Voice OTP dan Flash Call: Kapan Memakai Suara untuk Verifikasi

Panduan ini ditujukan bagi product manager, engineer, dan tim fraud yang memverifikasi nomor telepon atau mengirim OTP (kode verifikasi) dan ingin tahu di mana voice cocok digunakan. Panduan ini menjelaskan cara kerja voice OTP dan flash call, kapan keduanya unggul dibandingkan SMS dan WhatsApp, cara melindunginya dari fraud, dan cara menyusun urutan fallback yang menyeimbangkan tingkat penyelesaian, biaya, dan risiko.

Apa itu voice OTP dan bagaimana cara kerjanya?

Voice OTP adalah kode sekali pakai yang dikirim lewat panggilan telepon otomatis: platform menelepon pengguna dan suara text-to-speech (TTS) membacakan kodenya. Voice OTP menjangkau nomor apa pun yang bisa menerima panggilan, termasuk landline, dan tidak membutuhkan aplikasi atau koneksi data.

Panggilan voice OTP yang umum berjalan dalam lima langkah:

1. Backend Anda membuat kode, menyimpan hash-nya beserta waktu kedaluwarsa, lalu meminta panggilan lewat provider Anda.
2. Platform melakukan panggilan dari caller ID yang disepakati, idealnya yang dikenali dan konsisten untuk brand Anda di setiap negara.
3. Saat diangkat, salam singkat diputar, misalnya "Ini Hala Pay dengan kode verifikasi Anda."
4. Kode dibacakan digit per digit, dengan jeda antar digit, dan diulang setidaknya sekali.
5. Pengguna ditawari pengulangan, seperti "Tekan 1 untuk mendengar kode lagi", lalu panggilan berakhir. Hasil panggilan (diangkat, sibuk, tidak diangkat, gagal, durasi) dikirim kembali ke sistem Anda.

Bagaimana kode sebaiknya dibacakan?

Bacakan setiap digit secara terpisah dan perlahan. "Empat, tujuh, satu, sembilan, nol, dua" jauh lebih mudah dicatat daripada "empat ratus tujuh puluh satu ribu sembilan ratus dua". Sebagian besar mesin TTS mendukung Speech Synthesis Markup Language (SSML), standar W3C yang memungkinkan Anda menandai teks sebagai karakter individual, menyisipkan jeda, dan mengatur kecepatan bicara. Gunakan SSML, jangan mengandalkan interpretasi bawaan mesin atas sebuah angka.

Praktik baik untuk naskah suara:

• Buat salam kurang dari beberapa detik. Pengguna sedang menunggu dengan pulpen atau keyboard; setiap kalimat tambahan menunda kode.
• Ucapkan kode setidaknya dua kali, dengan jeda singkat di antara pengulangan, lalu tawarkan tombol untuk mengulang.
• Kelompokkan digit hanya jika membantu. Enam digit yang dibaca sebagai dua kelompok tiga ("empat tujuh satu ... sembilan nol dua") bisa lebih mudah diingat.
• Jangan pernah meminta pengguna mengucapkan atau menekan kode selama panggilan. Panggilan verifikasi mengirim kode; ia tidak boleh mengumpulkannya. Ini membedakan alur Anda dari skrip rekayasa sosial.

Bagaimana memilih bahasa, termasuk bahasa Arab?

Pilih bahasa dari sinyal terkuat yang Anda miliki, dengan urutan: bahasa yang dipilih pengguna di aplikasi Anda, profil akunnya, lalu kode negara nomornya. Nomor Arab Saudi tidak berarti pengguna lebih suka bahasa Arab, dan ekspatriat di Dubai mungkin menginginkan bahasa Hindi, Urdu, Tagalog, atau Inggris, sehingga preferensi yang tersimpan lebih baik daripada tebakan.

Untuk voice OTP bahasa Arab:

• Gunakan suara TTS yang dirancang untuk bahasa Arab, dan uji dengan penutur asli. Bahasa Arab Standar Modern adalah pilihan default paling aman untuk pesan singkat dan formal seperti ini.
• Bacakan digit satu per satu. Dalam bahasa Arab lisan, satuan disebut sebelum puluhan pada banyak angka, sehingga kode yang dibaca sebagai satu bilangan mudah salah dengar. Digit tunggal menghilangkan ambiguitas tersebut.
• Pertimbangkan panggilan dwibahasa di pasar dengan populasi campuran: salam dan kode singkat dalam bahasa Arab, lalu "For English, press 2". Buat tetap singkat; menu dwibahasa menambah detik pada setiap panggilan.
• Jaga agar nama brand tetap dikenali. Jika brand Anda biasanya ditulis dengan huruf Latin, periksa bagaimana suara TTS melafalkannya dalam aksara Arab.

Panduan kami tentang pesan pelanggan berbahasa Arab membahas pemilihan dialek dan desain dwibahasa lebih dalam.

Bagaimana cara kerja verifikasi flash call?

Verifikasi flash call melakukan panggilan sangat singkat ke nomor pengguna dan memutusnya sebelum diangkat. Kodenya adalah caller ID itu sendiri, biasanya beberapa digit terakhirnya, sehingga tidak ada audio yang diputar dan tidak ada yang perlu diangkat.

Ada dua cara kode sampai ke aplikasi Anda:

• Otomatis: di Android, aplikasi dengan izin call-log atau phone-state yang relevan dapat mendeteksi panggilan masuk dan mencocokkan nomornya tanpa tindakan pengguna. Kebijakan izin platform berlaku, dan banyak aplikasi menghindari meminta izin tersebut.
• Manual: pengguna melihat missed call dan mengetik digit terakhirnya ke aplikasi Anda. Cara ini berfungsi di ponsel apa pun, termasuk iPhone, yang tidak mengizinkan aplikasi membaca call log.

Apa saja batasan flash call?

Flash call cepat dan tidak bergantung pada jalur SMS, tetapi punya batasan nyata:

• Sikap operator berbeda-beda. Sebagian operator memandang flash call sebagai cara memverifikasi pengguna tanpa membayar SMS A2P. Di beberapa negara, mereka memblokir flash call, menerapkan biaya terminasi khusus, atau mewajibkannya memakai jalur yang ditentukan. Kebijakan bisa berubah, jadi konfirmasikan dukungan per negara dengan provider Anda dan periksa kembali secara berkala.
• Caller ID harus tiba utuh. Pada sebagian jalur internasional, caller ID bisa diubah atau diganti, sehingga kode tidak valid. Jalur berkualitas dengan pengiriman caller ID yang andal adalah prasyarat.
• Membingungkan pengguna jika tidak dijelaskan. Missed call dari nomor internasional tak dikenal mirip dengan penipuan call-back "wangiri". Beri tahu pengguna sebelum panggilan tentang apa yang akan terjadi, dan jangan pernah meminta mereka menelepon balik.
• Hanya memverifikasi kepemilikan nomor, bukan identitas. Seperti semua metode berbasis jaringan telepon, metode ini melemah akibat SIM swap dan pengalihan panggilan.

Kapan voice mengungguli SMS atau WhatsApp?

Voice adalah kanal terbaik saat teks tidak dapat menjangkau pengguna atau tidak dapat dibaca olehnya. Dalam kebanyakan kasus lain, WhatsApp atau SMS lebih murah dan lebih cepat, itulah sebabnya voice biasanya berada di urutan akhir dalam fallback.

Aksesibilitas adalah kewajiban, bukan bonus

Pengguna dengan gangguan penglihatan, disleksia, atau literasi rendah mungkin lebih mudah memakai kode yang diucapkan daripada notifikasi teks, sedangkan pengguna dengan gangguan pendengaran akan lebih sulit memakai panggilan suara. NIST SP 800-63B mencatat bahwa kode yang dikirim lewat voice dapat sulit dipahami oleh orang dengan masalah pendengaran, dan mewajibkan tersedianya alternatif bagi semua pelanggan. Jawaban praktisnya adalah memberi pilihan: tampilkan "Telepon saya" dan "Kirim lewat SMS" berdampingan, dan pastikan kolom input kode tetap dapat digunakan dengan screen reader, sesuai WCAG 2.2.

Apa batasan keamanan voice OTP?

Voice OTP dan OTP SMS memiliki kelemahan yang sama: keduanya hanya membuktikan kendali atas sebuah nomor telepon, sedangkan nomor dapat dipindahkan (port), terkena SIM swap, atau dialihkan. NIST SP 800-63B mengklasifikasikan autentikasi out-of-band lewat jaringan telepon publik, baik SMS maupun voice, sebagai authenticator "terbatas" (restricted). Organisasi yang memakainya harus menilai risiko, memberi pemberitahuan yang jelas kepada pengguna, dan menawarkan alternatif yang tidak dibatasi. OWASP Multifactor Authentication Cheat Sheet bahkan lebih jauh dengan menyarankan agar SMS dan panggilan telepon tidak dipakai untuk aplikasi yang menangani data pribadi sensitif atau berisiko finansial.

Voice juga memiliki kelemahan khusus: voicemail (kotak suara). Jika panggilan OTP yang tidak diangkat berpindah ke voicemail, kode bisa terekam di kotak suara yang dilindungi PIN lemah atau PIN bawaan. Gunakan deteksi mesin penjawab (answering-machine detection) untuk mengakhiri panggilan tanpa membacakan kode saat mesin yang menjawab, dan perlakukan "voicemail" sebagai pengiriman gagal yang dapat memicu kanal lain.

Bagaimana penyerang menyalahgunakan verifikasi voice?

Verifikasi voice adalah target traffic pumping, khususnya international revenue share fraud (IRSF). Penyerang memicu panggilan verifikasi ke rentang nomor di mana mereka, atau mitra dalam rantai panggilan, menerima bagian dari pendapatan terminasi. Anda membayar setiap panggilan.

Pola serangan yang umum:

• Lonjakan permintaan dari skrip ke nomor di tujuan yang jarang menjadi asal pengguna asli Anda.
• Nomor berurutan atau berpola dalam rentang yang sama.
• Panggilan diangkat dan ditahan selama alur Anda mengizinkan, karena panggilan yang lebih lama menghasilkan lebih banyak pendapatan.
• Permintaan yang tidak pernah terverifikasi. Penyerang tidak tertarik pada kodenya.

ITU-T Recommendation E.156 menjabarkan cara ITU menangani laporan penyalahgunaan sumber daya penomoran internasional, yang menunjukkan bahwa masalah ini diakui di tingkat standar. Namun ini tidak melindungi anggaran Anda; yang melindunginya adalah kontrol Anda sendiri. Pola yang sama berlaku untuk SMS, seperti dijelaskan dalam panduan SMS pumping kami.

Checklist kontrol fraud untuk voice OTP

1. Buat allow-list tujuan. Aktifkan verifikasi voice hanya untuk negara tempat Anda memiliki pengguna nyata, dan tinjau daftarnya setiap kuartal.
2. Blokir rentang premium dan berisiko tinggi. Tanyakan kepada provider Anda rentang nomor mana yang diblokir secara default, lalu tambahkan daftar Anda sendiri.
3. Batasi durasi panggilan. Panggilan voice OTP hanya butuh jauh di bawah satu menit. Tutup panggilan setelah kode diulang, dan tetapkan batas maksimum yang tegas.
4. Terapkan rate limit pada beberapa dimensi: per nomor telepon, per perangkat, per alamat IP, per akun, dan per negara tujuan, dengan batas pengeluaran global yang menjeda voice jika terlampaui.
5. Wajibkan langkah sebelumnya gagal. Dalam alur fallback, tawarkan voice hanya setelah SMS atau WhatsApp dicoba untuk sesi yang sama, sehingga biaya bagi penyerang meningkat.
6. Jaga gerbang permintaan. Gunakan deteksi bot atau tantangan sebelum verifikasi apa pun dikirim, bukan hanya sebelum voice.
7. Pantau conversion rate. Sesi terverifikasi dibagi panggilan yang dilakukan, per negara. Rasio yang turun di satu negara adalah sinyal paling awal adanya pumping.
8. Ikuti NIST soal percobaan ulang. NIST SP 800-63B mewajibkan pembatasan laju percobaan yang gagal dan menyatakan bahwa pembuatan kode baru tidak boleh mereset hitungan percobaan gagal. Terapkan pemikiran yang sama pada pengiriman ulang: panggilan baru bukan awal yang baru.

Bagaimana merancang fallback WhatsApp, SMS, dan voice?

Fallback bertingkat (waterfall) mencoba kanal termurah yang sesuai terlebih dahulu dan baru berpindah ketika ada bukti bahwa percobaan sebelumnya gagal. Untuk banyak aplikasi konsumen di negara Teluk (GCC) dan pasar lain yang sangat mengandalkan WhatsApp, urutan yang praktis adalah WhatsApp, lalu SMS, lalu voice.

Langkah desain fallback

1. Klasifikasikan nomor terlebih dahulu. Jika pencarian nomor atau data Anda sendiri menunjukkan bahwa itu landline, langsung ke voice. Panduan HLR lookup kami menjelaskan apa yang dapat diketahui dari lookup.
2. Gunakan satu kode untuk seluruh sesi, atau ganti secara sengaja. Gunakan kode yang sama di semua kanal selama masa berlakunya, atau batalkan kode lama saat kode baru dikirim. Jangan pernah membiarkan beberapa kode valid aktif bersamaan.
3. Picu berdasarkan sinyal, bukan hanya timer. Status pengiriman, respons "tidak ada di WhatsApp", dan tindakan pengguna adalah pemicu yang lebih baik daripada jeda tetap. Pertahankan timeout singkat sebagai cadangan.
4. Biarkan pengguna melompat lebih awal. Setelah hitung mundur singkat, tampilkan "Kirim lewat SMS" dan "Telepon saya". Pengguna tahu kapan pesan mereka tidak masuk.
5. Batasi jumlah langkah. Tiga kanal, masing-masing satu percobaan, biasanya cukup. Lebih banyak percobaan ulang sebagian besar menguntungkan penyerang.
6. Catat setiap percobaan dengan kanal, status, biaya, dan hasil, sehingga Anda dapat membandingkan tingkat penyelesaian per negara dan kanal.
7. Jaga masa berlaku tetap wajar. NIST SP 800-63B mewajibkan autentikasi out-of-band diselesaikan dalam 10 menit. Banyak tim memakai jendela yang lebih singkat untuk login dan pembayaran.

Apa yang sebaiknya dikatakan layar dan panggilan?

Teks UX yang baik menyiapkan pengguna untuk apa yang akan terjadi, dan ini paling penting untuk voice dan flash call karena panggilan yang tak terduga terlihat mencurigakan.

Sebelum panggilan voice OTP (layar): "Kami akan menelepon +971 5X XXX XX12 sekarang dan membacakan kode 6 digit Anda. Siapkan alat tulis."

Selama panggilan (diucapkan): "Ini Hala Pay. Kode verifikasi Anda adalah: 4, 7, 1, 9, 0, 2. Sekali lagi: 4, 7, 1, 9, 0, 2. Hala Pay tidak akan pernah meminta Anda membagikan kode ini. Tekan 1 untuk mengulang."

Sebelum flash call (layar): "Kami akan memberi Anda missed call singkat. Masukkan 4 digit terakhir nomor yang menghubungi Anda. Anda tidak perlu mengangkat atau menelepon balik."

Aturan teks yang berlaku di semua bahasa:

• Tampilkan nomor yang disamarkan yang sedang ditelepon, agar pengguna dapat menemukan salah ketik.
• Sebutkan brand lebih dulu dalam naskah suara.
• Sertakan kalimat "jangan bagikan", dalam bahasa pengguna.
• Katakan apa yang tidak boleh dilakukan: jangan angkat (flash call), jangan telepon balik, jangan menekan apa pun kecuali untuk mengulang.
• Terjemahkan secara natural, bukan kata per kata, dan rekam atau uji versi bahasa Arab dengan penutur asli.

Berapa biaya verifikasi voice?

Voice dan pesan teks memakai model harga yang berbeda, jadi bandingkan biaya per verifikasi yang selesai, bukan biaya per percobaan.

Ada tiga poin praktis. Jaga panggilan voice tetap singkat, karena durasi adalah pendorong biaya. Gunakan voice sebagai fallback, sehingga Anda membayar tarif voice hanya di tempat kanal yang lebih murah gagal. Dan ukur biaya per pengguna terverifikasi per negara, karena kanal murah yang tidak terkirim justru mahal akibat sign-up yang hilang. Untuk daftar harga indikatif lintas kanal, gunakan estimator harga kami; biaya akhir dikonfirmasi dalam penawaran harga.

Contoh kasus: aplikasi pembayaran di Riyadh

"Hala Pay" (sintetis), aplikasi pembayaran dengan pengguna di Arab Saudi, Uni Emirat Arab (UEA), dan Mesir, mendapati sign-up tersendat pada verifikasi nomor telepon untuk pengguna tanpa WhatsApp dan di area dengan pengiriman SMS yang lambat.

• Fallback: WhatsApp copy-code lebih dulu; SMS dari Sender ID terdaftar jika WhatsApp tidak terkirim dalam timeout singkat; panggilan voice OTP jika SMS tidak terkirim, atau jika pengguna mengetuk "Telepon saya".
• Bahasa: bahasa panggilan mengikuti pengaturan bahasa aplikasi. Panggilan bahasa Arab memakai suara TTS bahasa Arab yang membacakan digit tunggal; bahasa Inggris ditawarkan lewat tombol.
• Kontrol fraud: voice hanya diaktifkan untuk tiga pasar tersebut, rentang premium diblokir, panggilan berakhir setelah dua kali pembacaan dan satu pengulangan opsional, dan batas pengeluaran voice harian menjeda langkah ini serta memberi peringatan ke tim fraud.
• Voicemail: deteksi mesin penjawab mengakhiri panggilan tanpa membacakan kode saat kotak suara yang menjawab.
• Tindakan berisiko tinggi: menambahkan penerima baru memerlukan konfirmasi di dalam aplikasi pada perangkat terdaftar, bukan kode lewat jaringan telepon.
• Tinjauan: setiap minggu tim membandingkan sign-up terverifikasi per percobaan dan biaya per pengguna terverifikasi menurut negara dan kanal, lalu menyesuaikan timeout.

Apa kesalahan umum pada voice OTP dan flash call?

• Membacakan kode sebagai satu bilangan, bukan digit per digit.
• Salam yang panjang yang menunda kode dan menambah detik yang ditagih.
• Meninggalkan kode di voicemail karena deteksi mesin penjawab tidak digunakan.
• Mengaktifkan voice untuk semua negara lalu menemukan IRSF di tagihan.
• Pengiriman ulang tanpa batas, atau mereset penghitung percobaan setiap kali ada kode baru.
• Menelepon tanpa peringatan, sehingga pengguna mengabaikan nomor tak dikenal.
• Mengira flash call berfungsi di mana-mana tanpa mengonfirmasi dukungan operator.
• Menganggap voice OTP sebagai autentikasi kuat untuk pembayaran atau pemulihan akun.
• Mengabaikan landline, sehingga pengguna yang mendaftarkannya tidak pernah bisa verifikasi.
• Batasan: kebijakan operator, aturan caller ID, dan persyaratan regulator berbeda di setiap negara dan berubah. Panduan ini menjelaskan praktik, bukan nasihat hukum; konfirmasikan kondisi terkini dengan provider Anda dan regulator terkait sebelum meluncur di pasar baru.

Bagaimana OmniChannels.ai membantu

OmniChannels.ai menggabungkan voice dengan template autentikasi WhatsApp dan SMS untuk OTP dan notifikasi. Voice mencakup voice OTP, flash call, fallback SMS ke voice, dan text-to-speech termasuk bahasa Arab, serta disiapkan bersama tim akun kami untuk nomor, negara, dan alur panggilan Anda, bukan lewat endpoint REST publik. Fallback kanal dikonfigurasi per use case, dan status pengiriman dinormalisasi ke dalam satu format webhook. Voice disediakan bersama BroadNet Technologies, yang software contact center-nya, DialerBee, juga menawarkan deteksi mesin penjawab (answering-machine detection). Lihat cara voice disiapkan di panduan developer voice kami.