Introducción
La seguridad, la protección y la privacidad son la clave de nuestra organización. El sector de los estudios de mercado en general se está adaptando a los cambios y nuevos retos, y nosotros también.
Las muestras de mala calidad son uno de los mayores problemas a los que se enfrenta actualmente el sector de la investigación de mercado. Nuestro sector está luchando contra las redes organizadas de defraudadores, que son capaces de diseñar y desplegar scripts fraudulentos muy sofisticados con los que pueden hacerse pasar por personas y dispositivos reales. Por si fuera poco, el sector también es susceptible a los ataques súbitos a gran escala de las granjas de clics y los bots automatizados.
Los defraudadores intentan evadir las comprobaciones de seguridad constantemente, pero Cint desarrolla productos en los que confían nuestros clientes porque saben que sus datos no pueden estar mejor protegidos.
Una de nuestras herramientas de seguridad principales es Trust Score de Cint, un servicio basado en un modelo patentado de aprendizaje automático/IA que predice cuándo puede una sesión resultar en una reconciliación negativa. Siempre vigilante y adaptativo, está preparado para detectar señales nuevas y ajustarse a los cambios en los patrones y las condiciones.
El modelo califica a los participantes de las encuestas mediante algoritmos de aprendizaje automático e inteligencia artificial para detectar con antelación posibles comportamientos fraudulentos y cerrar la sesión concreta de inmediato.
Trust Score ofrece muchas ventajas. Como cliente de Cint, saber que dispones de datos de calidad te lleva a confiar más en la información obtenida y te permite tomar decisiones empresariales eficaces.
Todo eso está muy bien, pero, ¿cómo funciona Trust Score? Hemos hablado con Jimmy Snyder, vicepresidente de Confianza y Seguridad, y con Alex Namzoff, director principal de Productos, para meternos en el cerebro del modelo en el que confía Cint para dar confianza a nuestros clientes.
La persona-máquina
Del «aprendizaje automático» se lleva hablando mucho desde 2024, pero, ¿qué significa realmente? ¿Y cómo se aplica al modelo Trust Score de Cint para detectar posibles fraudes?
«Imagina que tenemos cien entradas en una encuesta, y que diez de ellas se rechazan y 90 son aptas, ya que se completaron y el comprador las aprobó», cuenta Namzoff. «La idea es encontrar una forma de detectar los patrones asociados con las diez entradas rechazadas para que, en el futuro, podamos bloquear una entrada nueva si detectamos algo en ella que encaja con esos patrones de comportamiento y tener cien entradas aptas la próxima vez».
En esencia, como explica Namzoff, «el aprendizaje automático consiste básicamente en un proceso de entrenamiento.
Hay que alimentar el algoritmo con toda la información disponible para que pueda descubrir los patrones. El modelo es la herramienta que se utiliza para revisar —en el futuro— los datos actuales y ver si sus metadatos coinciden con los de cierto patrón».
La explicación de Snyder es aún más sencilla. «Trust Score es nuestro servicio de aprendizaje automático y predice qué sesiones pueden resultar en una reconciliación negativa».
Los entresijos de Trust Score de Cint
Los modelos nuevos se basan en los datos de puntuación de los tres meses anteriores. «Cuando un entrevistado accede a una sesión determinada, realizamos una evaluación de su historial de sesiones de siete días», comenta Snyder.
«Digamos que el modelo de hoy está entrenado con el historial de los tres meses anteriores. Ahora contamos con un proceso que podemos ejecutar con cada intento de acceso a una encuesta para ver si coincide con este patrón anterior», dice Namzoff. «Imagina que voy a realizar una encuesta hoy. Tenemos que saber qué información sobre mí se va a comparar con el patrón del modelo basado en el historial pasado que hemos creado. Lo que hacemos es coger los últimos siete días de mi historial y compararlo con los patrones que hemos detectado en el conjunto de datos de esos tres meses».
¿Por qué siete días?
«Siete días vienen a dar un buen volumen de la información que necesitamos para comprarla con la del modelo. Más días no nos dan información mejor o más precisa, y menos días nos dan menos de la necesaria», aclara Namzoff.
La metodología en la que se basan los plazos refleja el hecho de que el modelo procesa en tiempo real y que la experiencia del cliente debe ser lo más fluida y rápida posible.
«No podemos simplemente coger el historial de los últimos tres meses y hacer que el entrevistado espere tres minutos a que recopilemos la información que procesa el modelo para ver si le podemos dar acceso a la encuesta», dice Namzoff. «Es como si vas a una tienda y te hacen esperar cinco minutos a que comprueben tu historial».
Cabe destacar que los mecanismos de control y equilibrio como el modelo Trust Score se utilizan para proteger a los clientes y a los participantes en las cuestas, y que se han diseñado, desarrollado e implantado teniéndolo en cuenta.
Como comenta Namzoff, «estamos equilibrando constantemente la necesidad de combatir el fraude con el hecho de que la mayoría de los participantes que acceden a una encuesta son personas reales y de fiar a los que no hay que molestar demasiado».
Espía contra espía
«El fraude ha aumentado mucho en los últimos cinco años», afirma Snyder. «Hemos sido testigos del alarmante crecimiento de los grupos organizados dedicados al fraude y el de sus ataques coordinados en nuestro sector».
Añade que «estos grupos organizados han crecido en los últimos cinco años y comparten e incluso monetizan las formas de comunicar cómo sacarte el dinero. Están convirtiendo en productos las formas de aprovecharse de nosotros».
Tal vez ese crecimiento se deba a que, en los últimos años, se ha vuelto más fácil acceder a la tecnología que permite ejecutar este tipo de fraudes, ya que ciertos productos como las herramientas de chat generativas se han vuelto muy habituales en el contexto digital actual.
Los defraudadores utilizan varios métodos y uno de ellos son las llamadas «granjas de clics». El término hace referencia a la contratación de trabajadores (normalmente) mal pagados para que completen encuestas y llevarse así las recompensas.
«Las granjas de clics son grupos enormes de personas que se juntan en un lugar y utilizan VPN
para realizar encuestas. También puede consistir en una sola persona con 85 monitores ejecutando un bot para atacar, pero como no podemos ver el fraude en directo, no lo sabemos con certeza».
Da igual el método de infiltración que intenten usar los malos: nuestros clientes, participantes y socios confían en nosotros porque saben que si el modelo Trust Score detecta un defraudador, lo excluye el ecosistema de encuestas de Cint.
Puedes leer más información sobre el enfoque de Cint en torno a la confianza y la seguridad aquí.
