Fraud Order Management System: Rules, Risk Score ও Blocklist

Fake order নিয়ে প্রতিটি online shop-এর নিজস্ব অভিজ্ঞতা আছে — বন্ধ নম্বর, "আমি order দিইনি", একই মানুষের বারবার order করে parcel না নেওয়া। শুরুতে এগুলো মালিক বা একজন staff নিজের অভিজ্ঞতা দিয়ে ধরেন। কিন্তু order বাড়লে, staff বদলালে বা sale-এর মৌসুমে এই "অভিজ্ঞতা" আর কাজ করে না। তখন দরকার লিখিত নিয়ম আর একটা system যা প্রতিটি order-কে একই মাপকাঠিতে যাচাই করে।

এই লেখা fraud order সামলানোর system ও প্রক্রিয়া নিয়ে: নিয়ম (rules), risk score, phone history, blocklist আর hold queue কীভাবে সাজাবেন। Fake order কেন আসে ও কোন সমাধান আগে নেবেন — সেই সমস্যার দিক পাবেন Fake order কমানোর উপায় লেখায়।

Fraud order management কী, আর বাংলাদেশে কেন দরকার

Fraud order management মানে order আসার মুহূর্ত থেকে dispatch পর্যন্ত প্রতিটি order-এর ঝুঁকি যাচাই করা এবং ঝুঁকি অনুযায়ী আলাদা পথে পাঠানো: কম ঝুঁকির order দ্রুত confirmation-এ, সন্দেহজনক order hold-এ বা advance payment-এর শর্তে, আর নিশ্চিত ভুয়া order বাতিল।

বাংলাদেশে COD-নির্ভরতার কারণে ভুয়া order-এর খরচ সরাসরি আপনার ঘাড়ে পড়ে — packaging, দুই দিকের delivery charge, কয়েক দিন আটকে থাকা stock, আর staff-এর সময়। এখানে "fraud" বলতে সাধারণত card জালিয়াতি নয়, বরং ভুয়া বা অগম্ভীর COD order, ভুল তথ্য, বারবার parcel প্রত্যাখ্যান, আর website-এ bot দিয়ে spam order বোঝায়। তাই system-টাও এই বাস্তবতা মাথায় রেখে বানাতে হয়।

আজ manually কীভাবে হয়, আর কোথায় ভাঙে

বেশিরভাগ shop-এ fraud যাচাই মানে: confirmation call-এর সময় staff-এর অনুমান, আর কারো ফোনে বা খাতায় রাখা "খারাপ নম্বরের" তালিকা। সমস্যাগুলো:

• নিয়ম মানুষের মাথায়: একজন staff যে নম্বর সন্দেহজনক মনে করেন, আরেকজন তা জানেন না।
• Blocklist ছড়ানো-ছিটানো: Facebook page-এর admin, website-এর admin আর courier panel — তিন জায়গায় তিন রকম তালিকা।
• ইতিহাস দেখা কঠিন: এই নম্বর থেকে আগে কয়টা order এসেছিল, কয়টা নিয়েছে — তা খুঁজতে অনেক sheet ঘাঁটতে হয়।
• Duplicate ধরা পড়ে না: একই মানুষ একটু আলাদা নামে বা দুটো নম্বরে একই product order করে।
• ভালো customer-ও বাদ পড়ে: অনুমানের উপর সিদ্ধান্ত নিলে বাইরের জেলার বা প্রথমবারের আসল customer-কেও অনেক সময় সন্দেহ করা হয়।

একটা ভালো fraud order management system কী কী করে

• Order-এর সময় যাচাই: ১১ সংখ্যার বৈধ মোবাইল নম্বর, ঠিকানায় জেলা-থানা, অস্বাভাবিক নাম বা ঠিকানা (যেমন "test", "abc") চিহ্নিত করা।
• Phone history: নম্বর দিলেই দেখা যায় আপনার কাছে এর আগের order কয়টা, কয়টা delivered, কয়টা returned বা cancelled।
• Duplicate detection: একই নম্বর, একই ঠিকানা বা একই product-এ অল্প সময়ের মধ্যে একাধিক order হলে flag।
• Blocklist ও watchlist: নিশ্চিত ভুয়া নম্বর blocklist-এ, আর একবার-দুবার return করা নম্বর watchlist-এ — কারণ ও তারিখসহ।
• Risk score: কয়েকটা নিয়ম মিলিয়ে প্রতিটি order-কে কম/মাঝারি/বেশি ঝুঁকিতে ভাগ করা।
• Hold queue: বেশি ঝুঁকির order আলাদা তালিকায় যায়, confirmation ছাড়া কেউ ভুলেও booking দিতে পারে না।
• Advance payment trigger: নির্দিষ্ট ঝুঁকিতে customer-কে bKash/Nagad-এ delivery charge অগ্রিম দেওয়ার অনুরোধ।
• Bot সুরক্ষা: Website-এ একই IP বা device থেকে অল্প সময়ে অনেক order আটকানো, প্রয়োজনে OTP বা captcha।
• Courier তথ্য (যেখানে পাওয়া যায়): কিছু courier বা third-party সেবা নম্বর দিয়ে আগের delivery সাফল্যের একটা ধারণা দেয় — যেমন Steadfast-এর API documentation-এ "fraud check" সুবিধার উল্লেখ আছে। এসব তথ্য সহায়ক হিসেবে ব্যবহার করুন, আর শর্ত ও প্রাপ্যতা সংশ্লিষ্ট সেবার কাছে জেনে নিন।
• Audit log: কে কোন order hold, বাতিল বা blocklist করল, কেন — তার রেকর্ড।

একটা সরল risk score কেমন হতে পারে

নিচের টেবিলটা শুধু শুরু করার একটা উদাহরণ। নম্বর বা পয়েন্ট আপনার নিজের ডেটা দেখে ঠিক করবেন।

ধরুন ০–২৯ কম ঝুঁকি (সাধারণ confirmation), ৩০–৫৯ মাঝারি (অবশ্যই call-এ confirm), ৬০+ বেশি ঝুঁকি (advance delivery charge বা বাতিল)। কোনো একটা সংকেত একা যথেষ্ট প্রমাণ নয় — তাই score, সরাসরি বাতিল নয়।

ধাপে ধাপে fraud order system চালু করার workflow

1. 1
   ডেটা জোগাড় করুন: গত ২–৩ মাসের cancelled, returned ও fake order-এর নম্বর, এলাকা, product ও source একটা তালিকায় আনুন।
2. 2
   Pattern খুঁজুন: কোন সংকেতগুলো বারবার দেখা যাচ্ছে (একই নম্বর, নির্দিষ্ট offer, অসম্পূর্ণ ঠিকানা) তা লিখুন।
3. 3
   নিয়ম লিখুন: ৪–৬টা পরিষ্কার নিয়ম ও তার পয়েন্ট ঠিক করুন; নিয়ম যেন সবাই বোঝে।
4. 4
   এক জায়গায় blocklist: সব channel-এর ভুয়া নম্বর একটা তালিকায় আনুন, প্রতিটির সাথে কারণ ও তারিখ লিখুন।
5. 5
   Hold queue বানান: মাঝারি ও বেশি ঝুঁকির order যেন আলাদা তালিকায় যায় এবং order confirmation ছাড়া booking না হয়।
6. 6
   Advance-এর নিয়ম ঠিক করুন: কোন score-এ delivery charge অগ্রিম চাইবেন, আর customer-কে কীভাবে ভদ্রভাবে বলবেন তা লিখুন।
7. 7
   প্রথম মাস শুধু চিহ্নিত করুন: Score দেখান কিন্তু স্বয়ংক্রিয় বাতিল করবেন না; দেখুন নিয়মগুলো আসলে ঠিক order ধরছে কি না।
8. 8
   মাসে একবার নিয়ম ঠিক করুন: ভালো customer ভুল করে hold হচ্ছে কি না, আর fake order ফাঁক গলে যাচ্ছে কি না দেখে পয়েন্ট বদলান।

সাধারণ ভুলগুলো

নিজে বানাবেন না কিনবেন: খরচ কীসের উপর নির্ভর করে

ছোট পরিসরে একটা shared sheet-এ blocklist আর নম্বর দিয়ে খোঁজার অভ্যাস দিয়েই শুরু করা যায়। কিন্তু একাধিক channel ও staff থাকলে order system-এর ভেতরেই এই নিয়ম থাকা দরকার। খরচ যেসব বিষয়ে বাড়ে-কমে:

• নিয়মের জটিলতা: ৩–৪টা সরল নিয়ম বনাম অনেক সংকেত মিলিয়ে weighted score।
• Channel সংখ্যা: শুধু website, নাকি Facebook, ফোন ও marketplace-এর order-ও একই blocklist-এ মেলাতে হবে।
• বাইরের তথ্যের সংযোগ: Courier বা third-party যাচাই সেবার সাথে integration, যদি তারা সেই সুবিধা দেয় ও শর্তে অনুমতি থাকে।
• OTP ও bot সুরক্ষা: OTP-র জন্য SMS খরচ চলমান খরচ হিসেবে যোগ হয়।
• Report ও audit: কোন নিয়ম কত order ধরছে, কত ভুল করছে — সেই report বানানো।

Ready order management software-এ মৌলিক blocklist ও phone history অনেক সময় থাকে; নিয়ম কতটা নিজের মতো বদলানো যায়, সেটা কেনার আগে দেখে নিন।

EOMS কীভাবে সাহায্য করতে পারে

EOMS-এর order management software-এ buyer risk score আছে, যা customer-দের "Good Buyers" ও "High-Risk Buyers"-এ ভাগ করে; একই ঠিকানায় বারবার ব্যর্থ delivery হলে তা স্বয়ংক্রিয়ভাবে flag হয়, customer-ভিত্তিক return rate দেখা যায়, আর flag হওয়া customer-কে ছাড় না দেওয়া পর্যন্ত নতুন order থেকে আটকে রাখা যায়। Duplicate ধরা বা hold queue-এর মতো নির্দিষ্ট নিয়ম আপনার ব্যবসার জন্য কীভাবে সাজানো যায়, EOMS-এর সাথে আলোচনা করে দেখুন। মনে রাখবেন, কোনো system সব fake order শূন্যে নামাতে পারে না — নিয়ম বানানো শুরু করুন নিজের ডেটা দিয়ে।

এখন কী করবেন

এই সপ্তাহে সব channel-এর ভুয়া নম্বর এক তালিকায় আনুন, আর গত মাসের return ও cancelled order থেকে তিনটা সবচেয়ে সাধারণ সংকেত বের করুন। সেই তিনটা নিয়ম দিয়েই শুরু করুন, এক মাস পর ফল দেখে বাড়ান।