¿Cómo podemos distinguir el fraude del buen comportamiento del cliente?

¿Cómo podemos distinguir el fraude del buen comportamiento del cliente?

Combatir el fraude y mantener contentos a los clientes buenos es uno de los determinantes clave del éxito del ecommerce. Permite demasiado fraude y tu banco podría cerrarte tu cuenta comercial. Rechaza demasiados buenos pedidos y tus costos de adquisición de clientes se dispararán. La tecnología, especialmente la IA y el análisis de datos, han facilitado encontrar el equilibrio adecuado. Sin embargo, ya sea una persona o un algoritmo que observa los pedidos, la forma de estar evaluando las variables de pedido en busca de pistas, y la naturaleza de esas pistas está cambiando.

Echa un vistazo a qué variables son los indicadores de fraude más útiles y por qué la forma en que los comerciantes los ven necesita evolucionar.

¿Cuáles son las principales variables de pedido y por qué son importantes?

En un pedido, las variables son cualquier dato que puede cambiar de un pedido a otro, como los artículos comprados, el día de la semana en que se realizó la compra, el tipo de dispositivo desde el que se realizó el pedido, etc. Las principales variables de pedido para detectar posibles fraudes, son:

Total del pedido. En general, es más probable que los pedidos de mayor valor sean fraudulentos que los pedidos de menor valor. Esto se debe a que los estafadores compran con información de pago robada, por lo que no les preocupan las restricciones presupuestarias y porque normalmente se enfocan en artículos de alta gama o grandes lotes de artículos para revender.

Categoría de producto. Los zapatos de diseñador, los teléfonos inteligentes y las computadoras portátiles son objetivos populares para los estafadores porque estos artículos son fáciles de revender en mercados clandestinos.

Dirección de entrega. El destino del producto es el único vínculo físico que tienen los pedidos de ecommerce con el comprador. Dado que los estafadores suelen formar parte de una red delictiva organizada, tienden a enviar los pedidos a puntos de recolección cerca de puertos y otras infraestructuras de distribución. Como resultado, los destinos en algunos códigos postales pueden ser más riesgosos que otros.

¿Qué tiene de complicado evaluar las principales variables de pedido?

A primera vista, parece que la solución más simple sería pecar de precavido con estas variables, tal vez rechazando automáticamente los pedidos que superen un cierto umbral de valor, que contengan demasiados artículos buscados o que se envíen a ubicaciones específicas. Sin embargo, ese enfoque no ha sido una buena idea incluso antes de la pandemia, porque rechazando pedidos automáticamente corres el riesgo de dañar tu relación con los clientes buenos.

Por ejemplo, en 2018, el 30% de todos los consumidores dijeron que les habían rechazado un pedido en línea, y ese porcentaje se duplicó para los compradores con ingresos de $1 millón o más. ¿Por qué? Los consumidores adinerados suelen gastar más por pedido, comprar artículos codiciados como zapatos y bolsos de diseñador y enviar sus compras a un hotel, resort o residencia secundaria donde se hospedan ocasionalmente.

Ahora, los consumidores de todos los niveles de ingresos han cambiado su comportamiento en respuesta al Covid-19, los cierres y la incertidumbre económica. Ahora es más probable que compren al por mayor cuando encuentran los artículos que necesitan, debido a las preocupaciones sobre la escasez y la cadena de suministro. Muchas personas que mantuvieron sus empleos y comenzaron a trabajar desde casa han ahorrado suficiente dinero en gastos de oficina y transporte para disfrutar de artículos de moda. Y muchas personas se han mudado, temporal o permanentemente, desde el inicio de los confinamientos.

Según los datos que recopilamos de más de 1000 compradores en línea en cada uno de los cinco países (Estados Unidos, Reino Unido, México, Australia y Canadá) en nuestra Encuesta sobre el Estado de las Actitudes del Consumidor sobre Ecommerce, Fraude y Experiencia de Cliente 2021, EL 78% compró en línea con más frecuencia que antes de la pandemia y el 53% ahora compra productos en categorías que no había comprado antes de marzo de 2020. En Estados Unidos y México, el 17 % hizo su primera compra en línea después de que comenzó la pandemia.

Mientras que el comportamiento del consumidor estaba ya cambiando de manera que enturbiaba los principales datos variables del pedido, los estafadores también aumentaron sus ataques a los comerciantes de ecommerce. En 2021, el fraude de apropiación de cuentas, el fraude de identidad sintética y el fraude de terceros aumentaron en comparación con el año anterior, y 2020 fue un gran año para el fraude de ecommerce. Por lo tanto, la probabilidad de fraude es ahora mayor que nunca.

Al mismo tiempo, muchos consumidores han perdido la paciencia por las malas experiencias. El 40% de los encuestados no volverán a comprar con un comerciante que rechace su pedido, y el 34% se quejará del comerciante en redes sociales. Los comerciantes tienen que equilibrar el riesgo de pérdidas por fraude con el riesgo de pérdida de clientes y daños a la marca, y tienen que hacerlo adaptándose a la forma en que evalúan las principales variables de pedido.

Las mejores prácticas actuales para evaluar las principales variables de pedido

Una forma de evaluar las principales variables de pedido con precisión es comparando todos los pedidos con una base de datos que contenga información, como:

  • Cuántas veces las personas han pedido entregas a la dirección de envío que solicitaron. Una gran cantidad de pedidos a una misma dirección puede ser una señal de fraude, especialmente si provienen de diferentes clientes.
  • Cuántas veces el cliente que realiza el pedido ha presentado un contracargo. Un número alto puede ser un indicador de fraude amistoso.
  • Si los pedidos del cliente han sido aprobados antes. Esto ayuda a los comerciantes a evitar el rechazo a clientes leales.
  • Si varios compradores están usando la misma dirección, número de teléfono y dirección de correo electrónico. Esto podría detectar ya sea un fraude, o bien, un hogar donde un adulto ayuda a adolescentes o personas mayores a comprar en línea.

Este tipo de base de datos debe actualizarse continuamente con información nueva, ya que los datos estáticos se degradan demasiado rápido y no son útiles durante mucho tiempo. Además, la base de datos y la evaluación de variables de pedidos no deberían conducir a rechazos automáticos. Para reducir el riesgo de rechazar buenos clientes, los comerciantes deben revisar manualmente todos los pedidos marcados con alerta de fraude y luego alimentar las bases de datos con los resultados de dichas revisiones para que la IA mejore la clasificación de los pedidos buenos de los fraudulentos.

Hemos visto una gran cantidad de cambios en el comportamiento del consumidor, el crecimiento y el fraude en el ecommerce durante el último año y medio. Con buenos datos, métodos de detección inteligente y múltiples capas de control de fraude, los comerciantes de ecommerce pueden evitar el fraude y retener a sus buenos clientes, incluso en tiempos de cambios importantes.

Nova call to action

También te puede interesar

¿Quieres escribir
para nuestro blog?

Por favor, revisa las pautas de nuestros escritores Directrices para blogs de invitados de ClearSale y luego, ¡escribe a guestwriter@clear.sale con su discurso!

Subscribe to our blog