Een meerderheid van de softwareproducten biedt nieuwe klanten een gratis proefperiode aan. Een gratis proefperiode betekent dat je onderneming echte productwaarde biedt aan iedereen die zich aanmeldt. Maar niet iedereen die zich aanmeldt, is een serieuze potentiële klant. Sommige frauduleuze actoren misbruiken gratis proefperiodes door steeds weer met valse identiteiten te werken om de proefperiode steeds opnieuw te starten. Dit staat bekend als misbruik van gratis proefversies: het herhaaldelijke, frauduleuze gebruik van een proefaanbieding door iemand die niet van plan is een betalende klant te worden.

Hieronder leggen we uit welke signalen misbruik van gratis proefversies in een vroeg stadium aan het licht brengen, wat de zakelijke impact is die verder gaat dan valse aanmeldingen, en welk gelaagd preventiekader dit tegenhoudt.

Hoogtepunten

• Misbruik van gratis proefversies is een fraudeprobleem dat losstaat van klantverloop. Het gaat om het opzettelijk wisselen van identiteit om blijvend voordeel te halen zonder te betalen.

• De zakelijke impact van misbruik van gratis proefperiodes omvat vertekende productanalyses, hogere rekenkosten en een grotere kans op betalingsfraude verderop in het proces.

• Effectieve preventie vereist gelaagde verdedigingsmechanismen op het gebied van aanmelding, apparaatinformatie en monitoring na activering.

Wat is misbruik van gratis proefversies?

Misbruik van gratis proefperiodes is wanneer een gebruiker de proefperiode voortdurend reset door nieuwe accounts aan te maken. Ze gebruiken valse of synthetische identiteiten, zoals nieuwe e-mailadressen, telefoonnummers en andere gegevens, om zich als nieuwe gebruiker voor te doen en de proefperiode te resetten.

Wat zijn veelvoorkomende manieren om misbruik te maken van gratis proefversies?

Misbruik verloopt meestal volgens herkenbare patronen. De precieze methoden variëren, maar vallen over het algemeen in de volgende categorieën.

• Meerdere accounts aanmaken: de eenvoudigste tactiek is om meerdere accounts aan te maken met verschillende e-mailadressen. Als een proefsysteem alleen controleert of een e-mailadres al eerder is gebruikt, werkt deze methode goed.

• Wegwerp- en synthetische e-mailadressen: tijdelijke inboxdiensten genereren werkende adressen op aanvraag. Meer geavanceerde actoren registreren hun eigen domeinen om onbeperkt adressen te genereren die door basiscontroles komen.

• Identiteitsrotatie: om detectie te voorkomen, wisselen gebruikers identiteitsgegevens af, zoals namen, telefoonnummers (soms via Voice over Internet Protocol-diensten) en adressen voor facturatie. Sommigen combineren fragmenten van echte gegevens om synthetische identiteiten te creëren die er voor geautomatiseerde controles legitiem uitzien.

• Geautomatiseerde aanmeldingsbots: scripts kunnen automatisch aanmeldingsprocessen doorlopen, eenvoudige CAPTCHA's oplossen en proefversies activeren. Wanneer elke aanmelding via residentiële proxynetwerken verloopt, lijkt het alsof deze afkomstig is van een ander apparaat en een andere locatie.

• Omzeilen van verificatie: e-mailverificatie kan worden omzeild via tijdelijke inboxen, terwijl sms-verificatie vaak wordt omzeild met behulp van virtuele nummerservices.

• Direct gebruik van de applicatieprogrammeerinterface (API) na aanmelding: bij API-gestuurde producten is het proefaccount misschien alleen nodig om een API-sleutel te genereren. Zodra de sleutel is uitgegeven, kan deze direct tegen je eindpunten worden gebruikt totdat hij wordt ingetrokken of aan een limiet wordt onderworpen.

Welke signalen wijzen vroeg op misbruik van gratis proefperiodes?

Er is geen enkel signaal dat op zichzelf misbruik bewijst. Detectie is meestal gebaseerd op een opeenstapeling van risico-indicatoren. Hoe meer signalen er zijn, hoe groter de kans dat het account misbruikt wordt.

Hier is waar je op moet letten:

• Aanmeldingssnelheid vanuit gedeelde infrastructuur: meerdere aanmeldingen vanaf hetzelfde IP-adres, IP-bereik of netwerkprovider binnen een kort tijdsbestek zijn sterke aanwijzingen voor gedeelde infrastructuur. Datacenters en exit-knooppunten van Virtual Private Networks (VPN's) zijn bijzonder veelvoorkomende bronnen.

• Verdachte e-maildomeinen: wegwerpmailproviders zijn makkelijk te herkennen met domeinblokkeerlijsten. Ook de leeftijd van een domein kan veelzeggend zijn. Adressen die zijn aangemaakt op domeinen die pas een paar dagen eerder zijn geregistreerd, duiden vaak op verzonnen identiteiten.

• Hergebruik van apparaatvingerafdrukken: twee accounts die beweren geen verband met elkaar te hebben, hebben zelden identieke browservingerafdrukken. Herhaalde combinaties van canvas-signaturen, geïnstalleerde lettertypes, plug-ins of apparaatkenmerken kunnen anderszins afzonderlijke accounts met elkaar in verband brengen.

• Afwijkend gedrag in het begin van de sessie: legitieme gebruikers verkennen meestal een product. Frauduleuze actoren gaan vaak binnen enkele seconden na het activeren van een proefperiode direct naar de functie of API-eindpunt met de hoogste waarde.

• Proefpatronen gekoppeld aan verlopen accounts: wanneer een nieuwe proefperiode kort na het verlopen van een andere begint en de accounts infrastructuur-, apparaat- of identiteitssignalen delen, is dat een sterke aanwijzing voor cyclisch gedrag.

• Betalingsgerelateerde signalen: als je bij aanmelding betalingsgegevens verzamelt, kunnen signalen zoals het gebruik van prepaidkaarten, discrepanties tussen het land van de kaart en de IP-locatie, of het snel hergebruiken van dezelfde kaart bij meerdere aanmeldingen wijzen op risico.

Hoe beïnvloedt misbruik van gratis proefperiodes je onderneming, afgezien van valse aanmeldingen?

De schade door misbruik van proefperiodes stapelt zich op verschillende manieren op. Dit is de echte zakelijke impact van nepgebruikers in je proefgroep.

Infrastructuur- en API-kosten

Als een proefperiode resource-intensieve functies bevat, met name rekenkracht, opslag of AI-inferentie, zullen frauduleuze actoren daar intensief gebruik van maken. AI-ondernemingen hebben pieken in infrastructuurkosten gemeld die direct toe te schrijven zijn aan misbruik van proefperiodes, waarbij ze het probleem in sommige gevallen pas ontdekten toen de clouduitgaven onverwacht omhoogschoten.

Vervuilde productanalyses

Misbruik van proefversies vertekent productstatistieken. Activeringspercentages, het gebruik van functies en de time-to-value lijken allemaal slechter wanneer een groot deel van je gebruikers nooit echte evaluatoren waren. Teams zouden productbeslissingen kunnen nemen op basis van misleidende gegevens.

Belasting van de ondersteuning

Misbruik verstoort vaak ondersteuningssystemen, zoals mislukte aanmeldingen, fraudewaarschuwingen en problemen bij de facturatie die onderzoek vereisen.

Grotere kans op betalingsfraude

Misbruik van proefversies gaat vaak vooraf aan betalingsfraude. Personen die systemen testen met proefaccounts, kunnen later transacties proberen uit te voeren met gestolen betaalgegevens, omdat ze hebben geleerd hoe je betaalproces werkt.

Wat hoort er bij een effectief preventiekader tegen misbruik van gratis proefversies?

Een effectieve aanpak om misbruik van gratis proefversies te voorkomen is een gelaagde verdediging. Elke controle moet het moeilijker maken om je systeem te omzeilen, totdat misbruik van je systeem niet langer de moeite waard is.

Dit is wat een effectief preventiekader omvat.

Risicoscores bij aanmelding

Evalueer, voordat je een proefperiode activeert, een combinatie van signalen, waaronder e-mailreputatie, IP-risico, apparaatkenmerken en gedragspatronen. Moderne fraudedetectie-API's kunnen deze scores binnen milliseconden weergeven, met minimale hinder voor legitieme gebruikers.

Apparaatinformatie

Identificatie van apparaten aan de hand van hun kenmerken helpen bij het koppelen van accounts die vanaf dezelfde browser of hetzelfde apparaat zijn aangemaakt, zelfs als e-mailadressen, IP-adressen en identiteiten veranderen.

Progressieve weerstand

In plaats van voor elke gebruiker hindernissen op te werpen, voer je alleen extra verificatie in wanneer risicosignalen een drempel overschrijden. Je kunt bijvoorbeeld verificatie met een echt mobiel nummer vereisen, wat veel geautomatiseerde aanmeldingen kan tegenhouden.

Toegang beperken

Beperk de schade die een enkel proefaccount kan veroorzaken. API-toegangsbeperkingen en gebruikslimieten zorgen ervoor dat zelfs een account dat met succes is misbruikt, geen onbeperkte waarde kan genereren.

Gedragsmonitoring tijdens de proefperiode

Analyses na aanmelding kunnen verdachte gebruikspatronen identificeren en accounts opschorten voordat ze de proefperiode volledig uitbuiten.

Analyse van betalingsrisicosignalen met Stripe Radar

Als er bij de proefaanmelding betalingsgegevens worden verzameld, vergelijken de machine learning-modellen van Stripe Radar die transactie met signalen uit het hele Stripe-netwerk. Een kaart die elders in verband wordt gebracht met frauduleuze activiteiten, brengt een verhoogd risico met zich mee in je aanmeldingsproces, zelfs als je die kaart nog nooit eerder hebt gezien.

Hoe hangt misbruik van gratis proefperiodes samen met andere risico's op aanmeldings- en abonnementsfraude?

Misbruik van gratis proefperiodes komt zelden op zichzelf voor. Dezelfde infrastructuur en tactieken komen vaak voor bij andere soorten fraude.

Zo hangt misbruik van gratis proefperiodes samen:

• Fraude met nieuwe accounts: wegwerp-e-mailadressen, virtuele nummers en residentiële proxynetwerken die worden gebruikt voor misbruik van proefperiodes, komen ook vaak voor bij het aanmaken van nepaccounts en de voorbereiding van account-overnames.

• Misbruik van promoties: elke incentive die aan een aanmelding is gekoppeld, zoals credits, verwijzingsbonussen of kortingen, is kwetsbaar voor dezelfde multi-accounting-tactieken die bij misbruik van proefperiodes worden gebruikt. Ondernemingen die misbruik van proefversies aanpakken, versterken vaak tegelijkertijd hun processen voor de verzilvering van promoties.

• Misbruik van API's: zodra API-inloggegevens via een proefaccount zijn verkregen, kunnen deze nog lang na afloop van de proefperiode worden gebruikt als er geen monitoring of intrekkingsproces is.

Hoe Stripe Radar kan helpen

Stripe Radar gebruikt AI-modellen om fraude op te sporen en te voorkomen, getraind op basis van gegevens uit het wereldwijde netwerk van Stripe. Het werkt deze modellen steeds bij op basis van de nieuwste fraudetrends, zodat je onderneming beschermd blijft terwijl fraude zich ontwikkelt.

Stripe biedt ook Radar for Fraud Teams, waarmee gebruikers regels op maat kunnen toevoegen voor specifieke fraude scenario's voor hun bedrijf en toegang krijgen tot geavanceerde fraude- inzichten.

Radar kan je onderneming helpen met:

• Fraudeverliezen voorkomen: Stripe verwerkt jaarlijks meer dan $ 1 biljoen aan betalingen. Deze schaalgrootte stelt Radar in staat om fraude nauwkeurig op te sporen en te voorkomen, waardoor je geld bespaart.

• Omzet verhogen: de AI-modellen van Radar zijn getraind op basis van echte chargebackgegevens, klantinformatie, browsegegevens en meer. Hierdoor kan Radar risicovolle transacties identificeren en valse positieven verminderen, waardoor je omzet stijgt.

• Tijd besparen: Radar is ingebouwd in Stripe en hoeft niet te worden geconfigureerd. Je kunt ook je frauderesultaten monitoren, regels opstellen en meer op één platform, waardoor de efficiëntie toeneemt.

Lees meer over Stripe Radar of ga vandaag nog aan de slag.