận trong thời gian qua, mô tả thủ đoạn và dấu hiệu, cùng những ca từng bị nghi rồi hóa ra chính đáng. Hai nhóm này là bộ ca thử cho mọi quy tắc sau này: quy tắc tốt phải bắt được nhóm đầu mà không gắn cờ quá nhiều ở nhóm sau.

Bước 2: Chọn tín hiệu, viết quy tắc tính điểm và lý do

Chọn những tín hiệu có dữ liệu đáng tin: lịch sử đơn và đổi trả theo khách, serial khi xuất kho, kho ảnh đã nhận, thông tin hoàn tiền. Với mỗi tín hiệu, viết rõ cách tính, trọng số và câu giải thích sẽ hiện cho người xét. Nhóm kiểm soát đổi trả và chăm sóc khách hàng cùng duyệt bộ quy tắc.

Bước 3: Chạy ở chế độ chỉ ghi nhận

Gắn hệ thống chấm điểm vào luồng đổi trả nhưng chưa ảnh hưởng tới khách: mọi yêu cầu vẫn đi theo luồng cũ, điểm rủi ro chỉ được ghi lại. Sau một thời gian, so sánh điểm với kết quả thực tế của các yêu cầu, xem quy tắc có bắt được ca thật không và gắn cờ oan bao nhiêu. Chỉnh trọng số dựa trên kết quả này.

Bước 4: Bật hàng chờ xét và kiểm tra thiên lệch định kỳ

Khi quy tắc đã ổn, bật hàng chờ cho mức rủi ro cao và bước bổ sung bằng chứng cho mức vừa. Đặt lịch rà soát định kỳ: tỷ lệ gắn cờ và xác nhận theo nhóm khách, các khiếu nại của khách bị yêu cầu kiểm thêm, các thủ đoạn mới mà quy tắc chưa bắt được.

4. Ví dụ giả định

Một shop bán thời trang và phụ kiện điện tử trực tuyến gắn lớp chấm điểm vào luồng đổi trả. Một khách lâu năm yêu cầu trả tai nghe vì không vừa tai. Khi khách gửi ảnh tem hộp, hệ thống thấy serial không khớp với số đã ghi khi xuất kho và đánh mức rủi ro vừa. Agent nói với khách rằng hàng điện tử cần được kiểm tại kho trước khi hoàn tiền và hướng dẫn gửi hàng. Người xét tra lô xuất và phát hiện nhân viên kho đã quét nhầm serial của chiếc bên cạnh; yêu cầu được chấp nhận và quy trình quét serial được nhắc lại với kho.

Cùng tuần, một tài khoản vừa tạo gửi yêu cầu hoàn tiền cho một chiếc đồng hồ thông minh với ảnh màn hình nứt. Hệ thống thấy ảnh trùng với ảnh trong yêu cầu của một tài khoản khác tháng trước, hai tài khoản cùng tài khoản ngân hàng nhận hoàn tiền, và đánh mức rủi ro cao kèm ba tín hiệu cụ thể. Nhân viên kiểm soát xem hồ sơ, quyết định yêu cầu gửi hàng về kiểm trước khi xử lý, và agent chuyển lời yêu cầu đó tới khách bằng câu chữ trung lập. Đây là ví dụ giả định để minh họa cách vận hành.

5. Rủi ro và giới hạn

• Khách chính đáng bị gắn cờ oan, phải chờ lâu hơn và mất thiện cảm
• Quy tắc dựa vào tín hiệu gián tiếp dẫn tới thiên lệch theo khu vực hay nhóm khách
• Lời nói với khách vô tình để lộ rằng họ bị nghi ngờ
• Kẻ gian thay đổi thủ đoạn nhanh hơn tốc độ cập nhật quy tắc

Hệ thống chấm điểm chỉ thấy những gì có trong dữ liệu. Gian lận có tổ chức có thể học cách né các tín hiệu đã biết, nên quy tắc cần được rà soát định kỳ với nhóm kiểm soát, và một phần kiểm tra ngẫu nhiên vẫn có giá trị. Ngược lại, chi phí của việc gắn cờ oan thường bị đánh giá thấp vì không hiện lên thành con số tổn thất cụ thể.

Cũng cần nhớ rằng nhiều ca “gian lận” thực chất bắt nguồn từ sơ suất nội bộ: kho quét nhầm serial, giao nhầm hàng, mô tả sản phẩm sai khiến khách kỳ vọng khác. Lớp kiểm soát tốt giúp phát hiện cả những lỗi này.

6. Phân chia trách nhiệm vận hành

Nhóm kiểm soát đổi trả sở hữu hàng chờ xét, quyết định từng ca và cung cấp kết quả xét để hiệu chỉnh quy tắc. Người phụ trách chính sách đổi trả quyết định những hành vi nào được chấp nhận và công bố rõ cho khách. Nhân viên kho chịu trách nhiệm ghi serial khi xuất, kiểm hàng khi nhận về và chụp ảnh làm bằng chứng.

Bộ phận chăm sóc khách hàng duyệt câu chữ agent dùng với khách và xử lý khiếu nại về quyết định đổi trả. Người phụ trách dữ liệu hoặc rủi ro duy trì quy tắc chấm điểm, chạy rà soát thiên lệch và báo cáo định kỳ. Người phụ trách bảo vệ dữ liệu xác nhận những dữ liệu nào được phép dùng làm tín hiệu.

7. Chỉ số nên theo dõi

• Tỷ lệ yêu cầu bị gắn cờ được người xét xác nhận là có vấn đề thật
• Tỷ lệ gắn cờ và tỷ lệ xác nhận, tách theo nhóm khách, khu vực và kênh bán
• Thời gian xử lý thêm mà khách bị gắn cờ phải chờ so với luồng bình thường
• Số khiếu nại về quyết định đổi trả và tỷ lệ quyết định bị đảo lại sau khiếu nại

Tỷ lệ xác nhận thấp là dấu hiệu hệ thống đang gây phiền cho khách tốt nhiều hơn là bắt được kẻ gian. Tỷ lệ quyết định bị đảo sau khiếu nại cho biết người xét có đang quá tin vào điểm rủi ro hay không.

8. Checklist trước khi vận hành

• Bộ ca gian lận đã xác nhận và ca nghi oan đã được gom làm ca thử
• Mỗi tín hiệu có cách tính, trọng số và câu giải thích cho người xét
• Không có thuộc tính nhạy cảm nào được dùng làm tín hiệu
• Agent không có quyền từ chối và không nêu điểm rủi ro với khách
• Câu chữ trung lập cho từng tình huống đã được chăm sóc khách hàng duyệt
• Lịch rà soát thiên lệch và hiệu chỉnh quy tắc đã được đặt

9. Câu hỏi thường gặp

AI Agent có tự từ chối yêu cầu đổi trả bị nghi gian lận không? Không. Agent chỉ tính điểm rủi ro, nêu các tín hiệu cụ thể và đưa yêu cầu vào hàng chờ cho người xét. Quyết định từ chối, yêu cầu gửi hàng về kiểm trước hay chấp nhận vẫn thuộc về nhân viên kiểm soát đổi trả, vì một kết luận sai ảnh hưởng trực tiếp tới tiền và uy tín của khách.

Agent có nói với khách rằng họ bị nghi gian lận không? Không nên. Agent dùng lời trung lập như yêu cầu cần được kiểm tra thêm, cho biết khách cần cung cấp gì, khi nào có phản hồi và cách khiếu nại nếu không đồng ý. Điểm rủi ro và các tín hiệu là thông tin nội bộ, không nêu với khách.

Khách hay trả hàng có phải là khách gian lận không? Không nhất thiết. Có khách mua nhiều size để thử rồi trả phần không vừa, có ngành hàng tỷ lệ trả vốn cao. Tần suất trả chỉ là một tín hiệu cần xét cùng ngữ cảnh, và chính sách đổi trả mới là nơi quyết định hành vi nào được chấp nhận.

Làm sao biết hệ thống có đang gắn cờ oan một nhóm khách nào đó không? Định kỳ so sánh tỷ lệ bị gắn cờ và tỷ lệ bị xác nhận gian lận giữa các nhóm khách, khu vực và kênh bán. Nếu một nhóm bị gắn cờ nhiều mà ít khi bị xác nhận, quy tắc đang thiên lệch và cần chỉnh lại. Kết quả xét của người là dữ liệu quan trọng nhất cho việc này.

Kết luận

AI Agent hỗ trợ chống gian lận đổi trả hiệu quả khi nó làm đúng vai trò cảnh báo: đọc các tín hiệu như tần suất trả, mặc rồi trả, serial lệch, ảnh dùng lại và liên kết lặp, chấm mức rủi ro kèm lý do cụ thể, và đưa những ca đáng ngờ tới người xét. Quyết định thuộc về con người, lời nói với khách luôn trung lập, và hệ thống được hiệu chỉnh liên tục bằng kết quả xét để không biến những khách hàng tốt thành nghi phạm.

Trao đổi với Naventic để thiết kế lớp cảnh báo rủi ro cho quy trình đổi trả của cửa hàng trực tuyến. Đọc thêm: AI E-commerce Agent.