Tag: Fraude

 

Quando falamos de gestão de lojas online, uma das grandes preocupações que surgem é o temido chargeback, causado principalmente por compras efetuadas com cartões fraudados. 

Para resolver esse problema, a vasta maioria dos ecommerces protegem-se utilizando os tão conhecidos antifraudes. 

O antifraude é basicamente uma ferramenta que, após a pré-autorização da compra com cartão de crédito, analisa uma série de dados coletados de uma compra online e calcula um score de risco para essa compra. Compras avaliadas como de alto risco são negadas.

Essa avaliação do antifraude é crítica e impacta diretamente o P&L da loja. Se o antifraude não conseguir detectar a fraude, a loja entregará um produto para o fraudador, e a loja nunca vai receber o dinheiro. Se o antifraude começar a negar transações lícitas, por considerá-las suspeitas, a loja perderá vendas. Assim, qualquer falso positivo ou falso negativo do antifraude representa um prejuízo no bolso do ecommerce.

 

Medindo a performance dos antifraudes

Uma das coisas que mais vejo de dúvida em relação aos antifraudes é como avaliar sua performance. Como saber se ele é bom? ou como comparar com um outro antifraude?

Quanto melhor for um antifraude, melhor ele vai ser nas três métricas de performance:

• custo do antifraude por transação
• percentual de vendas com chargeback
• taxa de aprovação do antifraude

O interessante é que essas métricas trabalham em sentido contrário: se você melhora uma delas, as outras tendem a piorar. Se você melhorar duas delas, a terceira com certeza vai piorar. E daí vem a confusão. Eu já vi gestores de loja super felizes dizendo: “Estou pagando super barato em um antifraude que quase não me dá chargeback” aí eu pergunto: “E como está sua taxa de aprovação?” Aí ele olha e descobre que está sendo negado 25% das suas vendas!

Antifraudes com baixo custo e baixo chargeback tendem a ter baixa taxa de aprovação. 

Por outro lado, se você tiver um antifraude que tem baixo chargeback e alta taxa de aprovação, possivelmente o custo da solução será alto. Na prática, o antifraude estará investindo muitos recursos (que vamos entender mais a frente) para garantir a assertividade do score. Soluções assim são úteis para produtos de ticket muito alto, ou com alta incidência de fraude como notebooks e celulares.

Por fim, se algum antifraude oferecer um serviço de baixo custo e com uma baixa taxa de negação, preocupe-se imediatamente com o nível de chargeback.

A melhor forma de analisar a performance de um antifraude é analisar as três métricas de performance sempre juntas. Não existe um número mágico para cada uma delas, pois dependendo do seu negócio, da sua estratégia, e do momento do seu ecommerce essas métricas podem variar. 

Apesar de não ser tema deste artigo, essas métricas valem inclusive para todas as variantes de soluções antifraude, incluindo soluções de autenticação, como o 3DS, ou de verificação de biometria facial. Nesses casos o chargeback reduzirá muito, então olho no custo e principalmente na taxa de autorização.

Na prática, o que vai fazer um antifraude ser melhor que outro é a qualidade do seu modelo de avaliação de risco. Um melhor modelo vai, com um menor custo, impedir o chargeback sem comprometer a taxa de aprovação.

 

Por dentro do modelo de um antifraude

Mas como funciona esse tal modelo em uma solução de antifraude? Tipicamente o modelo de antifraude tem duas etapas: 

1. Análise automática e 
2. Análise manual (ou mesa de análise). 

A análise automática é realizado através da (i) coleta de informações associadas a compra, como por exemplo, dados do comprador, itens do carrinho, experiência de navegação, dados de pagamento e (ii) enriquecimento dessas informações com dados proprietários do antifraude e dados externos de bureaus de crédito para (iii) ser processado pelo modelo de scoring. 

Um antifraude pode utilizar três tipos de modelos para analisar automaticamente uma compra:

• modelos de regra: São os primeiros modelos de antifraude que surgiram. É composto basicamente por um grande conjunto de regras programáveis que coletam uma série de informações da compra e atribuem pontos para determinadas condições, tendo como output o score da compra. Por exemplo: Atribui-se pontos de risco para quem compra pela primeira vez, ao valor da compra e pela região do cartão de crédito. Pode existir uma regra que se um comprador estiver comprando pela 1a vez, o valor da compra for acima de R$1.000 e estiver usando um cartão emitido na Rússia o score de risco fica tão alto que a compra é negada. Esse modelo, além de bem intuitivo, quando bem calibrado por especialistas e sempre atualizado, traz bons resultados.
• modelos de machine learning: Neste caso, o modelo recebe uma série de dados da compra, semelhante ao caso anterior e alimenta um modelo que é treinado para identificar padrões de compras fraudulentas. A vantagem é que esses padrões nem sempre são intuitivos para nós humanos, e são únicos por loja, o que melhora demais a assertividade. A desvantagem é que esses modelos podem demorar algumas semanas para “aprender” e ser performáticos, necessitando no início da operação de alguns cuidados.
• modelos híbridos: Combinam o melhor do modelo de regras com o de machine learning para calcular o score, podendo ou não abrir a configuração e criação das regras para o lojista. Hoje em dia, muitos modelos de antifraude do mercado são híbridos e têm ótimos resultados.

Após  passar no modelo automático, é gerado um score da compra em poucos minutos ou até segundos: 

• Se o score for bom (por exemplo o mesmo cliente comprando pelo quinto mês seguido na mesma loja e com o mesmo cartão) a transação é aprovada na hora. 
• Se o score for ruim (por exemplo, alguém comprando 5 celulares com um cartão já identificado como fraudulento e entregando em um endereço onde já ocorreu fraude) a compra é recusada na hora. 
• Mas existe um meio termo onde o score fica em uma zona cinza e o modelo automático não consegue ser assertivo. É o momento em que muitos antifraudes utilizam a análise manual. É usado para “desempatar” o modelo automático e conta com profissionais experientes que avaliam cada transação, podendo em certos casos até contactar o comprador. 

 

O impacto da análise manual

Para um antifraude, uma transação que envolve uma análise manual custa em torno de 10 vezes o custo de uma transação que foi decidida automaticamente. Assim, o antifraude calibra o percentual das transações que vai usar análise manual para não impactar o custo final do serviço para seus clientes. Existem antifraudes, que para entregar alta assertividade, usam análise manual para 15% das transações, enquanto que existem outros, que com o objetivo de entregar um preço altamente competitivo praticamente não usam análise manual e para evitar o chargeback, tendem a aprovar menos transações. É o caso já discutido do baixo custo, baixo chargeback que penaliza a métrica de aprovação.

Pelo alto custo e pela lentidão que a análise manual traz ao processo de aprovação de compra, as empresas de antifraude estão evoluindo sua tecnologia de detecção para reduzir a necessidade da análise manual. Alguns novos players de antifraude já oferecem soluções que dispensam a análise manual. Para esses casos, fica a recomendação de se verificar as três métricas de performance. 

Assim, entender como um antifraude utiliza a análise manual pode dar uma boa ideia de como será sua taxa de aprovação. 

 

Garantia de chargeback vale a pena?

Alguns antifraudes oferecem soluções que reembolsam o chargeback, chamada de garantia de chargeback. Pensando novamente naquelas três métricas, isso significa que a alavanca do chargeback vai para 0%. Então, o que na prática acontece, é que ou o serviço fica bem mais caro ou a taxa de aprovação piora muito. Outro ponto a considerar é que a empresa de antifraude vai estimar de forma conservadora um custo de reembolso de chargeback e vai precificá-lo no serviço. E se o chargeback real for acima do estimado, em poucos meses haverá uma reprecificação. Por todos esses motivos, na minha opinião, vale mais a pena o ecommerce arcar com o chargeback e negociar um bom preço por transação. 

 

Portanto, agora que você já tem um conhecimento bastante amplo sobre o mundo dos antifraudes para compras online, quando for escolher o do seu ecommerce, lembre-se de sempre analisar as 3 métricas de performance de forma conjunta, perguntar como funciona o modelo de antifraude e como ele se diferencia em relação aos concorrentes e por fim entenda como o antifraude faz uso de análise manual.