Target łączy konta na podstawie cech urządzenia, metod płatności, adresów dostawy i zachowania podczas logowania. Artykuł wyjaśnia, jakie sygnały są oceniane łącznie oraz jakie wymagania powinny spełniać środowisko i dane kont.
Target jest drugą co do wielkości platformą detaliczną w Stanach Zjednoczonych, ustępującą tylko Walmartowi, i obejmuje artykuły codziennego użytku, produkty dla dzieci, odzież, elektronikę oraz wyposażenie domu. Duża baza użytkowników i stabilny ruch sprawiają również, że platforma jest atrakcyjna dla wielu zespołów transgranicznych budujących operacje kontowe.
W ostatnich latach kontrola ryzyka została zaostrzona i jest wrażliwa na masowe logowania, nietypowe urządzenia oraz częste zmiany adresów płatności. Wiele osób sądzi, że wszystko jest w porządku, dopóki konta nie wchodzą sobie bezpośrednio w drogę, jednak w praktyce platforma analizuje cały zestaw cech i ocenia je łącznie.
Platforma widzi nie tylko konto, lecz także zestaw cech urządzenia i przeglądarki
Cookies to tylko jeden z elementów. Informacje przesyłane przez przeglądarkę obejmują również User-Agent, wersję silnika, strefę czasową i język, system operacyjny, rozdzielczość ekranu i listę zainstalowanych czcionek; na poziomie grafiki są wyniki renderowania Canvas, raporty WebGL i model GPU; na poziomie pamięci Cookies, LocalStorage i IndexedDB. Połączenie tych parametrów wystarcza, aby odróżnić jedno urządzenie od drugiego.
Gdy wiele kont korzysta z tego samego komputera i tej samej przeglądarki, parametry te w dużej mierze się pokrywają. Platforma nie musi potwierdzać, kim jesteś; zgodny ślad urządzenia sam w sobie może stanowić podstawę do uznania kont za powiązane.
Trzy linie sygnałów: płatność, adres i miejsce logowania
Informacje związane z tożsamością są jeszcze trudniejsze do wyjaśnienia niż dane urządzenia. Adres dostawy, metoda płatności i powiązany numer telefonu są zwykle traktowane jako kluczowe wymiary tożsamości. Jeśli jedno konto ponownie wykorzystuje te dane z innych kont albo zmienia tylko kilka znaków, powiązanie może nadal zostać stwierdzone.
Miejsce logowania to kolejna linia sygnałów. Pod uwagę mogą być brane region wyjściowego IP, typ operatora — mieszkaniowy lub centrum danych — oraz zgodność z regionem rejestracji konta. Szybkie przeskoki między krajami i wiele kont z tej samej podsieci to bardzo wyraźne sygnały.
Rejestrowany jest także rytm zachowania. Natychmiastowe kliknięcia, stała i niezmienna ścieżka kliknięć oraz brak czasu spędzanego na stronach wyglądają w systemie niemal tak samo jak działania skryptowe.
Dlaczego wiele kont łatwo trafia do jednego powiązania
Gdy wszystkie te sygnały zostaną zestawione razem, problem staje się jasny: jeśli wiele kont współdzieli to samo środowisko i podobną strukturę danych, a do tego wykonuje podobne działania w zbliżonym czasie, system przestaje widzieć je jako niezależnych użytkowników, a zaczyna jako wiele śladów tej samej operacji.
Dlatego poprawianie tylko jednego elementu niewiele daje. Zmiana IP przy zachowaniu tego samego środowiska albo zmiana danych przy nadal szablonowej strukturze adresu pozostawia sygnały powiązania.
Na poziomie środowiska najważniejszy jest brak nakładania się danych
Dla zespołów, które rzeczywiście muszą obsługiwać wiele kont, wymóg środowiskowy jest prosty: każde konto powinno mieć niezależne środowisko przeglądarki, a jego fingerprint, Cookies, pamięć lokalna i wyjście sieciowe nie powinny krzyżować się z innymi kontami. Nie należy mieszać stanów logowania, cache ani wyjściowych adresów IP.
Narzędzia przeznaczone specjalnie do izolacji środowisk wielu kont, takie jak PurpleMark, rozwiązują właśnie ten problem, utrzymując oddzielne środowisko przeglądarki i konfigurację sieciową dla każdego konta, bez konieczności ręcznego pamiętania, który komputer odpowiada któremu kontu.
W przypadku wyjścia sieciowego łatwo przeoczyć jeszcze jedną rzecz: region i typ powinny być stabilne w długim okresie. Konto, które stale korzysta z wyjścia w tym samym regionie, bardziej przypomina normalnego użytkownika niż konto często zmieniające lokalizację. Masowo współdzielone adresy IP centrów danych same w sobie są sygnałem podwyższonego ryzyka.
Dane konta muszą odpowiadać rzeczywistemu podmiotowi
Problem danych rejestracyjnych nie polega na tym, czy są wystarczająco losowe, lecz czy odpowiadają rzeczywistemu podmiotowi. Jeśli ten sam podmiot wielokrotnie wykorzystuje adres dostawy, metodę płatności lub dane kontaktowe na różnych kontach, zmiana sposobu zapisu nie usuwa powiązania.
Niewskazane jest również masowe wypełnianie formularzy bardzo podobnymi danymi: te same schematy nazw, podobne nazwy e-maili czy adresy różniące się tylko kilkoma cyframi. Systemy porównywania podobieństwa są projektowane właśnie pod takie kombinacje, dlatego cała partia kont może zostać potraktowana łącznie.
Normalny rytm działania z natury zawiera zmienność
Nowe konta są zwykle obserwowane dokładniej w początkowym okresie, co jest standardową praktyką platform. Prawdziwe ludzkie zachowanie naturalnie zawiera jednak przerwy i zmienność: czas przeglądania jest nierówny, ścieżki nie powtarzają się identycznie, a przed zakupem użytkownicy wahają się i porównują opcje.
Dlatego bardziej praktyczne jest nie tworzenie harmonogramu dokładnego co do minuty, lecz pozwolenie, aby zachowanie konta wynikało z realnych potrzeb biznesowych. W danych można odróżnić działania wynikające z rzeczywistej potrzeby od czynności tworzonych tylko po to, by wypełnić schemat.
Stabilność wynika z samego biznesu
Trudność obsługi wielu kont nie polega na tym, czy technologia może zadziałać, ale czy całość może pozostać stabilna przez długi czas. Rozdzielone środowiska, dane zgodne z rzeczywistym podmiotem i zachowanie wynikające z realnej działalności tworzą solidną podstawę. Jeśli którykolwiek z tych elementów opiera się na prowizorycznych połączeniach lub sztucznym wypełnianiu aktywności, koszt może z czasem wrócić w postaci ograniczeń konta.
