Estudo de caso: o impacto de uma atualização do liveness ativo para passivo

Como uma mudança na abordagem de detecção de liveness em um sistema de onboarding digital leva a uma queda significativa na taxa de abandono e cria valor de longo prazo para as instituições financeiras

Esta revisão da transição da tecnologia de onboarding de um banco ilustra como a eliminação do atrito ao usuário é mais do que conveniência. A atualização da detecção de liveness ativa para passiva  demonstra como a remoção do atrito pode diminuir significativamente o abandono, reduzindo as “falhas na aquisição” e como isso pode atingir os resultados financeiros de forma significativa.

Medindo o desempenho do algoritmo: matching biométrico e detecção de liveness

Esta revisão da transição da tecnologia de onboarding de um banco ilustra como a eliminação do atrito ao usuário é mais do que conveniência. A atualização da detecção de liveness ativa para passiva demonstra como a remoção do atrito pode diminuir significativamente o abandono, reduzindo as “falhas na aquisição” e como isso pode atingir os resultados financeiros de forma significativa.

A medição do desempenho do algoritmo de liveness é análoga à da comparação biométrica. Ambos apresentam erros de falso-positivos e falso-negativos, com um tradeoff inerente entre segurança e conveniência; os algoritmos podem ser ajustados de acordo com o caso de uso. Na comparação, a taxa de falso-positivo indica a frequência de resultados incorretos entre amostras genuínas e impostoras (uma pessoa sendo reconhecida como outra), e representa uma ameaça de segurança mais elevada. A taxa de falsos-negativos aponta para rejeições de clientes genuínos, o que causa um impacto negativo na experiência do usuário.

Na detecção da liveness, APCER¹ é a taxa de erro na detecção de um ataque de apresentação, e os fornecedores de tecnologias de liveness anunciam sempre uma APCER baixa ou mesmo quase nula, como medida do nível de segurança que proporciona. Mas dado o tradeoff inerente entre erros falso-negativos e falso-positivos, uma APCER baixa pode vir ao custo de uma BPCER elevada², o erro na classificação de usuários legítimos como falsos. A falha na aquisição (FTA) é a taxa na qual um sistema falha para coletar uma amostra de qualidade. Fricção ao usuário pode contribuir consideravelmente para o FTA.

O atrito contribui para um BPCER mais elevado que também é menos previsível

Uma abordagem “ativa” de detecção de liveness depende das interações com o usuário para ajudar a avaliar a vivacidade, enquanto uma abordagem “passiva” é transparente para o usuário, e normalmente utiliza apenas as mesmas imagens utilizadas para a comparação biométrica. As taxas de conclusão dos processos digitais podem ser reduzidas pelo atrito introduzido por uma técnica de liveness ativa. Frustração, distração e erros na interpretação ou execução de instruções podem aumentar a frequência de interrupções e falhas de aquisição e podem ser particularmente impactantes em um processo de onboarding digital, no qual os usuários são novos e executam tarefas pela primeira vez. Além disso, o atrito do usuário introduz variáveis ​​de comportamento humano que são difíceis de antecipar e medir, de modo que as taxas de BPCER e FTA observadas em uma implantação real de uma solução de alto atrito podem ser maiores do que aquelas observadas em um ambiente controlado.

Estudo de caso: o ROI da melhoria de vida ativa para passiva, de um quadro, sem fricção

A necessidade de impor inconvenientes aos usuários legítimos (um BPCER elevado) a fim de atingir um objetivo de segurança (um APCER baixo) pode levar a abandonos de onboarding e até à perda de clientes. No caso em questão, um parceiro da ID R&D com um grande cliente no setor de serviços financeiros estava utilizando uma solução ativa de liveness. Tinha uma baixa taxa APCER, de acordo com os dados publicados, mas estavam enfrentando uma elevada taxa de abandono; a BPCER observada era da ordem dos 40%, o que é bastante elevada e indiscutivelmente inviável do ponto de vista operacional.

Com apenas 60% dos clientes capazes de solicitar uma conta sem passar por interrupções, o impacto na aquisição de clientes era substancial. Assim, optaram por tentar uma abordagem passiva e sem fricções, apoiada pelo IDLive Face da ID R&D.^® Produto facial. Ao contrário de uma abordagem ativa, o IDLive Face utiliza apenas a imagem da selfie utilizada para a comparação biométrica, adicionando esforço zero à experiência do usuário. Esforço extra zero significa potencial zero para erros de falha de aquisição durante a detecção de liveness³.

Um salto de 60% para 95%+ taxas de conclusão para novas contas

Os resultados da migração foram impressionantes. As novas solicitações de clientes passaram de uma taxa de conclusão de 60% para uma taxa superior a 95%. Isto significa que mais de um terço de todos os solicitantes passaram de ser interrompidos nos seus pedidos para completá-los sem interrupção. A alteração foi implementada sem degradar o desempenho da detecção de spoof, ou seja, sem um aumento do APCER. Segue um relato mais detalhado do parceiro:

“Durante a operação em ambiente de produção, apoiando milhões de transações bancárias por mês, um dos nossos clientes migrou de um liveness facial ativo para o liveness da ID R&D, e as taxas de conclusão aumentaram de 60% para 95%+. Esse foi num dos ambientes de produção mais desafiantes, com uma gama muito vasta de parâmetros de funcionamento.

Na sequência da melhoria das taxas de sucesso do liveness (mais rápido, mais preciso, taxas de conclusão muito mais elevadas com muito menos tentativas) o cliente expandiu a sua utilização do sistema e a sua dependência comercial do liveness da ID R&D para um envolvimento muito mais amplo e prazo mais longo”.

A melhoria foi tão substancial que certamente não só teve um grande impacto na satisfação de uma grande parte da base de clientes, como também nas finanças da empresa. Embora não explicitamente medido neste caso, um aumento da taxa de conclusão de mais de 50% teve provavelmente um impacto comparável na aquisição de clientes e nas receitas.

Eliminar o atrito e reduzir os abandonos: o impacto financeiro

Todos os potenciais clientes são valiosos; mas aqueles que já começaram o processo de onboarding são particularmente os piores para se perder. Podemos estimar o valor acrescentado por estes clientes que de outra forma teriam ido para outro lugar. Considere uma amostra de um milhão de solicitação de contas iniciados antes e depois da implementação da detecção de liveness passivo. Sem a fricção acrescida pelo liveness ativo, mais de 350.000 destes clientes que sofreram interrupções no seu onboarding estavam agora completando o processo sem problemas. Mesmo que apenas metade dos solicitantes que enfrentem interrupções abandonem completamente o processo, podemos estimar um aumento de valor para o banco na ordem dos 350 a 700 milhões de dólares, assumindo um valor vitalício (LTV) de 2.000 a 4.000 dólares para os clientes de bancos de varejo.⁴ por cliente.

A vivacidade passiva pode reduzir a BPCER, os abandonos e a incerteza

É geralmente aceito que com a biometria vem um tradeoff inerente entre falsos negativos e falsos positivos que as partes interessadas precisam levar em conta na concepção do sistema. Este caso particular ilustra que, no caso da detecção de liveness, uma taxa elevada de BPCER pode ter um impacto maciço nas taxas de conclusão, na satisfação do cliente e, em última análise, no resultado financeiro. A fricção introduzida por uma abordagem ativa tende a resultar num BPCER mais elevado para um determinado APCER. Além disso, a imprevisibilidade do comportamento humano torna difícil a extrapolação do desempenho num cenário controlado para operações do mundo real. Com cada novo cliente bancário trazendo milhares de dólares de valor para um banco, a diferença feita pelo atrito pode ter um grande impacto financeiro.

¹APCER é um acrónimo de Attack Presentation Classification Error Rate (Taxa de Erros de Classificação de Ataques).
² BPCER é um acrônimo para, Bona Fide Classification Error Rate.
³ Um benefício adicional de uma abordagem passiva é que nenhuma informação é fornecida a um fraudador sobre como tentar burlá-lo, o que pode reduzir o APCER.
⁴Looking Beyond Products to Customer Lifetime Value, Sherief Meleis, Novantas LLC

Deepfakes e ataques de injeção

ID R&D e Anonybit analisam a ameaça deepfake à biometria e como mitigá-la

O gerenciamento de ID digital desarticulado cria vulnerabilidade de IA generativa

Sobre ID R&D

ID R&D, uma empresa Mitek, é um fornecedor premiado de biometria de voz e facial baseada em IA e detecção de liveness. Com uma das mais fortes equipas de P&D da indústria, a ID R&D fornece consistentemente capacidades biométricas inovadoras e de primeira classe que elevam o nível em termos de usabilidade e desempenho. Nossos produtos alcançaram resultados superiores em desafios líderes do setor, testes de terceiros e implementações no mundo real em mais de 70 países. As soluções da ID R&D estão disponíveis para fácil integração para mobile, web, mensageiros, e canais telefônicos, bem como em smart speakers set-top boxes, e outros dispositivos IoT. A ID R&D está sediada em Nova Iorque, NY. Saiba mais em www.idrnd.ai.

Outros Artigos da ID R&D, leia aqui!

O Crypto ID trilhou um caminho incrível!

Ao longo de uma década, fomos além das inovações e tendências, tornando-nos referência em segurança digital, identificação e privacidade.

Neste marco tão especial, renovamos nosso compromisso com um mundo digital mais seguro e confiável.

Agradecemos a todos que fizeram e fazem parte dessa trajetória – parceiros, colunistas, colaboradores, assessorias de imprensa e a nossa comunidade! Juntos, estamos construindo um futuro em que empresas, máquinas e pessoas possam confiar muito mais umas nas outra.

Você quer acompanhar nosso conteúdo? Então siga nossa página no LinkedIn!