Güncellenme Tarihi:
Kullanıcı Davranış Verisi E-ticarette Sahte Tıklamaları ve Dolandırıcıları Nasıl Ortaya Çıkarır?
Sahtekarlık Tespitinde Neden Davranışa Bakmalı?
Online mağazalar her reklam tıklaması için ödeme yapar, ama her tıklama bir alışverişçiden gelmez. Perakende web trafiğinin %59'unu kötü botlar oluşturdu (Imperva 2025 Bad Bot Report, via TechRadar). IP kontrolleri ve engelleme listeleri basit olanları yakalar. Geri kalanlar, reklam tıklamasından ödeme adımına kadar nasıl davrandıklarına bakana dek gerçek ziyaretçi gibi görünür.
Dolandırıcılar, çoğu online mağazanın güvendiği fatura ve teslimat adreslerinin eşleşmesi veya kartın CVV'sinin doğrulanması gibi temel kontrolleri atlatmayı öğrendi. Bu yüzden kullanıcı davranış analizi, e-ticaret sahtekarlığı tespitinin temel parçalarından biri haline geldi: yalnızca müşterinin girdiklerini kontrol etmek yerine sitenizde nasıl hareket ettiğine bakar. Gezinme yolları, yazma alışkanlıkları ve fare hareketleri, gerçek alışverişçilerle dolandırıcılar veya botlar arasında statik verilerin gösteremediği farkları ortaya koyar. İşletmeler bu alana büyük yatırım yapıyor. Doğru kullanıldığında davranış verileri sahtekarlığı gerçek zamanlı olarak durdurmanıza ve maliyetli ters ibrazları (chargeback) azaltmanıza yardımcı olur.
Geleneksel Sahtekarlık Kontrollerinin Sınırları
Temel sahtekarlık kontrolleri statik verilere bakar: eşleşen fatura ve teslimat adresleri, doğru CVV ve bazen IP konumu. Gereklidirler ama atlatılmaları kolaydır. Dolandırıcılar bu kontrollerden geçen çalıntı kart bilgileri kullanır, VPN ve proxy'lerin arkasına saklanır ve gerçek alışverişçi gibi görünen botlar ya da ele geçirilmiş cihazlar kullanır. Kontroller yalnızca müşterinin girdiklerine baktığında bu sahtekarlık çoğu zaman fark edilmez.
Sahtekarlık Tespiti İçin Kullanıcı Davranış Analizi Nedir?
Kullanıcı davranış analizi, gerçek insanlardan farklı davranışları fark etmek için ziyaretçilerin sitenizle nasıl etkileşime girdiğini izler. Temel veri noktaları:
| Gezinme | Sitedeki hız ve izlenen yollar. |
| Fare ve kaydırma | Hareket hızı, eğriler ve kaydırma. |
| Yazma | Form alanlarındaki hız ve ritim. |
| Sayfada geçen süre | Sayfalarda ve form alanlarında geçen süre. |
| Form etkileşimi | Yazılmış, yapıştırılmış ya da otomatik doldurulmuş. |
| Cihaz ve tarayıcı | Aynı cihazı tanımaya yarayan bilgiler. |
Bu veri toplamayı gizlilik politikanızda açıklayın ve KVKK ile GDPR gibi yasaların gerektirdiği onayları alın.
Gezinmede Sahtekarlığa İşaret Eden Uyarılar
Bir ziyaretçinin mağazanızda izlediği yol da sahtekarlığı ortaya çıkarabilir:
| Doğrudan ödemeye | Hiç gezinmeden doğrudan bir ürün veya ödeme sayfasına gelip yüksek değerli ürünler satın almak, özellikle yeni bir hesaptan. |
| İnsanüstü hız | Sayfalar arasında kimsenin okuyamayacağı kadar hızlı geçmek. |
| Tekrarlayan yollar | Birçok oturumda tam olarak aynı sayfa sırasını izlemek; bu bir komut dosyasına özgüdür. |
| Tekrarlanan ödeme denemeleri | Bir sipariş geçene kadar art arda birkaç kart veya adres denemek. |
Bazı gerçek müşteriler de, örneğin bir siparişi tekrarlarken, hızlı alışveriş yapar; bu yüzden bu işaretleri diğerleriyle birlikte değerlendirin.
Form ve Etkileşimde Uyarı İşaretleri
Ziyaretçilerin formları nasıl doldurduğu çok şey anlatır:
| Yapıştırılan bilgiler | Yazılmak yerine yapıştırılan isim, adres veya kart numaraları; çoğu zaman her denemede farklı. |
| Doğal olmayan yazma | Tamamen eşit ritim ya da insanüstü hız; bir komut dosyasına özgüdür. |
| Garip duraksama | Kendi isim veya adresinde duraksayıp kart bilgilerini hiç duraksamadan girmek. |
| Garip kaydırma | Beklenen yerde hiç kaydırmamak ya da robotik, eşit kaydırma. |
Şifre yöneticileri ve otomatik doldurma bu işaretleri etkileyebilir; bu yüzden diğer işaretlerle birlikte değerlendirin.
Cihaz ve Bağlantıda Uyarı İşaretleri
Bir ziyaretin arkasındaki cihaz ve bağlantı da sahtekarlığı ortaya çıkarabilir:
| VPN, proxy ve Tor | Gizlenen kaynak veya veri merkezi IP'leri; özellikle başka işaretlerle birlikte. |
| Uyuşmayan bilgiler | IP konumuyla uyuşmayan tarayıcı dili veya saat dilimi. Seyahat edenler de bunu tetikleyebilir. |
| Şüpheli tarayıcılar | Başsız (headless) tarayıcılar veya cihazla uyuşmayan tarayıcı bilgileri. |
| Cihaz emülasyonu | Gerçek cihazı taklit eden ama farklı bir parmak izi bırakan yazılımlar. |
Fare Hareketlerinde Uyarı İşaretleri
Fare hareketleri, insanlarla botlar arasındaki en belirgin farklardan biridir:
| Robotik hareketler | Tamamen düz çizgiler, doğal olmayan titremeler ya da doğal duraklama ve eğrilerin olmaması. |
| Tıklama anormallikleri | Görünmeyen öğelere tıklamak gibi hiçbir insanın yapmayacağı tıklamalar; buna honeypot denir. |
| Hiç hareket olmaması | Masaüstü sayfalarında hiç fare etkinliği olmaması. Mobil veya klavye kullanıcıları için geçerli değildir. |
Bunlar birlikte, bir cihazdan veya IP adresinden çok daha zor taklit edilen davranışsal bir parmak izi oluşturur.
Davranış Sinyalleri: Tıklamada ve Ödemede
Davranış sinyallerinin çoğu hunin her iki ucunda da işe yarar. Onları erken, tıklamada görmek parayı kurtarır; ödeme adımında görmek sahtekarlık kaybını önler.
| Sinyal | Reklam tıklamasında | Ödeme adımında |
|---|---|---|
| Fare veya dokunma hareketi | Hiç yok ya da öğeler arasında kusursuz düz çizgiler | Alanlar hiç imleç hareketi olmadan dolduruluyor |
| Kaydırma | Sayfanın sonuna anında atlama ya da hiç kaydırmama | Ürün detayları atlanıp doğrudan ödemeye geçiliyor |
| Zamanlama | Birçok oturumda birebir aynı aralıklar | Formlar bir insanın yazabileceğinden hızlı doluyor |
| Form davranışı | Hiçbir zaman forma ulaşmayan tıklamalar | Yapıştırılan kart bilgileri, art arda denenen çok sayıda kart |
| Cihaz ve bağlantı | Veri merkezi IP'leri, VPN'ler, yeni IP'lerle tekrar eden cihazlar | Fatura ülkesiyle uyuşmayan cihaz konumu |
Yapay Zeka Davranış Verilerini Nasıl Sahtekarlık Tespitine Dönüştürür?
Bu sinyalleri elle analiz etmek gerçekçi değildir. Yapay zeka ve makine öğrenmesi şunlarda yardımcı olur:
| Kalıp tanıma | Binlerce oturumda ince sahtekarlık kalıplarını bulmak. |
| Gerçek zamanlı analiz | Sahte bir sipariş tamamlanmadan müdahale etmek. |
| Uyum yeteneği | Yeni sahtekarlık kalıplarından öğrenmek. Araştırmalar, makine öğrenmesinin tek başına kurallardan daha iyi sonuç verebileceğini gösteriyor. |
| Anormallik tespiti | Yeni sahtekarlık türlerini bulmak için denetimsiz öğrenme kullanmak. |
En iyi sonuç, bilinen kalıplar için net kurallarla hiçbir kuralın öngöremediği kalıplar için yapay zekanın birleşiminden gelir.
Dönüşümlerinizi Korumaya Tıklamalarınızdan Başlayın
Ödeme adımında bir dolandırıcıyı ele veren sinyaller, sahte bir reklam tıklamasını birkaç dakika önce ele verir: fare veya dokunma hareketi olmaması, sayfanın sonuna anında kaydırma, oturumlar arasında birebir aynı zamanlama ve siteye geldikten bir saniye içinde ayrılma. Bunları tıklamada yakalamak, onlar için ödeme yapmanızı durdurur ve Google ile Meta'nın öğrendiği dönüşüm verisinin dışında tutar. E-ticaretin tüm resmi için e-ticarette tıklama sahtekarlığını önleme rehberimize göz atın.
Aynı yaklaşım e-ticaret hunisinin en üstünü, yani reklam tıklamalarınızı da korur. Ödeme adımından çok önce botlar ve sahte tıklamalar Google Ads ve Meta Ads bütçenizi tüketebilir ve Akıllı Teklif Stratejisini yanıltabilir.
ClickSambo her reklam tıklamasını gerçek zamanlı olarak kontrol eder ve şüpheli kaynakları otomatik olarak engeller; böylece bütçenizin daha büyük kısmı gerçek alışverişçilere ulaşır.
%59
Perakende web trafiğinde kötü botların payı (Imperva 2025 Bad Bot Report)
%7,57
Google Ads'te ortalama geçersiz tıklama (Advanced Television, 2026)
%8,2
Meta reklamlarında ortalama geçersiz tıklama (Advanced Television, 2026)
%8,51
Platformlar genelinde geçersiz ücretli tıklama (Advanced Television, 2026)Facebook ve Instagram'daki mağaza reklamları da botları ve sahte lead'leri çeker. ClickSambo, Meta Ads'teki geçersiz trafiği engeller ve Meta'ya daha temiz dönüşüm sinyalleri gönderir.
Meta Ads Korumasını İnceleyin 
Sıkça Sorulan Sorular
Gezinme davranışı insanları botlardan ayırt etmeye nasıl yardımcı olur?
Gezinme davranışı insanları botlardan ayırt etmeye yardımcı olur, çünkü gerçek insanlar öngörülemez şekilde gezinir: sayfayı yukarı kaydırır, görsellerin üzerine gelir ve site içinde düzensiz yollar izler. Bu rastgeleliğe bazen gezinme entropisi denir. Basit botlar verimlilik için tasarlanır; bu yüzden düz, tekrarlayan yollar izler ve herhangi bir insandan daha hızlı hareket eder. Daha gelişmiş botlar rastgele davranışı taklit etmeye çalışır; bu yüzden gezinme kalıpları en iyi sonucu cihaz parmak izi ve form etkileşimi gibi diğer sinyallerle birlikte verir.
Gelişmiş botlar insan fare hareketlerini taklit edebilir mi?
Evet, bir dereceye kadar. Gelişmiş botlar insan gibi görünmek için fare hareketlerine rastgele titremeler ve eğriler ekler, ancak çoğu zaman ince ayrıntılarda başarısız olur. Gerçek fare hareketi sürekli değişen hızlar, küçük duraksamalar ve tutarlı şekilde yeniden üretilmesi zor bilinçsiz eğriler içerir. Davranışsal biyometri, bu ayrıntılı hareketleri analiz ederek botların taklit etmesi bir IP adresinden veya cihaz profilinden çok daha zor olan davranışsal bir parmak izi oluşturur. Ancak botlar geliştikçe hiçbir sinyal tek başına kusursuz değildir; bu yüzden fare verileri en iyi sonucu diğer kontrollerle birlikte verir.
Kopyala-yapıştır ne zaman e-ticaret sahtekarlığı için bir uyarı işaretidir?
Kopyala-yapıştır, insanların normalde ezbere bildiği bilgileri etkilediğinde bir uyarı işaretine dönüşür. Gerçek müşteriler genellikle kendi isim ve adreslerini yazar; çalıntı verilerle çalışan dolandırıcılar ise çoğu zaman isim, adres ve kart alanlarına bilgi dizilerini topluca yapıştırır. Birkaç alanda tekrarlanan yapıştırma işlemleri, özellikle her denemede farklı bilgilerle, güçlü bir ödeme sahtekarlığı işaretidir. Ancak yapıştırmak tek başına kanıt değildir: birçok gerçek müşteri kart numarasını şifre yöneticisinden yapıştırır veya tarayıcının otomatik doldurma özelliğini kullanır; bu yüzden bu sinyal en iyi sonucu diğerleriyle birlikte verir.
Davranış analizi ters ibrazları (chargeback) önlemeye nasıl yardımcı olur?
Davranış analizi, sahte siparişleri verilmeden önce durdurarak ters ibrazları önlemeye yardımcı olur. Ters ibraz genellikle gerçek kart sahibi, çalınan kartıyla yapılan bir alışverişe itiraz ettiğinde gerçekleşir. Geleneksel kontroller bu siparişleri kaçırabilir, çünkü çalıntı bir kart çoğu zaman CVV ve posta kodu kontrollerinden geçer. Dolandırıcıların kolayca gizleyemediği şey ise sitenizdeki davranışlarıdır: çalıntı bilgileri yapıştırmak, ödeme adımlarından hızla geçmek veya bir bot gibi gezinmek. Bu oturumları "Siparişi tamamla" adımından önce işaretlemek, sahte işlemi ve ardından gelecek ters ibrazı kaynağında durdurur. En iyi sonucu mevcut ödeme kontrollerinizin yanında ek bir katman olarak verir.
Davranış verisi, ödeme yapmadan önce sahte reklam tıklamalarını durdurabilir mi?
Daha fazlası için ödeme yapmanızı durdurabilir. İlk ziyaretlerden gelen davranış sinyalleri botları ve tekrar eden cihazları tanımlar; bunlar tekrar tıklamadan önce kampanyalarınızdan hariç tutulabilir.
