21 Januari 2026
Organisasi dan penyedia layanan verifikasi identitas berlomba-lomba untuk menciptakan alur kerja onboarding yang intuitif yang memenuhi tuntutan konsumen modern, mencegah penipuan, dan mematuhi peraturan KYC/AML. Mengingat bahwa 50% pengguna meninggalkan proses onboarding, terdapat peluang jelas bagi organisasi untuk mengoptimalkan tahap ini dalam siklus hidup identitas.
Di sektor yang kompetitif seperti layanan keuangan, pengalaman pengguna yang premium dapat menjadi pembeda utama. Mengoptimalkan alur onboarding dapat secara signifikan meningkatkan tingkat konversi, yang secara langsung meningkatkan return on investment dari upaya akuisisi pelanggan.
Verifikasi wajah biometrik dengan deteksi keaslian, teknologi yang memastikan apakah pengguna adalah orang yang sebenarnya, menjadi inti dari proses onboarding jarak jauh. Jika Anda dapat meningkatkan kinerja verifikasi wajah (diukur dalam tingkat keberhasilan pertama, tingkat keberhasilan, dan jumlah upaya untuk lulus), Anda dapat meningkatkan tingkat konversi dari seluruh alur kerja.
Integrasi dan implementasi
Apakah teknologi tersebut diimplementasikan melalui SDK atau API dapat memengaruhi pengalaman pengguna. API biasanya memiliki biaya rendah dan bebas dari ketergantungan pada vendor, tetapi hanya menyediakan analisis kecocokan dan keaslian. Anda harus membangun proses penangkapan dan mengirimkan gambar ke vendor. Namun, membangun proses penangkapan yang efektif memerlukan data pelatihan yang luas untuk memahami jenis gambar mana yang paling efektif untuk analisis.
Vendor yang mengimplementasikan melalui SDK menyediakan alur kerja biometrik lengkap, termasuk proses pengambilan data, umpan balik pengguna, dan fitur seperti izin kamera otomatis. Keuntungan dari pendekatan ini adalah vendor akan memiliki pemahaman mendalam tentang citra yang diperlukan untuk analisis, sehingga mereka dapat meningkatkan kinerja dengan mengoptimalkan komponen pengambilan data dan analisis secara bersamaan.
Alih-alih hanya menyediakan SDK, penyedia layanan sebaiknya menyesuaikan integrasi dengan tujuan spesifik Anda, wilayah, dan stack teknologi yang digunakan. Pengujian, pelatihan teknis, dan praktik terbaik arsitektur sangat penting untuk memastikan kinerja optimal sejak awal.
Kecepatan
Integrasi juga dapat memengaruhi waktu yang dibutuhkan pengguna untuk menyelesaikan transaksi. Fitur seperti izin kamera otomatis dapat sudah terintegrasi dalam SDK. Dengan teknologi yang diimplementasikan melalui API, Anda harus membuat fungsi ini sendiri. Sebagai alternatif, pengguna harus mengaktifkan izin secara manual di pengaturan sistem mereka, yang dapat memperpanjang waktu transaksi.
Penyedia layanan dapat mengoptimalkan elemen-elemen lain dalam alur kerja biometrik untuk meningkatkan kecepatan:
- Penyesuaian dan umpan balik pengguna: Umpan balik langsung dari pengguna membantu pengguna memperbaiki perilaku dan kondisi lingkungan mereka saat menyelaraskan wajah. Umpan balik harus spesifik: sistem harus mendiagnosis masalah dan memberikan panduan yang spesifik dan dapat ditindaklanjuti. Misalnya, jika pengguna tidak memiliki pencahayaan yang cukup, antarmuka harus meminta mereka untuk “pindah ke lokasi yang lebih terang”. Prompt generik, seperti “pindah lebih dekat”, saat jarak bukanlah masalahnya, akan membuat pengguna frustrasi, sedikit membantu mempercepat proses pengambilan gambar, dan menyebabkan pengguna meninggalkan proses.
- Waktu hingga hasil: Ini adalah waktu yang dibutuhkan untuk menghasilkan keputusan lulus/gagal yang akurat. Pemasok dapat mengoptimalkan elemen seperti resolusi gambar yang diambil dan penggunaan cloud untuk meningkatkan kecepatan di berbagai lokasi dan koneksi jaringan.
- Alasan kegagalan: Waktu transaksi secara tidak terhindarkan akan meningkat jika pengguna memerlukan beberapa upaya untuk berhasil. Alasan kegagalan ini membantu pengguna berhasil pada upaya berikutnya. Sekali lagi, hal ini harus spesifik sesuai dengan perilaku dan lingkungan pengguna. Jika pengguna gagal karena adanya orang di latar belakang, pesan harus mencerminkan hal tersebut. Sebaliknya, mencantumkan alasan kegagalan yang tidak relevan atau tidak mencantumkan sama sekali dapat menyebabkan siklus kegagalan, waktu transaksi yang lebih lama, dan penurunan tingkat keberhasilan.
Beban kognitif
Beban kognitif adalah jumlah sumber daya mental yang diperlukan untuk mengoperasikan antarmuka pengguna. Manusia memiliki daya pemrosesan yang terbatas, dan ketika dihadapkan pada informasi atau instruksi yang berlebihan, mereka melewatkan detail penting atau meninggalkan tugas.
Beban kognitif memengaruhi beberapa tahap dalam proses verifikasi wajah:
- Petunjuk: Sebelum proses penangkapan, petunjuk menetapkan ekspektasi dan menunjukkan perilaku yang benar untuk membantu pengguna berhasil pada percobaan pertama. Daftar teks yang panjang melebihi tiga poin seringkali tidak dibaca, meningkatkan risiko kegagalan pengguna. Ikonografi, animasi, dan GIF mengurangi beban kognitif dan memberikan kejelasan terlepas dari perbedaan bahasa.
Petunjuk pengguna berbasis visual mengurangi beban kognitif, menghilangkan ambiguitas,
dan dapat meningkatkan tingkat kelulusan.
- Tanggapan tantangan: Sebuah Tanggapan tantangan dapat meningkatkan keamanan dan memberikan perlindungan tambahan terhadap serangan replay dan injeksi. Respons tantangan aktif memberikan pengguna tugas untuk diselesaikan, seperti memutar kepala. Tindakan, bahkan yang sederhana, menambah beban kognitif dan berisiko membuat pengguna kewalahan hingga memutuskan untuk meninggalkan proses. Respons tantangan pasif, seperti teknologi Flashmark™ iProov, dapat memproyeksikan urutan warna ke wajah pengguna dan menganalisis pantulannya untuk membantu memastikan apakah pengguna benar-benar hadir. Pengalaman ini bebas dari tantangan pengguna, meminimalkan beban kognitif, dan meningkatkan tingkat keberhasilan.
Aksesibilitas
Pedoman Aksesibilitas Konten Web menyatakan bahwa proses autentikasi harus bebas dari 'tes fungsi kognitif' untuk mencapai kepatuhan, secara efektif mengesampingkan tantangan aktif. Penelitian menunjukkan bahwa tugas fisik menjadi jauh lebih sulit bagi orang dengan keterbatasan ketika dikombinasikan dengan beban kognitif. Misalnya, pengguna dengan masalah mobilitas akan kesulitan memutar kepala ke satu arah dan kemudian memproses instruksi selanjutnya untuk memutar ke arah lain.
Respons tantangan pasif tidak menimbulkan beban tambahan, karena pengguna hanya perlu menempatkan wajah mereka di dalam oval yang ditampilkan di layar.
| Tanggapan tantangan aktif : Teknologi ini meminta pengguna untuk menggerakkan kepala ke arah yang berbeda-beda. |
Tanggapan Tantangan Pasif iProov: Urutan acak warna diproyeksikan ke wajah pengguna |
Aksesibilitas tidak hanya bergantung pada kemampuan pengguna, tetapi juga pada perangkat yang mereka gunakan, lokasi, dan status sosial-ekonomi mereka. Solusi yang dirancang untuk iPhone terbaru tidak berguna bagi organisasi yang memiliki basis pengguna yang besar dan beragam. Organisasi memerlukan teknologi yang dapat memberikan kinerja yang sama di berbagai jenis perangkat, ukuran layar, kecepatan pemrosesan, kualitas kamera, dan metode input (sentuh, mouse, keyboard, dan suara).
Optimasi aksesibilitas bukanlah hal yang sekadar diinginkan, melainkan suatu keharusan bisnis. 16% populasi global memiliki disabilitas, yang merupakan bagian yang signifikan dari pasar yang dapat dijangkau oleh suatu bisnis. Mengabaikan pengguna ini berarti kehilangan peluang.
Prinsip desain universal menyatakan bahwa produk yang dirancang untuk orang dengan disabilitas memberikan manfaat semua pengguna. Logikanya adalah bahwa orang tanpa disabilitas tidak selalu berada dalam kondisi ideal. Misalnya, meskipun banyak pengguna dapat menanggapi tantangan yang mengharuskan mereka membaca nama dan angka secara lantang, mereka mungkin lebih memilih tidak melakukannya di ruang publik. Teknologi biometrik yang terakreditasi sesuai standar aksesibilitas, seperti WCAG 2.2 AA, dapat meningkatkan tingkat keberhasilan bagi semua orang.
Mitigasi bias
Sistem biometrik bersifat bias jika memberikan tingkat keberhasilan yang lebih tinggi untuk kelompok demografis tertentu dibandingkan dengan yang lain. Bias dapat muncul dan dapat diatasi pada berbagai tahap desain biometrik:
- Data pelatihan: Algoritma yang dibangun berdasarkan dataset yang tidak seimbang akan berkinerja lebih buruk untuk kelompok yang kurang terwakili. Penyedia layanan biometrik sebaiknya menggunakan data pelatihan yang seimbang berdasarkan usia, jenis kelamin, warna kulit, dan jenis wajah.
- Pemantauan berkelanjutan: Pemasok Anda harus melakukan pengujian bias secara teratur untuk memastikan bahwa pembaruan ancaman atau komponen baru tidak memperkenalkan bias baru.
- Pengujian perangkat: Kebiasaan tidak hanya berasal dari karakteristik demografis. Vendor biometrik juga harus melakukan pengujian untuk memastikan kinerja yang setara di seluruh kualitas perangkat dan kamera.
