El enriquecimiento de datos para la detección de fraudes en el e-commerce

Entre más datos del comprador tengas, mejores resultados obtendrás en las ventas de tu e-commerce. Entender el comportamiento de los usuarios evitará que tus clientes sufran de una mala experiencia al comprar. Lo mismo vale para la prevención ante el fraude. En Signifyd sabemos que el conocimiento es poder y por ello nuestra plataforma toma en cuenta diversas variables para identificar  cada detalle del comprador y entender su comportamiento. Esto permite mejorar la tasa de aprobación, acelerar el checkout y detectar el fraude antes de que suceda. Conoce cómo funciona el enriquecimiento de datos de la plataforma de Signifyd, que protege tu negocio del fraude en línea mientras aprueba más ventas.

Red de comercios Signifyd

Signifyd posee la red de comercios más grande del mundo. La información que pasa por esa red permite identificar a los compradores en el 98% de las compras online realizadas en el mundo. 

Cuanto más grande la red de datos, más probable es que pueda detectar los malos comportamientos (pasados, presentes y futuros), además de reconocer más órdenes legítimas, incluso aquellas que vienen con señales que podrían levantar posibles sospechas. Actualmente hay dos tipos de modelos para la detección de datos, el del comercio y los modelos de red. Estas son sus diferencias:

• Modelo del comercio se enfoca únicamente en los datos provenientes de las transacciones del comercio de manera individual. Estos modelos tienen importantes puntos ciegos, ya que tienen una visibilidad limitada de los datos del consumidor y de cómo evoluciona el fraude en el comercio electrónico, pues solo cuentan con la información recabada por el comercio. Sólo pueden proteger al e-commerce del fraude que ha experimentado directamente en el pasado. No identifican ni predicen los nuevos tipos de fraude que encontrarán inevitablemente en la actualidad y en el futuro. 

• Modelo de red: un modelo de red agrega los datos provenientes de todos los clientes del proveedor de la solución y los transfiere a sus algoritmos de Inteligencia Artificial y aprendizaje automático para mejor identificar y predecir los intentos de fraude. Así es como funciona la Red de Comercios de Signifyd. Los compradores que son nuevos y desconocidos para un comercio, no lo son para los otros miles de comercios de la red. Si el comprador ha dejado un rastro de fraude o abuso en su pasado, el e-commerce podrá actuar antes de convertirse en la próxima víctima.  Por el contrario, si el comprador ha realizado muchas compras legítimas en la red, cada e-commerce puede tener una mayor confianza en que ese comprador es un buen cliente. Además, cualquier dato que genere un comercio específico contribuye al motor de aprendizaje automático de la red, proporcionando más evidencia de la legitimidad de un cliente o del surgimiento de una nueva tendencia de fraude. 

Un análisis de Signifyd de 2.3 millones de transacciones mostró que los comercios electrónicos que confían únicamente en los filtros AVS (Servicio de verificación de direcciones) y CVV (Valor de verificación de crédito) como una primera detección de fraude, pueden perder miles de dólares en pedidos. Los comercios que usan estos métodos anticuados están renunciando a casi el 8% de los ingresos que habrían obtenido utilizando los últimos métodos y tecnología de protección contra fraudes de pago como Signifyd,

Por un lado, las redes de fraude se han vuelto cada vez más sofisticadas y continúan adoptando nuevas técnicas y estrategias día a día y eso genera aprensión en los comercios. Por otro lado, los consumidores tienen expectativas mucho más altas en línea y cada vez que un comercio electrónico rechaza un pedido cuando no había ningún problema aparente, puede que estos clientes no deseen volver a comprar. 

Los negocios no solo están perdiendo conversiones inmediatas, también están dañando la experiencia del cliente al rechazar innecesariamente los pedidos de los consumidores listos para comprar por el miedo al fraude. 

Contar con el respaldo de la Red de Comercios de Signifyd significa poder enriquecer la información enviada a las instituciones financieras y así aumentar la tasa de autorización de los comercios en línea desde un 3% hasta un 15% y evitar los falsos positivos y aumentar las tasas de aprobación en un promedio de 10 a 15%. 

Los modelos de protección contra fraudes que utilizan big data y aprendizaje automático, como el de Signifyd, producen una protección más rápida, más precisa y más ventajosa al crecimiento del e-commerce.

¿Cómo funciona el aprendizaje automático de Signifyd?

Para seguir siendo competitivos, los comercios electrónicos deben ofrecer formas rápidas y seguras para que los clientes realicen compras con un proceso de revisión de órdenes que se reduzca a segundos, especialmente para los negocios que ofrecen entrega el mismo día, al día siguiente o BOPIS. Los clientes modernos esperan actualizaciones en tiempo real del progreso de sus pedidos, algo que los procesos de revisión manuales no pueden cumplir. Los retrasos, tardanzas y la falta de información que genera incertidumbre frustran las expectativas del cliente y dañan su experiencia con la marca.

La revisión manual surgió como la solución más temprana para mitigar el fraude y todavía es ampliamente utilizada por algunos comercios electrónicos, sin embargo por este proceso se desvían pedidos de clientes legítimos debido a la dependencias de los ya mencionados filtros AVS y CVV.

AVS: Proceso que hace coincidir la dirección de facturación utilizada en una transacción con la información de la dirección de facturación que el banco emisor de la tarjeta tiene archivada para el titular de la tarjeta. 

CVV: Es el código de seguridad de tres o cuatro dígitos que comúnmente se encuentra en el reverso de una tarjeta de crédito o débito.

Con estos filtros, lo más común en la revisión manual es que caigan muchos pedidos en un área gris, y que, por ello, probablemente terminen rechazados. Sin embargo con herramientas de prevención de fraude modernas como Signifyd estos pedidos pueden no sólo aprobarse, sino enviarse con una garantía financiera integral contra chargebacks. Si el pedido resulta ser fraudulento, entonces el comercio en línea no tendrá que pagar los costos ocasionados por el contracargo, gracias a la garantía financiera ofrecida.  

Además de brindar un rendimiento superior a otras soluciones, Signifyd garantiza las decisiones de su plataforma, lo que significa que el comercio está completamente protegido contra pérdidas. 

Este combo de rendimiento superior y decisiones garantizadas solo es posible gracias a nuestros modelos de aprendizaje automático .Signifyd utiliza aprendizaje automático impulsado por IA para  minimizar los falsos positivos, al mismo tiempo que identifica con mayor precisión de dónde proviene el verdadero fraude. Eso permitirá que los negocios en línea automaticen sus procesos, puedan vender más y mejoren la experiencia de compra para sus clientes.

Estos modelos de aprendizaje automático tienen tres objetivos:

• Tomar decisiones en tiempo real para una experiencia de pago óptima para el comprador.
• Optimizar las reglas que ayudan al sistema a identificar patrones, tendencias de fraude y abuso.
• Evitar los falsos positivos y cumplir con el número máximo de pedidos aprobados.

Los modelos de aprendizaje automático unen los conocimientos de la Red de Comercios de Signifyd con la información específica de un pedido entrante. En cada transacción realizada automáticamente, se analizarán miles de variables para obtener decisiones más precisas sobre el riesgo de fraude que trae consigo o su legitimidad. Estas variables son características de identidad, comportamiento, historial, red, dispositivos entre otras, para así reconocer pedidos legítimos y bloquear el fraude. 

Cuanto más variados sean los datos que se revisan, más sólidos serán los modelos de aprendizaje. Conoce más sobre estas variables:

• Rasgos de identidad: Vinculan datos de información de identificación personal, como nombre del titular de la tarjeta, dirección de correo electrónico, número de teléfono, dirección de facturación y dirección de envío.
• Características de comportamiento: Detectan patrones derivados del análisis de datos de comportamiento, incluyendo la creación y el inicio de sesión de cuentas, actualizaciones de información de pago, la edad de la cuenta y el tiempo desde la última compra.  Se mide también la velocidad y el volumen de las transacciones, el ritmo de escritura, el seguimiento de los clics y movimientos, el tiempo en la página, el tiempo de pago y el número de artículos comprados en un período de tiempo específico. Las transacciones de alta velocidad y alto volumen pueden ser un indicador de un ataque por bots.
• Historial y características de la red: Toma en cuenta los historiales de pedidos específicos del comercio en línea y de toda la Red de Comercios para establecer patrones de compra reconocibles. 
• Detección de proxy: Identifica la presencia de un proxy. Estos reemplazan la verdadera dirección IP de un visitante del sitio web con una falsa y son comúnmente empleados por estafadores para ocultar las direcciones IP con asociaciones previas a actividades fraudulentas.
• Características del dispositivo: Esta función reconoce los dispositivos del comprador al vincular los datos de huellas dactilares con la inteligencia de geolocalización y el historial anterior del dispositivo. El ID del dispositivo, el lenguaje, el sistema operativo, el tipo de navegador y la dirección IP. 

Una plataforma de protección completa como Signifyd, además de minimizar los falsos positivos mientras detecta a los defraudadores, permite que tu comercio en línea obtenga un mayor retorno de su inversión y garantiza experiencias de compra positivas para tus clientes, lo que hará que regresen por más. 

Comienza a crecer sin miedo gracias a nuestra protección.