Os clientes da Premise dependem de dados precisos e fiáveis para informar as suas estratégias e tomar decisões comerciais importantes. Uma quantidade cada vez maior de dados é recolhida pelos nossos colaboradores todos os dias; por conseguinte, garantir a sua qualidade e evitar actividades fraudulentas é uma missão crítica para as nossas equipas. Para se manter na vanguarda neste domínio, a Premise investe fortemente em controlos automatizados de qualidade e de fraude com base na aprendizagem automática. Aproveitando algoritmos avançados e técnicas de validação de dados, somos capazes de detetar imprecisões de dados para manter um alto nível de qualidade de dados e minimizar a exposição a dados fraudulentos e erróneos. Nos últimos meses, introduzimos melhorias significativas nas nossas verificações de qualidade e fraude e estamos entusiasmados por apresentar aqui alguns destaques.
Modelo de deteção de bots baseado em aprendizagem automática
Os bots estão a tornar-se cada vez mais sofisticados e são frequentemente utilizados para perpetuar fraudes e inflacionar a atividade das aplicações, distorcendo e corrompendo os dados recolhidos. Para combater esta situação, lançámos no início deste ano um modelo de deteção de bots baseado em ML. Este modelo aprende com os padrões dos utilizadores suspensos recentemente e suspende automaticamente os utilizadores que apresentam um comportamento semelhante ao de um bot diariamente. Também é automaticamente treinado e reimplantado semanalmente para acompanhar os novos padrões de quem está a ser suspenso. São geradas diariamente novas previsões para cada utilizador com base na sua atividade recente, assegurando que quaisquer problemas são identificados e corrigidos imediatamente, e não após o facto. Este modelo é construído com base num conjunto complexo e abrangente de funcionalidades que garantem que os dados são precisos e reflectem o comportamento genuíno do utilizador.
Garantir a qualidade das respostas ao inquérito
A qualidade dos dados dos inquéritos diminui quando os maus actores tentam realizar o maior número possível de inquéritos no menor espaço de tempo possível para acumularem os seus ganhos. Dois dos problemas mais comuns que vemos:
- As pessoas não podem passar rapidamente pelos formulários, clicando numa resposta aleatória sem lerem cuidadosamente a pergunta e as respostas
- "Esmagamento de botões", quando os Contribuintes escolhem uma resposta na mesma posição demasiadas vezes num inquérito
Os nossos recentes melhoramentos nesta área - descritos abaixo - ajudam não só a melhorar a qualidade dos dados, mas também a garantir que aqueles que dedicam tempo a dar respostas ponderadas e completas tenham uma melhor experiência.
Reconstruímos a nossa capacidade de verificação de velocidade de inquérito a partir do zero, tornando-a muito mais inteligente do que a nossa iteração anterior. Incorporámos os nossos dados históricos para criar um modelo mais preciso para detetar o excesso de velocidade, prevendo o tempo que normalmente demoraria a responder a uma determinada pergunta. Os primeiros testes mostraram que este modelo tem mais nuances e é muito melhor na deteção de maus comportamentos sem ser excessivamente agressivo, o que significa que mais Contribuintes são recompensados pelo seu esforço, enquanto os nossos clientes obtêm dados de alta qualidade mais rapidamente. Em seguida, refinámos e melhorámos a forma como as nossas verificações de esmagamento de botões funcionam e conseguimos agora acomodar melhor cenários em que esse comportamento não é invulgar para um formulário específico e outros casos extremos.
É uma batalha difícil lutar contra a multiplicidade de fraudadores e bots em todo o mundo. Estas ferramentas que criámos são um fator de mudança na nossa capacidade de manter a integridade dos dados, reduzir o risco de erros e inconsistências e fornecer dados precisos e fiáveis. As nossas equipas continuarão a investir e a melhorar estas capacidades e a fornecer-lhe os dados de que necessita para tomar as suas decisões.