Inside the Xpeer-Scoring-Engine: Performance, Genauigkeit und warum wir keine Black-Box-Modelle trainieren

Jeder E-Commerce-Checkout ist eine Entscheidung: jetzt versenden, Vorkasse verlangen oder die Bestellung stoppen. Xpeer trifft diese Entscheidung in Millisekunden. Dabei setzt Xpeer nicht auf ein Black-Box-Modell. Der Score entsteht aus erklärbaren Regeln und Datenmustern, die der Händler nachvollziehen kann.

Dieser Beitrag erklärt, wie die Xpeer-Risiko-Engine funktioniert, warum sie präzise bleibt und warum sie transparent und nicht in einem trainierten Modell verborgen ist.

Die Scoring-Pipeline auf einen Blick

Innerhalb weniger Millisekunden führt die Engine folgende Schritte aus:

1. Normalisierung der Eingabe — E-Mail, Adresse, Telefonnummer und Name werden in eine kanonische Form gebracht.
2. Abgleich der Anfrage mit dem Xpeer-Profilnetzwerk über intelligente Signale.
3. Abfrage der Karma-Historie des Kunden.
4. Analyse des aktuellen Warenkorbs auf Bracketing und artikelbezogenes Retourenrisiko.
5. Rückgabe eines risk_level von LOW, MEDIUM oder HIGH plus risk_factors.

Jeder Schritt ist deterministisch. Dieselbe Eingabe führt immer zum selben Ergebnis — prüfbar und konfigurierbar.

Identitätsmatching ohne exakte Identität

Echte Daten sind unordentlich. Ein Kunde kauft heute mit Klaus.Meier@bluewin.ch, nächsten Monat mit klaus.meier@me.com und lässt einmal an die Dorfstrasse 42 und einmal an die Dorfstr. 42 liefern. Xpeer benötigt keine exakte Übereinstimmung, um ein Profil zu erkennen.

Der Matching-Service kombiniert mehrere Signale: E-Mail, Lieferadresse, Telefonnummer, Name und Unternehmenskennungen. Intelligente Logik erfasst Tippfehler, Abkürzungen und unterschiedliche Formate. Das Ergebnis ist ein Konfidenzwert, der dem Händler anzeigt, wie verlässlich die Daten auf einen bekannten Kunden hinweisen.

So findet Xpeer Kunden auch nach Umzug, E-Mail-Wechsel oder neuer Telefonnummer.

Karma: ein Reputationsscore nach Ampel-Prinzip

Karma ist das Herzstück der kundenbasierten Risikobewertung. Es ist keine einfache Retourenquote, sondern ein Reputationsscore, der sich wie eine Ampel verhält: grün für vertrauenswürdig, orange für gemischte Signale, rot für Muster, die typischerweise zu Retouren führen.

Positive Signale

• Bestellungen ohne Retouren stärken Karma.
• Wiederholte Serien retourenfreier Bestellungen stärken es zusätzlich.

Negative Signale

• Bracketing-Retouren — mehrere Varianten oder Grössen desselben Artikels zum Testen bestellen — schwächen Karma.
• Hochretournierende Muster bei Artikeln, die normalerweise behalten werden, schwächen Karma.
• Mehrere Retouren derselben Bestellung oder wiederholte schlechte Kaufserien schwächen es.

Der finale Karma-Score ist ein Nettowert: positiv bedeutet, der Kunde ist in guter Verfassung, negativ bedeutet, dass kumuliertes Retourenverhalten die positiven Signale überwiegt. Da der Score mit der Bestellanzahl wächst, wird er immer zusammen mit total_orders, karma_return_rate und karma_trust gelesen.

Von Karma zur Rot-Orange-Grün-Ampel

Die Engine verknüpft Karma mit einer für den Händler konfigurierbaren Menge von Schwellen. Die Standardwerte unterscheiden zwischen gelegentlichen und strukturellen Retouren, aber der Händler kann sie je nach Marge und Retourenrichtlinie anpassen.

Drei kombinierte Signale entscheiden über das finale Label: die Richtung von Karma, die Gesamtretourenquote und der Anteil an Bracketing-Retouren. Das Ergebnis ist eines von drei Lichtsignalen: LOW (grün), MEDIUM (orange) oder HIGH (rot).

Warenkorb-Risiko: der aktuelle Einkauf zählt

Die Kundenhistorie ist stark, aber der Warenkorb selbst ist ebenfalls ein Prädiktor. Die Basket-Analyse betrachtet jedes Produkt im Kontext des gesamten Warenkorbs:

• Shop-Historie: wie oft dieses Produkt im Shop des Händlers retourniert wurde.
• Kategorienmuster: einige Kategorien haben ein höheres Try-at-Home-Risiko als andere.
• Bracketing-Signale: mehrere Varianten oder Mengen desselben Produkts erhöhen das Risiko.

Diese Faktoren werden zu einem Gesamtrisiko des Warenkorbs zusammengefasst. Wenn mehrere unabhängige riskante Artikel im selben Warenkorb auftreten, verstärkt sich das Gesamtrisiko. Das finale Label ist LOW, MEDIUM oder HIGH.

Genauigkeit durch Kalibrierung und Tests

Xpeer wird nicht wie ein herkömmliches Modell auf Transaktionslabeln trainiert. Stattdessen wird das System anhand von Händlerfeedback und beobachteten Retourendaten kalibriert. Die einstellbaren Parameter umfassen Karma-Gewichtungen, Schwellen für Retourenverhalten und Bracketing sowie Kategorie-Risikomultiplikatoren.

Jeder Parameter lässt sich analysieren und anpassen, ohne ein Modell neu trainieren zu müssen. Die Genauigkeit entsteht aus klarer, testbarer Logik statt aus einem undurchsichtigen Score.

Ein Modehändler sieht beispielsweise, dass hohe Try-at-Home-Raten in Kategorie-Risikomultiplikatoren abgebildet werden. Der Händler kann sehen, warum ein Warenkorb riskant ist, und die Schwellen für sein eigenes Sortiment anpassen.

Warum das für Händler zählt

Ein komplexes Modell kann eine Wahrscheinlichkeit liefern, aber nicht immer erklären, warum. Im Checkout-Risiko ist das „Warum" aber mindestens so wichtig wie das „Was":

• Erklärbarkeit — jeder risk_factors-Eintrag ist menschlich lesbar.
• Konfigurierbarkeit — Schwellen sind pro Shop einstellbar.
• Prüfbarkeit — dieselbe Eingabe liefert immer dasselbe Ergebnis.
• Datenschutz — erweitertes Scoring läuft nur bei Kundeneinwilligung.

Xpeer ist darauf ausgelegt, schnell, erklärbar und präzise zu sein — ein Risikotool, das Entscheidungen trifft, die Händler nachvollziehen können.

Fazit

Xpeers Risk Engine vereint vier Ideen: deterministisches Karma-Scoring, unscharfe Identitätsauflösung, warenkorb-basiertes Produktrisiko und Performance, die unter realer Last getestet ist. Die Genauigkeit entsteht daraus, wie diese Regeln kalibriert und getestet werden, nicht aus einem verborgenen Modell, das auf Transaktionslabeln trainiert wurde. Für einen Händler, der am Checkout in Millisekunden entscheiden muss, ist das der Punkt: Risikobewertung soll schnell, transparent und korrekt sein.