後払い対策に「O-PLUX」導入で業務の標準化と自動化を実現し、入金率も向上。転売対策には「端末特定オプション」を追加して、入金率がさらに10％向上、返品率は1%減少！5年にわたり伴走する「O-PLUX」に高い効果を実感

後払いの不正を阻止する作業に、「人材・検知精度・工数」3つの課題が浮上

不正検知システム「O-PLUX」のご利用を開始された2017年8月から、そろそろ丸5年ですね。長らくのご愛顧ありがとうございます。

こちらこそお世話になっています。まず言えることは、お世辞ではなく「『O-PLUX』はよい製品だな」」と思っていることです。ただここにくるまでは状況の変化もあったりして、運用を変えるなどいろいろな工夫も重ねてきました。

思いがけずお褒めの言葉をいただき大変うれしいです！本日は、導入から、これまでご利用されてきたなかで感じている効果やアップデートの変遷などなど、ざっくばらんにお聞かせいただけたらと思っています。

「O-PLUX」導入前のことを思い起こすと、後払いの未払いに悩んでいましたね。支払い意思のない、いわゆる不正購入のケースです。不正かどうかを受注担当者が目視で判断していたのですが、ここに課題がありました。 課題は大きく、人材、検知精度、作業工数の3点でした。まず人材面では、判断には経験が必要かつ育成には時間がかかること。また目視では抜けや漏れがあり、検知する精度にゆらぎが出ること。そして最後は、売上の増加とともにチェックの工数もどんどん膨れていったことです。最終的には3人で1日に2～3時間も費やすようになっていました。これでは先が見えていますよね。

不正な注文を減らしてお客様にご満足いただけるサービスを提供したいと、システム導入へ向け社内の機運が高まった

挙げられた3つの課題は、多くの企業様でも共通する課題かもしれませんね。とはいえ、それらを内製で解決していくのもなかなか大変なことです。

そうですね。ですから、状況を整理して対応方法を考えました。
まず属人化したスキルに依存することはいろいろな面でリスクが高いですし、誰が作業しても品質にばらつきがないようにするには標準化が必要です。あわせて工数削減もできる自動化も必須だ、と。目指すは標準化と自動化だとわかったので、課題を解決できるシステムを探したところ、かっこさんの不正検知システム「O-PLUX」を知りました。

そこで不正検知システムの導入へと思い至ったわけですね。導入には、他部署との調整や課題などもあったのではないでしょうか。

はい。KPIで懸念がありました。例えば、PV数が一定でも不正購入が減ることでCV数が減りますから、KPIが未達成になるかもしれないという点です。ところが社内で話し合いをしてみると、「名目のCV数では意味がないし、なにより、精度の高い審査で不正な注文を減らして、お客様にご満足いただけるサービスを提供したい」という共通の認識を持っていることがわかりました。内容はシステム導入の検討でしたが、社員の気持ちがひとつであると感じた瞬間でしたね。

FLAVOS（フラボス）：https://www.nicorio.co.jp/item/01/nfv/

「O-PLUX」の導入で課題を解決、検知精度の向上で入金率も1%上昇！

みなさんご納得のうえでのご導入となってよかったです。導入されていかがでしたか？

膨大な注文のなかから出荷判断が必要なものは「O-PLUX」が自動で仕分けてくれますから、担当者の経験年数にかかわらずチェック品質を一定に保てるようになりました。また検知精度が向上したことにより、入金率が約1%も上がったのです。たった1%と思われるかもしれませんが、これは相当のインパクトです。
また工数も削減されたことから、担当者は他チームとのネットワークの強化や業務上の戦略を考えるなど、本来力を入れるべき業務へと工数を振り分けられるようになりました。品質、数字ともに、大きな成果を感じています。

「O-PLUX」によって標準化と自動化を実現され、工数削減だけでなく、入金率にも大きく貢献できているようで、安心しました。

ただ、問題視していなかった運用面での課題が明らかになりました。繁忙期の対応です。
導入当初は、「O-PLUX」の管理画面から受注データのCSVファイルをアップロードする方法で審査をしていました。弊社では注文の翌営業日に商品を出荷しているのですが、このCSV連携の作業時間を確保することが難しい繁忙期は、「O-PLUX」で審査をせずに出荷することがありました。せっかくシステムがあっても使えていないのでは宝の持ち腐れで意味がないですよね。そこで、この作業も自動化が必要だと認識しました。

それでCSV連携からAPI連携に切り替えたのですね。

はい。API連携では、注文時にECサイトと「O-PLUX」がリアルタイムでやりとりできるので、自動審査結果がNG判定になった注文はキャンセルして、そもそも不正注文は受け付けない運用へと切り替えました。CSV連携の時は、一旦すべての注文を受け付けて「O-PLUX」の審査にかけ、NG判定の場合は注文を取り消すという対応をしていましたから、運用も大幅にスリム化しました。
これで、不正検知業務は「O-PLUX」がREVIEW判定をした注文の出荷判断だけになり、ほぼ完全に自動化できました。

ニコリオ オンラインショップ：https://www.nicorio.co.jp/

後払い対策とあわせて転売対策も着手、「端末特定オプション」を追加

課題はクリアされたということですね。

クリアしました！…が、課題は尽きないもので…新たに転売の課題も見えてきました。 これは「O-PLUX」を利用することでわかったのですが、おひとりにつき一度しかご利用いただけない特別価格の商品を、同じお客様が何度も購入されているという状況があったのです。それで、転売目的のご注文かもしれないと認識することができました。ご注文ごとにお名前やご住所などが微妙に変わっているために、それまでの目視チェックではまったく気づけませんでした。
転売された商品には心配ごとが尽きず、商品の保管状況による品質の劣化ですとか、賞味期限が短い状態で届いてしまうなどいろいろなことが起こります。また「○○（フリマアプリ）で商品を購入したのですが…」と商品についてのご相談をいただくこともありましたが、転売された商品のご注文では弊社が対応できることも限られますので、とても心苦しく感じていました。

人気の商品ほど転売されると聞きますが、転売により波及していく問題の対応にも限界はありますよね。

そのとおりです。ですから「O-PLUX」の審査対象をひろげて、未払いとは異なる観点でのチェックもすすめることにしました。「O-PLUX」はいろいろなタイプの決済方法に対応しているので新たなツールを導入する必要もなく、大変助かりました。

転売対策でも「O-PLUX」をお役立ていただけてなによりです。ご利用いただいていかがでしたか？

一定の効果はある一方で、スマホを使用したご注文が大半の弊社としては、スマホからのご注文の審査精度をもう少し上げていきたいと感じていました。
実際にあった例では、お名前やご住所が少しずつ異なっているご注文者様に架電して恐る恐る「類似しているご登録情報があるのですが…」とおうかがいしたところ、「40人家族なので商品を送ってください」とお客様からお申し出があるなど、戸惑うことも多くありました。こういった、スマホのご注文での困りごとをかっこさんに相談したところ、現状よりさらに高度な端末特定ができるオプションサービスをご紹介いただきました。

「端末特定オプション」を追加して、さらに入金率が10％向上し、返品率も1％減少！

「端末特定オプション」ですね。デバイス情報による検知に特化したサービスで、不正ログインなどの検知を得意とする弊社のプロダクト「O-MOTION」の技術を「O-PLUX」の審査に活用しているものです。

はい。より精緻な端末特定の必要性を感じていたので、試す価値があると思いました。今年（2022年）の1月に「端末特定オプション」をトライアルで開始して、そのまま本導入しました。
効果はすでにしっかり数字にあらわれていて、入金率と返品率がかなり改善されました。1月～3月の前年同月比では、なんと入金率は10％くらい上がっています。同じく返品率は1%も下がりました。これから4月の締めをしますが、さらに下がっている兆しがあり楽しみです！
KPIで返品率の削減を設定していたのですが、オプションを追加しただけでKPIを達成してしまいました！返品率を1%下げることは大変なことなので、本当に感謝しています。

「端末特定オプション」の追加により、入金率や返品率の改善へ大きく貢献できたのですね。

この効果は相当に高いですよ。本当にいいサービスだなあと実感しています。
これで、「精度の高い審査で不正な注文を減らして、お客様にご満足いただけるサービスを提供したい」という社員の当初からの思いを実現できたのではと思えるようになりました。

変化していく不正の状況下にあって、いつも真剣に向き合ってこられたことが結果につながっているのだと思います。そのなかで「O-PLUX」をしっかり活用してくださっていることは、弊社としても、とてもありがたいことだと心から感謝しています。
とはいえ不正対策に終わりはありませんので、弊社では引き続きご意見をいただきながら、プロダクトを成長させていきたいと思っています。
本日はさまざまなお話をお聞かせいただき、ありがとうございました。

株式会社ニコリオ様【導入きっかけ編】のインタビューはこちら：
https://frauddetection.cacco.co.jp/o-plux/case_studies/nicorio/