你放过的每一个“可疑订单”，可能都是被你误杀的好客户
有一笔损失，没人为它记账
一笔欺诈订单的损失是看得见的。它会出现在拒付账单上，会有人为它解释和负责。
但一笔被误杀的真实订单，损失是看不见的。没有账单和报表，也不会有任何一个部门为它开会。
那位买家不会投诉，不会申诉，甚至不会多问一句。他只是关掉页面，转身在另一家店完成了购买。
你为他付过广告费、素材成本、平台佣金——然而在最后一步，亲手把他推了出去。
这就是为什么，2026年的风控逻辑正在发生一次根本反转：
过去，拒错一单，损失的是一单货值。现在，拒错一单，损失的是“获客成本+货值+客户终身价值”。
当流量贵到某个临界点，风控就不再是一道减法题。
认识Kogan
2006年，Ruslan Kogan在墨尔本创办了Kogan.com。二十年后的今天，它已跻身澳大利亚电商版图的头部阵营——旗下集结Kogan.com、Dick Smith、Mighty Ape、Matt Blatt、Brosa等品牌，触角更从零售延伸至通信、宽带、能源、保险、金融与旅游，为澳新两国逾350万消费者提供服务（数据来源：Kogan.com维基百科词条）。
而这家公司的使命，从第一天起就没变过：让好东西不再贵得遥不可及。
Dick Smith是澳洲知名3C连锁，Mighty Ape是新西兰头部游戏潮玩电商，Matt Blatt与Brosa深耕家居家具。Kogan的订单同时横跨高客单3C、最易被薅羊毛的潮玩、以及物流成本高昂的大件家居——风控复杂度远超单一品类卖家。
三重困局：钱在看不见的地方流失
每一笔都是“卡不在场”交易
纯线上零售意味着没有实体卡、没有面对面。CNP交易天然承载更高欺诈风险，而Kogan的商业信条，就是不断把价格往低了做——欺诈每多吞掉一美元，能回馈消费者的就少一美元。
为了拦坏人，挡住了好人
零售商每年砸下数百万美元筑墙拦截盗刷。消费者感受不到损失，却也不知道这堵墙同样挡住了他们自己。一个“假阳性”信号，一位本该成交的买家就在支付环节被拒之门外。
算不清的那笔账
惯犯式政策滥用者（即中国商家熟知的“职业羊毛党”）、订阅拒付、负毛利客户，正以难以察觉也难以量化的方式侵蚀利润。而人工处理拒付，只是把成本从财务转移到人力，结果分毫未改。
但有一条原则，Kogan从一开始就划死了：订单通过率不能降，真实客户的体验不能碰。
破局：从“标记风险”到“承担结果”
一轮彻底的市场评估之后，Kogan选择了Riskified。
决定性的因素只有一个：拒付包赔。
技术与口碑固然重要，但真正的分水岭在于只有Riskified敢把自己的判断用真金白银担下来。
“我们要找的，是一个真正能为结果负责的伙伴，而不只是一个标记风险交易的工具。”——Kogan.com财务与投资者关系总监
第一步，先把“人”看清楚
启用Identity Engine（身份识别引擎），补齐长期拖累识别精度的Android埋点缺口。当设备指纹、跨会话行为、账户关联被贯通成一张网，欺诈者的伪装成本被急剧抬高——而真实客户，全程无感。这也是账户安全类反欺诈风控系统要解决的核心问题。
第二步，再把“账”算清楚
借助Identity Explore（身份洞察），长期隐形的成本第一次浮出水面：谁在反复薅羊毛、哪些促销正被系统性套利、每一位客户到底在贡献利润还是消耗利润。从源头修订政策，堵住收入漏损——这正是政策滥用保护想做到的事。
第三步，把“人力”解放出来
拒付包赔叠加自动化决策与争议处理，Kogan的拒付流程彻底告别人工。争议胜诉率提升，拒付率降至澳大利亚支付网络协会（AusPayNet）阈值以下——性质等同于中国商家熟悉的Visa VAMP、Mastercard ECP监控红线。
第四步，最后，向前进攻
机器学习模型持续吃进Kogan自己的交易数据，团队得以重新校准大额订单、首次购买客户这些“最纠结地带”的决策阈值。而正因为这些区间同样享有拒付兜底，Kogan才敢于把放行的边界继续外推——这也是批准率提升这件事的价值所在。
当风险有人兜底，商家才敢把放行的边界继续向外推。
THE RESULTS：一套方案，四重收益
- 每年节省150万美元：通过识别与管理负毛利客户及惯犯式政策滥用者
- 98%+订单核准率：在高客单与高风险交易品类中，稳定保持
- 运营负担显著减轻：人工审核大幅下降，团队得以聚焦更高价值的工作
- 更多真实订单被放行：那些过去出于谨慎而被拒之门外的订单，如今转化为实实在在的收入与更好的客户体验
回到你自己：你的订单通过率是多少？
多数出海商家的订单通过率在92%左右，而Kogan做到了98%以上。
中间这段差距，就是被误杀的真实订单。
6个百分点听起来不多——但按跨境电商5%的净利率倒推，把它捞回来，相当于凭空多做了数千万美元的GMV，而无需增加一分钱广告投放。
回到你自己：你的订单通过率是多少？这道题，值得拿真实数据算一遍。
