> For the complete documentation index, see [llms.txt](https://help.impact.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/protect-your-advocate-program/advocate-fraud-protection-explained.md).

# Advocate-Betrugsschutz erklärt

Betrug ist bei jedem Empfehlungsprogramm ein Risiko. Mit dem Betrugsschutz können Sie Selbstempfehlungen erkennen und den Missbrauch von Prämien reduzieren.

Für Ihr Advocate-Programm steht optional eine automatisierte Betrugsschutzfunktion zur Verfügung, die Sie zusammen mit manuellen Maßnahmen wie [dem Blockieren von E-Mail-Domains](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/protect-your-advocate-program/block-an-email-domain-for-advocate.md) und bestimmten [Teilnehmenden und IP-Adressen](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/protect-your-advocate-program/security-features-for-referral-programs.md) verwenden können, um die Auswirkungen betrügerischen Verhaltens einzudämmen. Beachten Sie jedoch, dass der wirksamste Schutz vor Betrug bei Empfehlungsprogrammen ein [effektives Programmdesign](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/protect-your-advocate-program/design-a-fraud-proof-referral-program.md).

Wenn Sie Shopify verwenden, können Sie den *erweiterten Shopify-Betrugsschutz*aktivieren. Das System führt bei jedem empfohlenen Kauf zusätzliche Prüfungen durch. Es kann mutmaßliche Selbstempfehlungen blockieren, bevor Prämien ausgegeben werden.

Empfehlungen werden nur dann als ausstehend eingestuft, wenn Sie den Betrugsschutz für Ihr Advocate-Konto aktiviert haben und die von Ihnen ausgewählte *Betrugsschutz* Stufe eine manuelle Prüfung zulässt.

1. Wählen Sie in der oberen Navigationsleiste  ![](https://1698965099-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FwMLlMoFBtKJa8ptd3zaw%2Fuploads%2F210dEQa93qyQgoJDkieL%2FUser%20profile.svg?alt=media\&token=f84c5b17-fae4-4a30-990a-9de5e57a150b) **\[Benutzerprofil] → Einstellungen**.
2. Wählen Sie im Abschnitt *Advocate-Einstellungen* die Option **Sicherheit**.
3. Wählen Sie ![](https://1698965099-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FwMLlMoFBtKJa8ptd3zaw%2Fuploads%2FiZjM1xY8o3v1iR3Zaysd%2FToggle.svg?alt=media\&token=b1550d48-bba9-4e81-8604-bc12370c5caa) **\[Toggle on] Automatische Betrugserkennung**.
4. Wählen Sie außerdem ![](https://1698965099-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FwMLlMoFBtKJa8ptd3zaw%2Fuploads%2FiZjM1xY8o3v1iR3Zaysd%2FToggle.svg?alt=media\&token=b1550d48-bba9-4e81-8604-bc12370c5caa) **\[Toggle on] Erweiterter Shopify-Betrugsschutz** für zusätzliche Sicherheitsprüfungen aus, wenn Sie Shopify verwenden.

<details>

<summary>Betrugsbewertung erklärt</summary>

Wenn der Betrugsschutz aktiviert ist, bewertet Advocate alle neuen Empfehlungen und weist ihnen einen Betrugswert zu.

Der Betrugswert reicht von 0 (kein Risiko erkannt) bis 100 (sehr hohes Risiko). Er wird berechnet, indem jede neue Empfehlung mit früheren Empfehlungen verglichen wird, um nach Ähnlichkeiten zu suchen. Anhand des Gesamtwerts einer Empfehlung wird entschieden, ob sie automatisch genehmigt oder abgelehnt beziehungsweise zur manuellen Prüfung als ausstehend eingestuft wird.

Wenn der Betrugsschutz für Ihr *Shopify-Advocate-Programm*aktiviert ist, prüft impact.com die Angaben der empfehlenden Person zu *Name*, *Rechnungs-/Lieferadresse*, und *Kreditkarte* anhand der Informationen der weiterempfehlenden Person, die bei früheren Transaktionen verwendet wurden. Stimmen eines oder mehrere dieser Felder überein, tragen sie alle gleichermaßen zum Gesamtwert bei (jedes Feld hat denselben Einfluss auf den Wert wie der Name der empfehlenden Person). Überschreitet der resultierende Betrugswert den von Ihnen festgelegten Schwellenwert, wird die Transaktion als risikoreich eingestuft und automatisch als erfolglos behandelt.

| Faktor                                                                         | Einfluss auf den Wert | Beispiel für Empfehlungsangaben                                                   |
| ------------------------------------------------------------------------------ | --------------------- | --------------------------------------------------------------------------------- |
| Gleiche E-Mail-Adresse                                                         | Hoch                  | **<robinbanks@example.com>** und **<robinbanks+test@example.com>**                |
| Gleicher Name (nur bei exakter Übereinstimmung)                                | Hoch                  | **Robin Banks** und **Robin Banks**                                               |
| Gleiche IP-Adresse                                                             | Mittel                | **192.158.1.38** und **192.158.1.38**                                             |
| Ähnliche E-Mail-Adresse                                                        | Mittel                | **<robinbanks@example.com>** und **<RBanks@example.com>**                         |
| Ähnlicher Name                                                                 | Mittel                | **ROBIN BANKS** und **Robby Banks**                                               |
| <p>Gleiche Adresse<br><strong>\[Shopify-Nutzer]</strong></p>                   | Hoch                  | **P. Sherman, 42 Wallaby Way, Sydney** und **P. Sherman, 42 Wallaby Way, Sydney** |
| <p>Gleiche Kreditkarteninformationen<br><strong>\[Shopify-Nutzer]</strong></p> | Hoch                  | **5100 1234 5678 9010** und **5100 1234 5678 9010**                               |

</details>

<details>

<summary>Einstellungen zum Betrugsschutz</summary>

Advocate unterstützt drei Stufen des Betrugsschutzes: *Niedrig*, *Mittel*, oder *Streng*. Die ausgewählte Stufe gilt für alle deine Empfehlungsprogramme. Empfehlungen aus älteren Programmen werden nicht bewertet.

Wenn der Betrugsschutz für dein *Shopify-Advocate-Programm*aktiviert ist, vergleicht impact.com den *Namen*, *Rechnungs-/Lieferadresse*, sowie die *Kreditkarten* daten des Advocates mit den Informationen des Empfehlungsgebers aus früheren Transaktionen. Stimmen einige dieser Angaben überein, fließen sie alle gleich stark in den Betrugswert ein. Überschreitet der resultierende Betrugswert den von dir festgelegten Schwellenwert, wird die Transaktion als risikoreich eingestuft und automatisch als nicht erfolgreich behandelt.

**Locker**

Die Einstellung *Niedrig* eignet sich am besten für Marken, die ihr Empfehlungsprogramm vereinfachen und das Risiko verringern möchten, legitime Empfehlungen abzulehnen. Bei dieser Stufe werden mehr Empfehlungen zugelassen, wobei einige Selbstempfehlungen möglich sind.

Bei der Einstellung *Niedrig* werden die meisten Empfehlungen automatisch genehmigt. Wenn eine Empfehlung mit hoher Wahrscheinlichkeit betrügerisch ist, wird sie automatisch abgelehnt.

| Betrugswert | Aktion                |
| ----------- | --------------------- |
| 0 bis 84    | Automatisch genehmigt |
| 85 bis 100  | Automatisch abgelehnt |

**Moderat**

Die Einstellung „Mittel“ eignet sich für Marken, die Kapazitäten haben, ihre Empfehlungen manuell zu prüfen. Diese Stufe bietet einen Mittelweg und ermöglicht die manuelle Prüfung möglicher Selbstempfehlungen, um ein genaueres Empfehlungsprogramm zu gewährleisten.

| Betrugswert | Aktion                                                                                                                                                                                                           |
| ----------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| 0 bis 69    | Automatisch genehmigt                                                                                                                                                                                            |
| 70 bis 84   | [Manuelle Prüfung](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/manage-advocate-participants/referrals-and-events/review-pending-referrals-for-advocate.md) erforderlich |
| 85 bis 100  | Automatisch abgelehnt                                                                                                                                                                                            |

{% hint style="info" %}
**Hinweis:** Wenn du den Betrugsschutz deaktivierst, während sich Empfehlungen noch im Status „Ausstehend“ befinden, bleiben sie ausstehend, bis sie manuell geprüft wurden.
{% endhint %}

**Streng**

Die Einstellung *Streng* wird Marken empfohlen, für die ein Höchstmaß an Sicherheit ihrer Programme Vorrang hat. Bei dieser Stufe können gelegentlich legitime Empfehlungen fälschlicherweise markiert werden, das Risiko von Selbstempfehlungen wird jedoch deutlich verringert.

| Betrugswert | Aktion                |
| ----------- | --------------------- |
| 0 bis 49    | Automatisch genehmigt |
| 50 bis 100  | Automatisch abgelehnt |

</details>

<details>

<summary>Erlebnis der Teilnehmer mit Widgets für sofortigen Zugriff</summary>

Programme, die [Widgets für sofortigen Zugriff](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/manage-advocate-participant-experiences/widget-experiences/widget-types-explained.md) verwenden, gewähren dem geworbenen Freund in der Regel sofort eine Prämie. Wenn der Betrugsschutz aktiviert ist und Advocate einen verdächtigen Werbeversuch erkennt, wird die Empfehlung je nach Betrugsbewertung und Ihren Einstellungen entweder abgelehnt oder in einen ausstehenden Status versetzt. Kundenbotschafter sehen im Widget eine Nachricht, die sie darüber informiert, dass die Empfehlung entweder abgelehnt oder zur manuellen Überprüfung markiert wurde. Für ausstehende Empfehlungen wird keine Prämie ausgegeben, solange Sie die Empfehlung nicht genehmigen.

<div data-with-frame="true"><figure><img src="https://1698965099-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FwMLlMoFBtKJa8ptd3zaw%2Fuploads%2Fgit-blob-84f55c4b6105b7cbc65cbfa1322537a9adb5f1bb%2F4c51869299e992e0efc7ef7040c215ef9682d938a5b1ee6bddd7208be3eba00a.png?alt=media" alt=""><figcaption></figcaption></figure></div>

</details>

#### Weitere Informationen

* [Ein betrugssicheres Empfehlungsprogramm gestalten](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/protect-your-advocate-program/design-a-fraud-proof-referral-program.md)
* [Ausstehende Empfehlungen für Advocate überprüfen](https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/manage-advocate-participants/referrals-and-events/review-pending-referrals-for-advocate.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://help.impact.com/brand/de/what-would-you-like-to-learn-about/advocate-program/protect-your-advocate-program/advocate-fraud-protection-explained.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
