El uso de datos de clientes para ayudar a prevenir falsos positivos

A medida que aumenta el comercio en línea, los clientes esperan que los comerciantes los reconozcan. McKinsey descubrió que en noviembre, el 71% de los clientes esperaba interacciones personalizadas con las empresas y el 76% “se frustra cuando esto no sucede”. La personalización generalmente involucra mensajes de marketing, campañas de correo electrónico y sugerencias de productos, pero ¿qué podría ser más personal y más crucial para una experiencia de compra personalizada que reconocer a los buenos clientes cuando hacen un pedido?

Desafortunadamente, incluso los comerciantes que invierten en marketing personalizado a veces tropiezan con este paso final antes de la venta. En lugar de reconocer un buen pedido, sus herramientas de detección de fraude lo marcan como posible fraude y el pedido es rechazado. Según más de 5000 adultos que participaron en el informe de ClearSale Estado de las Actitudes del Consumidor, Fraude y CX más reciente, estos falsos positivos o falsos rechazos ocurrieron con más frecuencia desde el comienzo de la pandemia.

Tasas crecientes de falsos positivos en el ecommerce

El 15% de los encuestados en Estados Unidos, Canadá, México, Reino Unido y Australia dijeron que experimentaron un fraude de pago en línea entre marzo de 2020 y marzo de 2021. Sin embargo, el 25% dijo que se les rechazó un pedido mientras intentaban comprar en línea y casi la mitad de esos consumidores dijeron que experimentaron más rechazos durante el período de la encuesta que en 2019.

Los compradores de la Generación Z y Millennial tenían muchas más probabilidades de ser rechazados por error: el 48% de los jóvenes de 18 a 24 años y el 34% de los jóvenes de 25 a 39 años reportaron al menos un rechazo durante el período de la encuesta. Entre los encuestados de la generación X y los Baby Boomers, solo el 16% experimentó una disminución. ¿Por qué hubo una diferencia generacional en las tasas de rechazo? Puede ser que los consumidores mayores tengan más datos históricos a los que recurrir o que sea menos probable que hagan compras en categorías con mayor riesgo de fraude, como juegos en línea y boletos para eventos.

Cualquiera que sea la razón, muchos clientes no perdonan cuando ocurren estos rechazos. El 65% de todos los compradores en línea en la encuesta dijeron que si un comerciante rechazaba su pedido y luego pedía más información para aprobarlo, no se la proporcionarían. En otras palabras, si el comerciante no los reconoce de inmediato, la mayoría de los clientes simplemente optarían por no continuar. En la misma encuesta, casi la mitad dijo que nunca volvería con un comerciante después de un rechazo. Esto representa una pérdida del valor de por vida del cliente y del presupuesto de marketing que el comerciante gastó para llevarlos hasta la tienda.

Comprender por qué ocurren los falsos rechazos

Con tantos riesgos en la experiencia y la retención del cliente, vale la pena entender por qué ocurren los falsos rechazos a pesar de que hay tantos datos disponibles para filtrar los pedidos en busca de fraude. Hay dos cuestiones clave: el tipo de datos que usa el programa de control de fraude de un comerciante y lo que sucede después de que esos datos se utilizan para filtrar un pedido.

Veamos primero el tipo de datos. Muchas plataformas de ecommerce cuentan con herramientas integradas de detección de fraude que aplican reglas simples a los pedidos y marcan aquellos que no las cumplen. Por ejemplo, una herramienta de fraude simple podría ejecutar un pedido a través de AVS (servicio de verificación de direcciones) y verificar el número de tarjeta y el código de seguridad CVV. Si un dígito en el código postal está apagado o si el cliente realiza el pedido desde una nueva dirección de facturación porque se acaba de mudar, las reglas del programa pueden marcar el pedido como posible fraude.

Por supuesto, marcar un pedido con riesgo de fraude o asignarle una puntuación de riesgo superior a la media no es lo mismo que rechazarlo. Aquí es donde importan las acciones basadas en esos resultados. Si un comerciante tiene su programa de control de fraude configurado para rechazar automáticamente pedidos por encima de un cierto umbral de riesgo, o cualquier pedido con banderas de fraude, este generará algunos rechazos falsos, según escenarios como los que acabamos de considerar. Cada rechazo conlleva el riesgo de pérdida de clientes.

Uso de datos de clientes para una mejor detección de fraude y CX

Para evitar rechazar buenos pedidos y detener el fraude, los comerciantes pueden cambiar los datos que usan y la forma en que los usan. El paso más importante es acceder a los datos históricos y en tiempo real del cliente, incluido su historial con el comerciante y su historial más amplio de interacciones en línea junto con marcadores como datos del dispositivo, biometría de comportamiento y geolocalización.

Con estos datos, una discrepancia de dirección de un dígito aún podría generar una pequeña alerta, pero esa alerta podría mitigarse con otros datos que muestren que el cliente cambió su dirección recientemente. Los datos históricos del comprador por primera vez en línea pueden mostrar que está usando una dirección de correo electrónico que ha tenido durante 10 años y una dirección de entrega en la que ha vivido durante 20, lo que hace menos probable que se trate de un estafador.

Para minimizar el riesgo de falsos positivos, cada pedido con una puntuación de riesgo por encima de cierto umbral establecido por el comerciante debe analizarse a profundidad antes de tomar una decisión. Esto se debe a que el análisis contextual sigue siendo importante en los "casos extremos" en los que el algoritmo de fraude no puede decidir. La revisión avanzada también permite que el comerciante ingrese los resultados de esas revisiones en el programa de aprendizaje automático para que su programa de fraude mejore con el tiempo en la identificación del comportamiento bueno y malo de los clientes.

Reconocer a los clientes en la caja, cuando han comprometido su tiempo y su dinero en tu tienda, es la clave para construir y mantener relaciones duraderas y para evitar la pérdida de clientes. Trabajando con más datos históricos de clientes en tiempo real y revisando de manera avanzada los pedidos sospechosos, puedes aprobar más pedidos y hacer que esos clientes regresen a tu tienda.