Результаты (
украинский) 2:
[копия]Скопировано!
Страхове шахрайство варто американцям 80 мільярдів доларів на рік - $ 950 на сім'ю. Це не тільки тому, що у великому шахрайстві - побутові споживачі також сприяють втраті зробивши нечесні претензії
__A___ Новий детектор брехні телефон технологія може змінити цю ситуацію. Багаторівнева Голос аналізатор (LVA) вимірює мікро поштовхи в голосі, щоб визначити емоційний стан динаміків. __C___ Подібна система, ризик аналізатор голоси (CFG), вже використовується у Великобританії і допоміг британських компаній, щоб зробити заощадження. Шосе Страхування є британська авто андеррайтер, який використовує VRA у своїх програмах виявлення шахрайства. Майкл Лоуренс, менеджер з маркетингу та спеціальні проекти з компанією, повідомляє, що тільки 5 відсотків заявок на угонів вважалися шахрайських перед використанням системи. _B____ Аналіз відбувається в нашому першому етапі скринінгу, говорить Лоуренс. Процес починається, коли страхувальник повідомляє позов до COMPANYS автоматизованої телефонної системи. Система інформує страхувальників, що їхні дзвінки можна контролювати з метою запобігання шахрайства та виявлення. Якщо читання голосом аналізу показують, стверджують, що підозріло, страхувальник повідомив, що необхідні подальші дослідження. А жити телефонне інтерв'ю є їх влаштував. VRA свідчення показують, що 38 відсотків претензій, пов'язаних з крадіжки є Хог ризику, і 18 відсотків, в кінцевому підсумку виявляються шахрайськими. Якщо страхувальники відкликати свої претензії в процесі розслідування, компанія не буде робити ніяких дій. __E___ В результаті менше претензії і більш точна ідентифікація шахрайства, Шосе Страхування врятував понад 3 мільйонів. "Перш, ніж ми почали використовувати цю технологію, ми не знали, скільки необгрунтованих претензій коштувало нам, тому що ми не знаємо, який стверджує, були підробленими", пояснює Лоуренс. __D___
переводится, пожалуйста, подождите..
