5 Thách thức thường gặp về trải nghiệm người dùng và hiệu năng khi xác minh khuôn mặt khách hàng (và cách giải quyết)

Các tổ chức và nhà cung cấp dịch vụ xác minh danh tính đang cạnh tranh để tạo ra quy trình đăng ký trực quan, đáp ứng nhu cầu của người tiêu dùng hiện đại, ngăn ngừa gian lận và tuân thủ các quy định KYC/AML. Với việc 50% người dùng bỏ dở quá trình đăng ký , rõ ràng đây là cơ hội để các tổ chức tối ưu hóa giai đoạn này trong vòng đời xác thực danh tính.

Trong các lĩnh vực cạnh tranh như dịch vụ tài chính, trải nghiệm người dùng cao cấp có thể là yếu tố khác biệt quan trọng. Tối ưu hóa quy trình đăng ký có thể làm tăng đáng kể tỷ lệ chuyển đổi, trực tiếp cải thiện lợi tức đầu tư từ các nỗ lực thu hút khách hàng.

Xác thực khuôn mặt sinh trắc học với tính năng phát hiện sự sống, công nghệ xác nhận người dùng có phải là người thật hay không, là cốt lõi của quy trình tuyển dụng từ xa. Nếu bạn có thể cải thiện hiệu suất xác thực khuôn mặt (được đo bằng tỷ lệ thành công lần đầu , tỷ lệ thành công và số lần thử) , bạn có thể cải thiện tỷ lệ chuyển đổi của toàn bộ quy trình.

Tích hợp và triển khai

Việc công nghệ được triển khai thông qua SDK hay API có thể ảnh hưởng đến trải nghiệm người dùng. API thường có chi phí thấp và không bị phụ thuộc vào nhà cung cấp, nhưng chúng chỉ cung cấp chức năng đối sánh và phân tích tính sống động. Bạn phải tự xây dựng quy trình thu thập và gửi hình ảnh cho nhà cung cấp. Tuy nhiên, việc xây dựng một quy trình thu thập hiệu quả đòi hỏi dữ liệu huấn luyện phong phú để hiểu loại hình ảnh nào phù hợp nhất cho việc phân tích.

Các nhà cung cấp triển khai thông qua SDK cung cấp toàn bộ quy trình sinh trắc học, bao gồm thu thập dữ liệu, phản hồi của người dùng và các tính năng như tự động cấp quyền truy cập camera. Lợi ích của phương pháp này là nhà cung cấp sẽ hiểu sâu sắc về hình ảnh cần thiết cho việc phân tích, ​​có nghĩa là họ có thể cải thiện hiệu suất bằng cách tối ưu hóa các thành phần thu thập và phân tích cùng nhau.

Thay vì chỉ đơn thuần cung cấp bộ công cụ phát triển phần mềm (SDK), nhà cung cấp nên điều chỉnh quá trình tích hợp cho phù hợp với mục tiêu, khu vực và nền tảng công nghệ cụ thể của bạn. Việc kiểm thử, đào tạo kỹ thuật và áp dụng các thực tiễn kiến ​​trúc tốt nhất là rất quan trọng để đảm bảo hiệu suất tối ưu ngay từ đầu.

Tốc độ

Việc tích hợp cũng có thể ảnh hưởng đến thời gian người dùng hoàn tất giao dịch. Các tính năng như cấp quyền truy cập camera tự động có thể được tích hợp sẵn trong SDK. Với các công nghệ được triển khai thông qua API, bạn phải tự tạo chức năng này. Hoặc, người dùng phải tự bật quyền trong cài đặt hệ thống của họ, làm tăng thời gian giao dịch.

Các nhà cung cấp có thể tối ưu hóa thêm các yếu tố của quy trình sinh trắc học để tăng tốc độ:

• Sự phù hợp và phản hồi của người dùng: Phản hồi trực tiếp từ người dùng giúp họ điều chỉnh hành vi và điều kiện môi trường khi căn chỉnh khuôn mặt. Phản hồi cần phải cụ thể: hệ thống nên chẩn đoán vấn đề và cung cấp hướng dẫn cụ thể, có thể thực hiện được. Ví dụ, nếu người dùng không có đủ ánh sáng, giao diện nên nhắc họ "di chuyển đến vị trí sáng hơn". Các lời nhắc chung chung, như "di chuyển lại gần hơn", khi khoảng cách không phải là vấn đề, sẽ gây khó chịu cho người dùng, không giúp đẩy nhanh quá trình chụp ảnh và dẫn đến việc người dùng bỏ ngang.

• Thời gian đạt kết quả: Đây là khoảng thời gian cần thiết để đưa ra quyết định đạt/không đạt chính xác. Các nhà cung cấp có thể tối ưu hóa các yếu tố như độ phân giải của hình ảnh thu được và việc sử dụng điện toán đám mây để cải thiện tốc độ trên các địa điểm và kết nối mạng khác nhau.

• Lý do thất bại: Thời gian giao dịch chắc chắn sẽ tăng lên nếu người dùng cần nhiều lần thử mới thành công. Lý do thất bại giúp người dùng thành công trong lần tiếp theo. Một lần nữa, điều này phải phù hợp với hành vi và môi trường của người dùng. Nếu người dùng thất bại do các tác nhân ngầm, thông báo cần phản ánh điều này. Ngược lại, việc liệt kê các lý do thất bại không liên quan hoặc không liệt kê lý do nào có thể dẫn đến vòng lặp thất bại, thời gian giao dịch kéo dài hơn và tỷ lệ người dùng bỏ cuộc cao hơn.

Gánh nặng nhận thức

Tải trọng nhận thức là lượng tài nguyên tinh thần cần thiết để vận hành giao diện người dùng. Con người có khả năng xử lý thông tin hạn chế , và khi đối mặt với lượng thông tin hoặc hướng dẫn quá tải, họ sẽ bỏ sót những chi tiết quan trọng hoặc bỏ dở công việc.

Gánh nặng nhận thức ảnh hưởng đến nhiều giai đoạn của quá trình xác thực khuôn mặt:

• Hướng dẫn: Hướng dẫn được hiển thị trước quá trình thu thập thông tin sẽ thiết lập kỳ vọng và minh họa hành vi đúng để giúp người dùng vượt qua lần đầu tiên. Danh sách nhiều chữ, vượt quá ba điểm, thường không được đọc, làm tăng nguy cơ người dùng thất bại. Biểu tượng, hình ảnh động và ảnh GIF giúp giảm tải nhận thức và mang lại sự rõ ràng bất kể sự khác biệt về ngôn ngữ.
  
  ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎‎ ‎ ‎ ‎ ‎

Hướng dẫn người dùng dựa trên hình ảnh giúp giảm tải nhận thức, loại bỏ sự mơ hồ.
và có thể cải thiện tỷ lệ đỗ

• Phản hồi thử thách: Phản hồi thử thách có thể tăng cường bảo mật và cung cấp thêm khả năng phòng vệ chống lại các cuộc tấn công phát lại và tấn công chèn mã. Phản hồi thử thách chủ động đưa ra cho người dùng một nhiệm vụ cần hoàn thành, chẳng hạn như quay đầu. Các hành động, ngay cả những hành động đơn giản, cũng làm tăng gánh nặng nhận thức và có nguy cơ làm người dùng quá tải đến mức bỏ cuộc. Phản hồi thử thách thụ động, như công nghệ Flashmark™ của iProov , có thể chiếu một chuỗi màu lên khuôn mặt người dùng và phân tích phản chiếu để giúp xác nhận xem người dùng có thực sự hiện diện hay không. Trải nghiệm này không yêu cầu người dùng đưa ra thử thách, giảm thiểu gánh nặng nhận thức và cải thiện tỷ lệ vượt qua.
  

Khả năng tiếp cận

Các hướng dẫn về khả năng tiếp cận nội dung web nêu rõ rằng các quy trình xác thực không nên bao gồm "các bài kiểm tra chức năng nhận thức" để đạt được sự phù hợp, điều này loại trừ hiệu quả các thử thách chủ động. Nghiên cứu cho thấy các nhiệm vụ thể chất trở nên khó khăn hơn đáng kể đối với người khuyết tật khi kết hợp với gánh nặng nhận thức . Ví dụ, người dùng gặp vấn đề về khả năng vận động sẽ khó xoay đầu theo một hướng và sau đó xử lý các hướng dẫn tiếp theo để xoay theo hướng khác.

Các phản hồi thử thách thụ động không gây thêm áp lực nào, vì người dùng chỉ cần đặt khuôn mặt của họ vào hình bầu dục trên màn hình.

‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎‎ ‎ ‎ ‎ ‎ ‎‎ ‎ ‎ ‎

Phản hồi tích cực trước thách thức: Công nghệ này yêu cầu người dùng di chuyển đầu theo các hướng khác nhau .

Phản hồi thách thức thụ động của iProov : Một chuỗi màu sắc ngẫu nhiên được chiếu lên khuôn mặt người dùng.

Khả năng tiếp cận không chỉ giới hạn ở khả năng của người dùng mà còn phụ thuộc vào thiết bị, vị trí và tình trạng kinh tế xã hội của họ. Một giải pháp được thiết kế cho iPhone đời mới nhất sẽ vô dụng đối với một tổ chức có lượng người dùng lớn và đa dạng. Các tổ chức cần những công nghệ mang lại hiệu suất tương đương trên nhiều loại thiết bị, kích thước màn hình, tốc độ xử lý, chất lượng camera và phương thức nhập liệu (cảm ứng, chuột, bàn phím và giọng nói).

Tối ưu hóa khả năng tiếp cận không phải là điều nên có mà là một yêu cầu bắt buộc đối với doanh nghiệp. 16% dân số toàn cầu là người khuyết tật , chiếm một phần đáng kể trong tổng thị trường tiềm năng của doanh nghiệp. Việc loại trừ những người dùng này sẽ dẫn đến tổn thất cơ hội.

Nguyên tắc thiết kế phổ quát nêu rõ rằng các sản phẩm được xây dựng cho người khuyết tật sẽ mang lại lợi ích cho tất cả người dùng. Lý do là vì người không khuyết tật không phải lúc nào cũng hoạt động trong điều kiện hoàn hảo. Ví dụ, trong khi nhiều người dùng có thể đáp ứng các thử thách yêu cầu họ đọc to tên và các chữ số của mình, họ có thể không muốn làm như vậy ở những nơi công cộng. Công nghệ sinh trắc học được chứng nhận theo các tiêu chuẩn về khả năng tiếp cận, như WCAG 2.2 AA , có thể cải thiện tỷ lệ vượt qua bài kiểm tra cho tất cả mọi người.

Giảm thiểu thiên kiến

Hệ thống sinh trắc học bị coi là thiên vị nếu chúng cho tỷ lệ chấp nhận cao hơn đối với một số nhóm đối tượng nhất định so với các nhóm khác. Sự thiên vị có thể xuất hiện và có thể được giảm thiểu ở nhiều giai đoạn trong thiết kế hệ thống sinh trắc học:

• Dữ liệu huấn luyện: Các thuật toán được xây dựng trên tập dữ liệu không cân bằng sẽ hoạt động kém hiệu quả hơn đối với các nhóm thiểu số. Các nhà cung cấp công nghệ sinh trắc học nên sử dụng dữ liệu huấn luyện được cân bằng về độ tuổi, giới tính, màu da và loại khuôn mặt.

• Giám sát liên tục: Nhà cung cấp của bạn nên tiến hành kiểm tra độ lệch thường xuyên để đảm bảo rằng các bản cập nhật mối đe dọa hoặc các thành phần mới không gây ra độ lệch mới.

• Kiểm tra thiết bị: Sự thiên vị không chỉ bắt nguồn từ đặc điểm nhân khẩu học. Các nhà cung cấp thiết bị sinh trắc học cũng nên kiểm tra để đảm bảo hiệu suất đồng đều trên các thiết bị và chất lượng camera khác nhau.