Strivve如何帮助信用卡发行商捕捉丢失的收益并提高可见性

作者：Chris Churilo / 用例，产品，开发者
2021年1月8日

导航至

“我们每个人都会频繁更换信用卡。随着我们拥有的账户数量增加，我们的在线生态系统变得越来越复杂。我们希望简化这个过程，使那些卡片更容易回到文件中，”Strivve（原名Switch, Inc.）市场总监Katherine Chavez说。

Strivve是一家初创公司，旨在通过自动化更新过程来减轻更新信用卡的痛苦。这是Strivve构建帮助发行商立即使用卡片、更新在线支付配置文件和在持卡人代表下激活新卡或更换卡的平台的驱动因素。

然而，管理卡片与网站关系的任务很复杂。为了构建他们的信用卡更新器，Strivve需要为机器学习提供匿名化的网站导航，以实现使用远程过程自动化（RPA）。Strivve选择了InfluxDB Cloud，InfluxDB的托管版本，作为其平台的时序数据库。以下是他们的构建平台的过程。

信用卡更新器解决发行商和持卡人的需求

Strivve旨在解决发行商和持卡人的需求。

  • 持卡人在得到新卡时必须在每个网站上更换卡片——这是一个耗时且痛苦的过程。
  • 发行商和商家在重新发行事件（如欺诈）发生且更换卡片已激活但未使用时，会损失大量收益。发行商的目标不是知道持卡人在哪些网站上使用卡片，而是让他们的卡片在这些网站上。

随着钱包中信用卡数量的增加，在线商家正在存储文件。除了存储信用卡信息的需求外，Strivve还需要存储每个持卡人在所有使用的网站上的登录凭证。

机器学习和远程过程自动化的路径

在他们的旅程早期，Strivve试图收集尽可能多的数据，但很快意识到经典挖掘技术不是正确的方法。他们将庞大的数据量缩小到只有感兴趣的数据

  • 为机器学习提供匿名化的网站导航——这样他们就可以通过远程过程自动化（RPA）帮助他们的用户。
  • 为故障排除提供匿名化的RPA交互错误数据——其中服务提供商可以获得错误快照以帮助解决这些问题。

Strivve最初选择了Elasticsearch，在Linux上搭建了Logstash服务器，并在AWS上创建了一个EC2实例。然而，他们发现从Logstash中获取机器学习和故障排除工件很困难；Logstash无法满足他们的需求进行扩展；而且它不符合他们利用非知识产权托管/云服务的战略模式。

作为一个小型团队，Strivve必须创新并高效地收集数据并从中提取价值。他们决定将精力投入到机器学习和远程流程自动化中。这导致了放弃使用Elasticsearch，并开始寻找替代方案。

为Strivve的信用卡更新器提供托管的时间序列数据库

“我们看到其他一些人在使用InfluxDB，以及他们使用它的规模点。我们能否生成足够的负载来困扰InfluxDB？这远超我们当时使用Logstash所做的事情，”Strivve研发总监Gary Tomlinson说，“我们知道它适合我们所做的事情。”

Strivve选择InfluxDB因为它

  • 专门为时间序列数据构建
  • 可扩展
  • 基于标签的系统
  • 有云版本（InfluxDB Cloud）
  • 被社区广泛采用

Strivve修改了他们的机器学习系统，以从存储在InfluxDB中的基于时间的网站导航事件中获取数据。由于InfluxDB是基于时间的，因此使用InfluxQL查询数据进行机器学习系统中的时间分析变得非常容易。这使得他们能够很好地组织数据，当出现问题时，他们能够在任何指定的时间段内导航记录以确定原因。InfluxData平台非常适合机器学习，因为它可以轻松地将时间序列数据发送到ML解决方案进行训练。然后可以将训练好的模型带回到InfluxDB中，提供实时仪表板并触发适当的流程。

使用一流的安全协议，Strivve的平台CardUpdatr®（以前称为TopWallet），也以CardSavr® API的形式提供，发现卡片用于支付的位置，导航到登录页面，并为每个用户代表添加新的或更新的支付卡。这种独特功能是通过将匿名化的众包网站工件流式传输到InfluxDB进行学习、分析和支持来实现的。

Strivve平台<figcaption>Strivve平台可以轻松集成到任何在线环境中。</figcaption>

使用InfluxDB Cloud和机器学习的平台架构

早期，Strivve意识到，如果他们匿名化他们的数据，他们可以众包网站工件并了解他们有商业关系的访问过的网站。运行在虚拟或真实浏览器中的远程流程自动化，代表最终用户与商家网站交互。因此，他们可以登录，模仿用户，导航表单，更新账单信息和卡片信息，并更换卡片。

InfluxDB Cloud Strivve平台的服务架构<figcaption>Strivve平台的服务架构</figcaption>

Strivve利用机器学习自动化了成千上万个最流行的网站上的常见任务。他们修改了他们的机器学习系统，以获取网站导航事件。由于InfluxDB基于时间序列，这使得该摄入过程易于设置和实施。

Strivve的自动化技术允许发行商捕获新发行卡片的损失收入，同时增强持卡人的便利性和安全性。通过选择InfluxDB Cloud，Strivve成功构建了他们突破性的信用卡更新服务。了解更多关于这个机器学习用例，部署InfluxDB Cloud。