数字商务可信平台Forter正式宣布,专注于球鞋、运动服等品类的潮流电商交易平台KICKS CREW采用Forter的风控技术来优化消费者的购物体验,提高销售额并减少欺诈损失,进一步拓展全球业务。
KICKS CREW是全球发展最快的潮流鞋服电商之一,该平台提供超过40万款品牌球鞋及运动服,通过为消费者提供最齐全的潮流精品来普及运动鞋文化,从跑步、篮球、高尔夫及网球运动单品,到纽约、东京、伦敦、上海等市场的新晋热门爆款,KICKS CREW均与全球零售商及精品店进行独家合作,确保商品来源可靠。为持续面向全球消费者提供一流的购物体验, 对KICKS CREW而言,简化优质消费者的支付流程并高效阻截欺诈者势在必行。
依靠严格的规则和人工审核来批准在线订单可能使一些合法消费者因被判定为“高风险”交易或网站新用户而被拒绝。对于在多个市场经营的品牌而言,各个市场情况各异,根据当地市场的细微差别持续制定合适的评判规则更是难上加难。事实上,据Forter的调研显示,相对欺诈损失,商家因误拒造成的损失高达75倍,超过40%的消费者往往不会再次尝试在被拒绝的平台上购物。
KICKS CREW完成600万美元的A轮融资后,计划在不给消费者带来任何不便的情况下扩大市场规模,全自动化的反欺诈管理方案与KICKS CREW的愿景高度契合,通过实时、精准决策可显著改善消费者的购物体验,提高销售额和交易通过率。
KICKS CREW采用Forter的可信转化解决方案(Trusted Conversions)进行精准的反欺诈决策,最大程度提升优质消费者的购物体验,充分挖掘每位消费者的终身价值,进一步拓展在全球的业务。KICKS CREW平均可在400毫秒内完成对消费者的可信度评估,批准更多的真实交易并阻截欺诈者,提升消费者的体验及整体营收。在Forter的技术支持下,KICKS CREW的交易批准率已提升至97%。
KICKS CREW除在不同市场采用差异化技术外,还从Forter本土化客户团队的专业支持中受益,该团队充分基于每位商家的独特目标来调整实际执行策略,确保实现可观的营收增长。
Ross Yip,KISKS CREW联合创始人暨首席运营官表示:“实践证明,Forter是我们不可或缺的业务合作伙伴,在Forter的技术加持下,我们可专注于满足全球市场的产品需求,并为消费者提供流畅的购物体验。得益于Forter的全自动化解决方案及专业周到的技术服务,我们在为所有合规消费者提供优质服务的同时,还可高效阻截欺诈交易,安心发展业务。”
Liron Damri,Forter总裁暨联合创始人表示:“KICKS CREW深知,为了扩大并真正触及全球目标消费群体,平台需要为现有及潜在用户创造流畅的购物体验。Forter的可信转化解决方案可帮助KICKS CREW实现收益的最大化,进行更智能的反欺诈决策。很荣幸能成为他们的首选技术供应商,助力企业走向更加广阔的全球市场。”
关于 KICKS CREW
为广泛普及运动鞋文化,KICKS CREW于2021年正式推出了动态平台,为全球买家提供最丰富的品类选择。目前,其电商平台采用企业级解决方案来不断优化业务效率和规模,重新定义零售业,并可提供独一无二的购物体验。
关于 Forter
依托Forter数字商务可信平台,商家可对消费者在购买过程中的每一步操作实时进行精确的可信度评估。Forter每年处理的线上交易超过5000亿美元,各行各业的商业领袖如Nordstrom、Sephora、Instacart、Adobe、Priceline等借助Forter的反欺诈服务,充分保护企业自身及其消费者的权益。Forter深知身份验证的重要性,充分发挥自动化技术的优势帮助商家有效降低欺诈风险,实现收益最大化,为消费者提供更优质的数字商务交易体验。欢迎访问Forter官网了解更多详情。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。