Paywall, çok sağlayıcılı ödeme altyapılarında ortaya çıkan ve toplam performans içinde fark edilmesi zor olabilen sorunları erken aşamada belirlemek amacıyla System Anomaly Detection çözümünü geliştirdi. Sistem, müşterilerin kendi ödeme verileri üzerinden oluşturulan normal davranış profillerini analiz ederek banka, ödeme kuruluşu, kart grubu veya işlem akışındaki anormallikleri tespit ediyor.

Ödeme altyapılarındaki sorunlar her zaman sistemin tamamen devre dışı kalması şeklinde ortaya çıkmıyor. Belirli bir banka, ödeme kuruluşu, kart grubu ya da işlem tipinde başarı oranının düşmesi gibi kısmi sorunlar, genel performans içinde gözden kaçabiliyor. Bu durum gelir kaybının yanı sıra dönüşüm oranlarının düşmesine, müşteri taleplerinin ve operasyonel maliyetlerin artmasına yol açabiliyor.

Paywall’un System Anomaly Detection çözümü, işlem hacmi, ödeme başarı oranı, hata kodları, yanıt süreleri, zaman aşımı oranları ve sağlayıcı performansı gibi göstergeleri analiz ediyor. Bu veriler üzerinden her müşteri için ayrı bir normal davranış profili oluşturuluyor. İşletmelerin işlem hacimleri, yoğun saatleri, kampanya dönemleri ve kullandıkları ödeme sağlayıcıları farklı olduğu için sistem, sabit eşikler yerine müşterinin kendi ödeme verilerini temel alıyor.

Örneğin belirli bir saatte işlem hacminde yaşanan düşüş bir işletme için olağan kabul edilebilirken, başka bir işletme açısından anomali olarak değerlendirilebiliyor. Sistem bu farklılıkları müşteriye özel oluşturulan davranış profili üzerinden izliyor.

Banka ve işlem segmentlerindeki sorunlar izleniyor

System Anomaly Detection, müşteri verilerinin yanı sıra Paywall tarafından belirlenen sistem anomali standartlarını da kullanabiliyor. Ödeme başarı oranındaki kritik düşüşler, hata kodlarındaki ani artışlar, olağan dışı cevap süreleri ve bağlantı zaman aşımları bu göstergeler arasında yer alıyor.

Müşteriye özel davranış profili ile sistem standartları ayrı ayrı veya birlikte kullanılabiliyor. Sistem; banka, ödeme kuruluşu, kart grubu, taksit seçeneği ve işlem türü bazında başarısızlık yoğunlaşmalarını da tespit edebiliyor.

Bunun yanında red ve bağlantı hataları, cevap sürelerindeki artışlar, işlem hacmindeki olağan dışı değişimler, bağlantı sorunları, ödeme durumu ile sistem bildirimleri arasındaki senkronizasyon problemleri, yeniden deneme ve alternatif sağlayıcı kullanımındaki artışlar ile komisyon ve mutabakat farklılıkları da izlenebiliyor.

Bu sayede toplam ödeme performansında belirgin şekilde görünmeyen, ancak belirli sağlayıcı veya işlem segmentlerinde yoğunlaşan sorunların erken aşamada tespit edilmesi amaçlanıyor.

Tespit edilen anomaliler ödeme akışlarına yansıtılabiliyor

System Anomaly Detection, Paywall’un ödeme orkestrasyonuyla entegre çalışarak farklı banka ve ödeme kuruluşlarındaki işlem akışlarını analiz ediyor. Bir sağlayıcıda performans düşüşü tespit edildiğinde oluşan anomali sinyali, tanımlanan kurallara bağlı olarak PayRoute’un trafiği daha sağlıklı bir sağlayıcıya yönlendirmesini veya PayJump’ın alternatif ödeme kurtarma akışlarını devreye almasını destekleyebiliyor.

Çözüm, Fraud LLM ile birlikte kullanıldığında teknik kesintiler, sağlayıcı performansındaki değişimler, müşteri davranışındaki farklılıklar ve şüpheli işlem hareketlerinin birlikte değerlendirilmesine yardımcı oluyor.

Paywall CEO’su Arif Ferah, ödeme operasyonlarında sorun ortaya çıktıktan sonra müdahale etmenin yeterli olmadığını belirterek, System Anomaly Detection ile ödeme operasyonlarını reaktif yapıdan proaktif ve veriye dayalı bir yapıya taşımayı hedeflediklerini söyledi.

Ferah, sistemin her müşterinin kendi verilerinden hareket ederek işletmeye özgü ödeme davranışını analiz ettiğini ve gerektiğinde Paywall’un sistem standartlarından yararlanabildiğini ifade etti. Ferah ayrıca anomalilerin erken tespit edilmesi, etkilerinin görünür hale getirilmesi ve orkestrasyon yetenekleriyle gerekli aksiyonların daha hızlı alınmasını sağlayan bir ödeme ekosistemi oluşturmayı amaçladıklarını kaydetti.