5 häufige Herausforderungen hinsichtlich Benutzererfahrung und Leistung bei der Gesichtserkennung von Kunden (und wie man sie löst)

Organisationen und Anbieter von Identitätsprüfungsdiensten konkurrieren miteinander, um intuitive Onboarding-Workflows zu entwickeln, die den Anforderungen moderner Verbraucher gerecht werden, Betrug verhindern und die KYC/AML-Vorschriften einhalten. Angesichts der Tatsache, dass 50 % der Nutzer den Onboarding-Prozess abbrechen, besteht für Unternehmen eine klare Chance, diese Phase des Identitätslebenszyklus zu optimieren.

In wettbewerbsintensiven Branchen wie dem Finanzdienstleistungssektor kann eine erstklassige Benutzererfahrung ein entscheidendes Unterscheidungsmerkmal sein. Die Optimierung der Onboarding-Abläufe kann die Konversionsraten erheblich steigern und so die Kapitalrendite aus Kundenakquisitionsmaßnahmen direkt verbessern.

Die biometrische Gesichtsverifizierung mit Lebendigkeitserkennung, also die Technologie, die bestätigt, ob der Benutzer echt ist, bildet das Herzstück des Remote-Onboardings. Wenn Sie die Leistung der Gesichtsverifizierung verbessern können (gemessen an der Erstdurchlaufquote, Passrateund Versuchen, die Überprüfung zu bestehen), können Sie die Konversionsrate des gesamten Workflows verbessern.

1. Integration und Bereitstellung

Ob die Technologie über ein SDK oder eine API bereitgestellt wird, kann sich auf die Benutzererfahrung auswirken. APIs sind in der Regel kostengünstig und unabhängig von bestimmten Anbietern, bieten jedoch nur Abgleich- und Lebendigkeitsanalysen. Sie müssen den Erfassungsprozess aufbauen und die Bilder an den Anbieter senden. Der Aufbau eines effektiven Erfassungsprozesses erfordert jedoch umfangreiche Trainingsdaten, um zu verstehen, welche Bilder für die Analyse am besten geeignet sind.

Anbieter, die über SDKs bereitstellen, liefern den vollständigen biometrischen Workflow, einschließlich Erfassung, Benutzer-Feedback und Funktionen wie automatisierten Kamera-Berechtigungen. Der Vorteil dieses Ansatzes besteht darin, dass der Anbieter ein tiefgreifendes Verständnis der für die Analyse erforderlichen Bilder hat, sodass er die Leistung durch die gemeinsame Optimierung der Erfassungs- und Analysekomponenten verbessern kann.

Anstatt lediglich ein SDK bereitzustellen, sollte der Anbieter die Integration an Ihre spezifischen Ziele, Ihre Region und Ihren Tech-Stack anpassen. Tests, technische Schulungen und bewährte Verfahren im Bereich Architektur sind unerlässlich, um von Anfang an eine optimale Leistung zu gewährleisten.

2. Geschwindigkeit

Die Integration kann sich auch auf die Zeit auswirken, die Benutzer für den Abschluss der Transaktion benötigen. Funktionen wie automatisierte Kameraberechtigungen können in ein SDK integriert sein. Bei API-basierten Technologien müssen Sie diese Funktionalität selbst erstellen. Alternativ muss der Benutzer die Berechtigungen manuell in seinen Systemeinstellungen aktivieren, was die Transaktionszeit verlängert.

Anbieter können weitere Elemente des biometrischen Workflows hinsichtlich der Geschwindigkeit optimieren:

• Ausrichtung und Benutzer-Feedback: Live-Benutzerfeedback hilft Benutzern, ihr Verhalten und ihre Umgebungsbedingungen beim Ausrichten ihres Gesichts zu korrigieren. Das Feedback muss zielgerichtet sein: Das System sollte das Problem diagnostizieren und spezifische, umsetzbare Anweisungen geben. Wenn der Benutzer beispielsweise nicht über ausreichende Beleuchtung verfügt, sollte die Benutzeroberfläche ihn auffordern, „sich an einen helleren Ort zu begeben”. Allgemeine Aufforderungen wie „näher herankommen“, wenn die Entfernung kein Problem darstellt, frustrieren den Benutzer, tragen kaum zur Beschleunigung der Erfassung bei und führen zu Abbruchraten.
• Zeit bis zum Ergebnis: Dies ist die Zeit, die benötigt wird, um eine genaue Pass/Fail-Entscheidung zu treffen. Anbieter können Elemente wie die Auflösung der aufgenommenen Bilder und die Cloud-Nutzung optimieren, um die Geschwindigkeit an verschiedenen Standorten und über Netzwerkverbindungen zu verbessern.
• Grund für das Scheitern: Die Transaktionszeit verlängert sich zwangsläufig, wenn der Benutzer mehrere Versuche benötigt, um erfolgreich zu sein. Der Grund für das Scheitern hilft Benutzern, beim nächsten Mal erfolgreich zu sein. Auch dies muss spezifisch auf das Verhalten und die Umgebung des Benutzers zugeschnitten sein. Wenn der Benutzer aufgrund von Personen im Hintergrund scheitert, sollte die Meldung dies widerspiegeln. Umgekehrt kann die Auflistung irrelevanter oder gar keiner Gründe für das Scheitern zu einem Scheiternzyklus, längeren Transaktionszeiten und Abbrüchen führen.

3. Kognitive Belastung

Die kognitive Belastung ist die Menge an mentalen Ressourcen, die für die Bedienung einer Benutzeroberfläche erforderlich ist. Menschen haben eine begrenzte Verarbeitungskapazität, und wenn sie mit zu vielen Informationen oder Anweisungen konfrontiert werden, übersehen sie wichtige Details oder brechen Aufgaben ab.

Die kognitive Belastung wirkt sich auf mehrere Phasen des Gesichtsverifizierungsprozesses aus:

• Anweisungen: Vor dem Erfassungsprozess angezeigt, legen Anweisungen Erwartungen fest und zeigen das richtige Verhalten, damit Benutzer den ersten Versuch bestehen. Textlastige Listen mit mehr als drei Punkten werden oft nicht gelesen, was das Risiko erhöht, dass der Benutzer scheitert. Ikonografie, Animationen und GIFs reduzieren die kognitive Belastung und sorgen unabhängig von Sprachunterschieden für Klarheit.
  
  ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎‎ ‎ ‎ ‎ ‎

Visuelle Benutzeranweisungen reduzieren die kognitive Belastung, beseitigen Unklarheiten,
und können die Erfolgsquote verbessern.

• Antworten auf Herausforderungen: Eine Challenge-Response kann die Sicherheit erhöhen und einen zusätzlichen Schutz vor Replay- und Injection-Angriffen bieten. Aktive Challenge-Antworten geben dem Benutzer eine Aufgabe, die er ausführen muss, z. B. eine Kopfdrehung. Selbst einfache Aktionen erhöhen die kognitive Belastung und bergen das Risiko, dass Benutzer überfordert sind und die Aufgabe abbrechen. Passive Challenge-Antworten, wie die die Flashmark™-Technologie von iProov, kann eine Folge von Farben auf das Gesicht des Benutzers projizieren und die Reflexion analysieren, um zu bestätigen, ob der Benutzer tatsächlich anwesend ist. Diese Erfahrung ist frei von Herausforderungen für den Benutzer, minimiert die kognitive Belastung und verbessert die Erfolgsquote.
  

4. Barrierefreiheit

Die Web Content Accessibility Guidelines legen fest, dass Authentifizierungsprozesse frei von „kognitiven Funktionstests” sein sollten, um Konformität zu erreichen, wodurch aktive Herausforderungen effektiv ausgeschlossen werden. Untersuchungen zeigen, dass physische Aufgaben für Menschen mit Behinderungen erheblich erschwert werden, wenn sie mit kognitiver Belastung einhergehen. Beispielsweise wird es für einen Benutzer mit Mobilitätsproblemen schwierig sein, den Kopf in eine Richtung zu drehen und dann weitere Anweisungen zu verarbeiten, um ihn in die andere Richtung zu drehen.

Passive Herausforderungsantworten verursachen keine solche Belastung, da der Benutzer lediglich sein Gesicht in das Oval auf dem Bildschirm positionieren muss.

‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎‎ ‎ ‎ ‎

Eine aktive Herausforderung: Die Technologie fordert den Benutzer auf, seinen Kopf in verschiedene Richtungen zu bewegen.

Die passive Challenge-Response von iProov: Eine zufällige Abfolge von Farben wird auf das Gesicht des Benutzers projiziert.

Barrierefreiheit geht über die Fähigkeiten des Benutzers hinaus und umfasst auch dessen Gerät, Standort und sozioökonomischen Status. Eine Lösung, die für das neueste iPhone entwickelt wurde, ist für ein Unternehmen mit einer großen und vielfältigen Benutzerbasis nutzlos. Unternehmen benötigen Technologien, die über alle Gerätetypen, Bildschirmgrößen, Verarbeitungsgeschwindigkeiten, Kameraqualitäten und Eingabemethoden (Touch, Maus, Tastatur und Sprache) hinweg die gleiche Leistung bieten.

Die Optimierung der Barrierefreiheit ist kein Luxus, sondern eine geschäftliche Notwendigkeit. 16 % der Weltbevölkerung haben eine Behinderungund machen damit einen beträchtlichen Teil des gesamten adressierbaren Marktes eines Unternehmens aus. Diese Nutzer auszuschließen, ist mit Opportunitätskosten verbunden.

Die Prinzipien des universellen Designs besagen , dass Produkte, die für Menschen mit Behinderungen entwickelt wurden, allen Nutzern zugute kommen. Die Logik dahinter ist, dass Menschen ohne Behinderung nicht immer unter perfekten Bedingungen handeln. Beispielsweise können viele Nutzer zwar auf Herausforderungen reagieren, bei denen sie ihren Namen und Zahlen laut vorlesen müssen, ziehen es jedoch möglicherweise vor, dies in öffentlichen Räumen nicht zu tun. Biometrische Technologien, die zugänglichkeitsstandards wie WCAG 2.2 AA, können die Erfolgsquote für alle verbessern.

5. Verringerung von Verzerrungen

Biometrische Systeme sind voreingenommen, wenn sie für bestimmte Bevölkerungsgruppen höhere Passraten liefern als für andere. Voreingenommenheit kann in mehreren Phasen der biometrischen Konzeption auftreten und gemildert werden:

• Trainingsdaten: Algorithmen, die auf unausgewogenen Datensätzen basieren, erzielen bei unterrepräsentierten Gruppen schlechtere Ergebnisse. Anbieter von Biometrielösungen sollten Trainingsdaten verwenden, die hinsichtlich Alter, Geschlecht, Hautfarbe und Gesichtstyp ausgewogen sind.

• Kontinuierliche Überwachung: Ihr Anbieter sollte regelmäßig Bias-Tests durchführen, um sicherzustellen, dass durch Bedrohungsaktualisierungen oder neue Komponenten keine neuen Verzerrungen entstanden sind.

• Gerätetests: Voreingenommenheit entsteht nicht nur durch demografische Merkmale. Anbieter biometrischer Daten sollten auch Tests durchführen, um eine gleichbleibende Leistung über alle Geräte und Kameraqualitäten hinweg sicherzustellen.

Möchten Sie Ihre Erfolgsquote steigern? Lesen Sie unseren Leitfaden für Produktmanager zur Optimierung der Benutzererfahrung und Leistung bei der Gesichtsverifizierung.