黑五订单激增，退款欺诈也来了？Riskified×Zendesk用身份风险情报，帮客服守住大促利润
以下场景根据出海品牌客服团队的常见工作情况整理，人物为化名。
周一上午九点，Vivian打开Zendesk，未处理工单的数字停在了四位数。
这是黑五之后的第一个工作日。她负责一家出海服饰品牌的北美客服团队，每年这个时候都一样：订单高峰刚过去，售后高峰就来了。
排在最前面的一张工单来自一位名叫Emma的顾客。一双89美元的运动鞋，物流显示已签收，她说没收到。
Vivian点开这个账户：注册一个月，只有1笔订单，没有任何售后记录。一个干干净净的新顾客。
按团队规则，200美元以下的“未收到货”索赔可直接退款。她点了批准，接着打开下一张。
到了下午，类似的工单又来了几张。名字不同，邮箱不同，都是新账户，都说“签收了但没收到”。每一张单独看都合理，Vivian一一批了。
她没法知道的是，这几个账户里，有几个背后是同一个人。
这不是Vivian的失误。基于她能看到的所有信息，她已经做出了一个客服可以做出的合理判断。问题恰恰出在“能看到的信息”上。
765亿美元，是怎么来的
据美国零售联合会（NRF）统计，2025年美国零售商的退货总额达8,499亿美元，其中约9%属于欺诈。Riskified据此测算，这意味着约765亿美元的损失，而这还没算上美国以外的市场。
顾客自己也不讳言。四分之一的购物者承认穿过再退，或者下单时就打算退掉一部分；大约五分之一承认调包退货、寄回空箱，或者动过运单。
落到出海品牌身上，这件事还被两个现实放大了。
一是跨境退货太贵。不少品牌干脆选择“仅退款、不用寄回”，退款申请几乎没有门槛。二是大促和节假日工单一多，客服根本没时间逐单核实，只能在“全部放行”和“一律从严”之间挑一个。前者等于给羊毛党开门，后者会把好顾客一起挡在门外。
对出海品牌来说，跨境电商反欺诈风控不只发生在支付页面，售后窗口同样是风险入口，也是电商反欺诈管理里容易被忽略的一块。
一个人，六十八个账户
客服看到的是一个账户。账户背后，可能完全是另一回事。
Riskified曾识别出这样一个身份：名下68个活跃账户，用过28个名字、68个邮箱、7个手机号、5个收货地址，前后提交了58笔索赔。
对任何一家商户来说，这68个账户看起来都是互不相干的新顾客，就像Vivian那天下午看到的那几张工单。
另一个例子更能说明问题。在某家商户的后台，一位顾客累计消费3,104美元，提交了2,860美元的索赔，名下只有一个账户。索赔比例是高了点，但也说不上可疑。
放到Riskified的商户网络里再看，同一个人关联着3个账户、27张信用卡，累计消费10,520美元，索赔金额10,080美元。
同一个人，两种看法。差别不在于谁更会判断，而在于谁看到得更多。
羊毛党的看家本领：换一张脸
换邮箱，换手机号，换收货地址，必要时连名字也换。单看任何一个账户，都挑不出毛病。
Riskified的办法是把这些散落的数据点连成一张身份图谱，关键在于多跳关联：A账户和B账户用过同一台设备，B账户和C账户用过同一个地址，那么即便A和C从来没有任何交集，也可以被识别为同一个人。连接越多，判断越准。
这套逻辑同样用来防止误伤。和高风险身份住在同一个地址的家人，不会因为地址相同，就被归到同一个人名下。
也正因为这张网足够大，一位第一次在你店里下单的顾客，他的历史很可能早就在里面了。据Riskified的跨行业内部分析，一家商户的顾客中，最高有78%已经出现在这张网络里<sup>[2]</sup>。这也是大数据风控反欺诈和单商户规则的根本区别：你判断的不再是一个账户，而是账户背后的那个人。
在客服回复之前，先知道对面是谁
9月15日，Riskified睿思飞宣布与Zendesk达成合作，将身份风险情报接入Zendesk的客户服务工作流。这项集成将从2026年11月起向Zendesk客户全面开放。
做法并不复杂。每一次服务请求进来，Riskified都会将其与身份图谱比对一遍，并在客服或AI智能体回复之前，提供该顾客的风险等级和相关指标。也就是把反欺诈风控系统的判断，直接放到客服的工作台上。
客服与AI智能体在回复之前，就能看到这位顾客的风险等级，从一堆复杂信号，变成四个清晰的等级：
- 新身份：网络中尚无记录，按标准流程处理。
- 低风险身份：历史记录良好，可快速放行。
- 中风险身份：存在可疑信号，建议适度核实。
- 高风险身份：关联欺诈与滥用，需重点审查。
有了等级，同样一句“包裹没收到”，就可以有不同的处理方式。低风险的老顾客自动批准，一次沟通解决，还能享受VIP待遇；有疑点的请求多问一句、适度核实；高风险身份则拒绝索赔，并限制促销和折扣的使用。
“客服团队不应该在保护业务和服务好顾客之间二选一。把实时风险情报直接带进Zendesk，客服就能拿到即时、有数据支撑的判断依据。”——Jeff Otto，Riskified首席营销官
落地上，Riskified以“定制智能体”的形式接入Zendesk，目前覆盖三类常见请求：退款索赔、订单修改、退货换货。
再回到那个周一
如果那天Vivian的Zendesk已经接入了这套能力，她看到的会是另一幅画面。
Emma的工单旁边会有一个等级。如果她在网络里的记录一向干净，这张单子可以直接自动批准，不必占用Vivian的时间。
而下午那几张看起来毫不相干的工单，会被标记出同一个高风险身份，旁边附着它在其他商户留下的索赔记录。
Vivian不需要变得更会判断。她只需要看到那些原本看不到的东西。
已经看到的成果
这套方案是和一家时尚行业的设计合作商户一起打磨出来的。对方估计，在Zendesk上部署之后，每年能少损失100万美元的退款和退货欺诈。
在更大范围的政策滥用防范上，Riskified的客户已经拿到了这些结果：
| 客户类型 | 场景 | 成果 |
|---|---|---|
| 全球快时尚品牌 | 从自研工具升级为自动化退款决策 | 年度节省650万美元；投诉率下降30% |
| 百货零售商 | 每年在退款滥用上节省1,700万美元，同时改善退货体验 | 60%的退货获即时批准；客户满意度提升30个百分点 |
| 英国大型零售商 | 从“有求必应”到拦截系统性滥用 | 10.4%的滥用索赔（按金额计）被拒绝；识别出610万美元的索赔滥用 |
| 电子产品零售商 | 借助Riskified身份引擎，阻止有组织的退货诈骗 | 仅拦截0.2%的客户，即实现400万美元年度节省；12%的滥用退货被识别 |
怎么开始
不需要一次到位。安装之后，Riskified会先用商户已有的用户和订单数据建立初始的身份图谱；之后陆续补上历史索赔、拒付记录和实时订单，判断会越来越准。
整个过程可以按“先爬，再走，后跑”来推进，2026年11月起向Zendesk客户全面开放：
- 连接客户数据：从Zendesk Marketplace安装应用，上传姓名、手机号、邮箱与购买摘要，接入身份图谱。
- 补充历史背景：上传过往索赔与拒付记录，利用客户在您业务中的历史数据，丰富网络洞察。
- 启用持续情报：接入持续的订单与索赔数据，让风险评估始终基于最新的客户行为。
没用Zendesk？ 同样的身份识别能力，也可以通过Riskified的政策保护产品，覆盖退款、退货与促销滥用等场景。
