Desde la perspectiva de un comercio, el fraude en línea parece ser tan simple como devastador.
Un tipo malo o un grupo de ellos, usan credenciales obtenidas ilegalmente o identidades robadas o fabricadas para ordenar productos, robándolos al comercio. Y en un nivel alto, ese es el final y el corto del crimen. Pero el efecto económico es mucho más matizado y mucho más dañino.
El vicepresidente de marketing de Signifyd, Stefan Nandzik, se sentó la semana pasada con EYStudios Meagan Bryson para analizar en profundidad el verdadero costo del fraude en línea y algunas de las formas innovadoras en que los comercios, con la ayuda de empresas como Signifyd, están adoptando nuevos métodos para cambiar el matemáticas sobre pérdidas por fraude.
Primero, el problema: sí, cuando los comercios se ven afectados por el fraude, no pagan el costo de los productos ni las tarifas adicionales relacionadas con el envío y las devoluciones de cargo. Nandzik explicó que el costo asciende a aproximadamente el .9 por ciento de los ingresos de toda la industria. Pero eso es solo una fracción de lo que realmente cuesta el fraude, le dijo Nandzik a Bryson.
El hurto de mercancías es sólo el comienzo del coste del fraude en línea
Considere, por ejemplo, el costo de un comercio de prepararse contra el fraude: los analistas de fraude y las herramientas de detección que una empresa compra para detectar y prevenir el fraude. Nandzik lo sitúa en otro 1,6 por ciento de los ingresos. Entonces, ahora estamos hasta un 2.5 por ciento de mordida.
Pero eso no es nada.
“Realmente, el mayor impacto, cuando se trata del costo del fraude, es que, a medida que el proceso de fraude madura, los comercios comienzan a ser cada vez más restrictivos en los pedidos que aceptan, debido al temor al fraude”, dijo Nandzik durante el podcast de EY Access.
Empiezan a rechazar pedidos que son realmente buenos. Después de todo, no puede recibir un contracargo en un pedido que nunca envía. Pero la toma de decisiones demasiado conservadora representa más de la mitad del costo del fraude, lo que representa el 2.9 por ciento de los ingresos. En total, dijo Nandzik, el fraude en línea les está costando a los comercios un 5,4 por ciento de los ingresos.
Y cuando aplica ese costo a los $ 461 mil millones en gasto anual en comercio electrónico en los Estados Unidos, ve que tales falsas disminuciones les están costando a los comercios $ 13,3 mil millones al año.
Según Nandzik, el coste del fraude no sólo es un gran problema, sino que va en aumento. Citando el más reciente índice de fraude en el comercio electrónico de Signifyd , dijo que las pérdidas por fraude aumentaron un 7% el año pasado.
Dicho esto, Bryson preguntó, ¿qué pueden hacer los comercios para protegerse de los crecientes ataques de fraude?
Cómo aplicar una prevención eficaz del fraude en línea
Nandzik explicó que algunos comercios, particularmente los pequeños y los nuevos, a menudo comienzan por monitorear el fraude por su cuenta. Algunos agregarán una herramienta de detección de fraude en el comercio electrónico que proporciona una puntuación para indicar si un pedido determinado es probablemente legítimo o fraudulento. Pero ese es un modelo antiguo. Y uno que, francamente, probablemente resulte en el problema de que un comercio rechace pedidos legítimos por temor al fraude.
Existe una forma mejor, y más nueva, para que los comercios se protejan. Signifyd fue pionero en el modelo de protección contra el fraude garantizado , que se basa en big data, aprendizaje automático y experiencia en el dominio. Entre las ventajas del modelo se encuentra la gran cantidad de datos de comportamiento y transacciones que alimentan la máquina inteligente de toma de decisiones que proporciona una decisión de sí o no sobre el envío.
“Tenemos un enfoque de big data, dijo” Nandzik, “toneladas de datos digitales, lenguaje corporal digital de la gente – ¿cómo se compara el comportamiento entre los buenos pedidos frente a los malos? Vemos patrones en todos los sitios.”
Así, en lugar de basar una decisión sólo en lo que ocurre en el sitio de un minorista, el enfoque de Signifyd considera millones de transacciones en miles de sitios para pedidos realizados en más de 100 países.
El método también aborda los problemas de los falsos rechazos, aprobando el envío de algunos pedidos que parecen fraudulentos. Si el pedido es efectivamente fraudulento, esa información se introduce inmediatamente en el modelo de aprendizaje automático, que perfecciona su precisión. Si el pedido no era en realidad fraudulento, esa información también pasa directamente a la máquina inteligente, que inocula al sistema para que se vuelva cada vez más conservador.
Equilibrar el miedo al fraude con la experiencia del cliente
Lo mejor de todo es que, desde la perspectiva de un comercio, la protección contra el fraude garantizada viene con una garantía financiera. Si un pedido que Signifyd aprueba finalmente resulta ser fraudulento, Signifyd reembolsa al comercio el costo de los productos enviados y cualquier costo asociado, como las tarifas de envío y fraude.
“Es un equilibrio entre el miedo y la conveniencia de su cliente, dijo” Nandzik.
El enfoque eleva la protección contra el fraude más allá de ser simplemente una iniciativa de seguridad y se convierte en una parte de la estrategia de experiencia del cliente de los comercios. En la era de Amazon, con su eficiencia de cumplimiento y los comercios nativos digitalmente, que establecen una conexión significativa con los clientes, los comercios no pueden permitirse retrasar los pedidos debido a revisiones manuales frecuentes y engorrosas. Tampoco pueden permitirse rechazar pedidos de clientes que legítimamente quieren gastar dinero en sus sitios.
De nuevo, parece sencillo: Haz que comprar en tu sitio sea fácil y no insultes a tus clientes. Pero, como ocurre con la mayoría de las cosas en el comercio electrónico, el concepto puede ser sencillo, pero una vez que se profundiza en él, se ve que hacer realidad la visión no es tan fácil como parece.
Foto de iStock
Contacta con Mike Cassidy en mike.cassidy@signifyd.com; síguelo en Twitter en @mikecassidy.