Los clientes de Premise dependen de datos precisos y fiables para fundamentar sus estrategias y tomar decisiones empresariales importantes. Nuestros colaboradores recopilan cada día una cantidad cada vez mayor de datos, por lo que garantizar su calidad y evitar actividades fraudulentas es una misión crítica para nuestros equipos. Para estar a la vanguardia en este ámbito, Premise invierte mucho en controles automatizados de calidad y fraude basados en el aprendizaje automático. Aprovechando algoritmos avanzados y técnicas de validación de datos, somos capaces de detectar imprecisiones en los datos para mantener un alto nivel de calidad de los mismos y minimizar la exposición a datos fraudulentos y erróneos. En los últimos meses hemos introducido importantes mejoras en nuestras comprobaciones de calidad y fraude, y nos complace presentar aquí algunos de los aspectos más destacados.
Modelo de detección de robots basado en aprendizaje automático
Los bots son cada vez más sofisticados y a menudo se utilizan para perpetuar el fraude e inflar la actividad de las aplicaciones, distorsionando y corrompiendo los datos recopilados. Para combatirlo, a principios de este año lanzamos un modelo de detección de bots basado en ML. Aprende de los patrones de los usuarios suspendidos recientemente y suspende automáticamente a los usuarios que muestran un comportamiento similar al de un bot a diario. También se vuelve a entrenar y desplegar automáticamente cada semana para mantenerse al día de los nuevos patrones de usuarios suspendidos. Cada día se generan nuevas predicciones para cada usuario en función de su actividad reciente, lo que garantiza que cualquier problema se identifique y corrija inmediatamente, en lugar de a posteriori. Este modelo se basa en un complejo y completo conjunto de funciones que garantizan que los datos sean precisos y reflejen el comportamiento real de los usuarios.
Garantizar la calidad de las respuestas a las encuestas
La calidad de los datos de las encuestas disminuye cuando los malos agentes intentan realizar tantas encuestas como puedan en el menor tiempo posible para acumular ganancias. Dos de los problemas más comunes que vemos:
- Evitar que los formularios se rellenen a toda velocidad, haciendo clic en una respuesta aleatoria sin leer detenidamente la pregunta y las respuestas.
- "Aplastar botones", cuando los colaboradores eligen una respuesta en la misma posición demasiadas veces en una encuesta.
Nuestras recientes mejoras en este ámbito -que se detallan a continuación- contribuyen no sólo a mejorar la calidad de los datos, sino también a garantizar una mejor experiencia a quienes se toman el tiempo de proporcionar respuestas meditadas y minuciosas.
Hemos reconstruido desde cero nuestra función de control de velocidad en las encuestas, haciéndola mucho más inteligente que nuestra iteración anterior. Hemos incorporado nuestros datos históricos para construir un modelo más preciso de detección del exceso de velocidad, prediciendo el tiempo que se tardaría normalmente en responder a una pregunta determinada. Las primeras pruebas han demostrado que este modelo tiene más matices y detecta mucho mejor los malos comportamientos sin ser excesivamente agresivo, lo que significa que más colaboradores se ven recompensados por su esfuerzo y que nuestros clientes obtienen datos de alta calidad con mayor rapidez. Además, hemos perfeccionado y mejorado el funcionamiento de nuestras comprobaciones de pulsación de botones y ahora podemos adaptarnos mejor a situaciones en las que este tipo de comportamiento no es infrecuente en un formulario concreto y a otros casos extremos.
Es una ardua batalla luchar contra la multitud de defraudadores y bots que hay en todo el mundo. Estas herramientas que hemos creado cambian nuestra capacidad para mantener la integridad de los datos, reducir el riesgo de errores e incoherencias y ofrecer datos precisos y fiables. Nuestros equipos seguirán invirtiendo y mejorando estas capacidades para proporcionarle los datos que necesita para tomar sus decisiones.