Combatir el fraude con pruebas rápidas

Combatir el fraude en pagos puede ser más difícil de lo que crees. Nos esforzamos por asegurar que los clientes reales tengan una experiencia de pago fluida pero, aún así, la delincuencia se adapta rápidamente y ataca a la empresa con sus conocimientos técnicos.

La necesidad de contar con un sistema de gestión de fraude sofisticado es real. Encontrar el equilibrio entre la optimización continua de la protección contra el fraude y evitar rechazar clientes válidos (que, en el momento de la compra, pueden parecer muy sospechosos) puede suponer una gran dificultad.

Un informe de 2019 realizado por el Merchant Risk Council  estima que, de media, las empresas online rechazan el 2,5 % de todos los intentos de pago por sospecha de fraude. Este número puede significar pérdidas de ingresos millonarias (si los pagos rechazados no eran fraudulentos).

Conviene prestar atención a la necesidad de todas las empresas de reajustar y calibrar su estrategia de fraude. Ajustar reglas y marcadores al azar, cambiar un modelo por otro o integrarse con terceros para validar datos de clientes es una opción válida, pero no suele ser el camino más eficiente.

Las pruebas A/B no son nuevas, pero son un método de eficacia demostrada para determinar si los cambios realizados en las configuraciones tienen efecto sobre los resultados según las métricas representativas.

Las pruebas A/B son un método utilizado para decidir si una variante tiene efecto sobre los resultados en comparación con la de control.

En el entorno del riesgo y el fraude, es esencial monitorizar los resultados de cualquier cambio y cómo afectan a los falsos negativos y positivos. Los falsos negativos son los casos de fraude real que su sistema no ha detectado y que generan devoluciones. Los falsos positivos son pedidos reales que se clasifican de forma errónea como fraude y causan pérdidas de ingresos reales.

El objetivo de las pruebas A/B es calcular el impacto que tienen los cambios sobre estas métricas y averiguar si este impacto es real o se debe a una coincidencia (variación natural). En última instancia, esto puede ayudar a tomar decisiones sobre si estos cambios deben aplicarse a todas las transacciones.

En marketing y análisis web, las pruebas A/B se han adoptado con gran rapidez, pero dada la complejidad y la profundidad de los datos disponibles en gestión de fraude, las pruebas A/B deberían considerarse fundamentales. Las pruebas A/B son un experimento controlado con dos variantes, A y B, una forma de comparar dos versiones de una sola variable, normalmente probando la respuesta de un sujeto a la variable A en comparación con la variable B para determinar cuál de las dos variables es más efectiva.

El equipo global de expertos en riesgos de Adyen siempre ha utilizado este marco de experimentación internamente, pero estamos deseando empezar a ofrecer estas funcionalidades a nuestros clientes.

Adyen ejecuta todas las configuraciones(la combinación de un conjunto concreto de configuraciones de riesgo como perfil) mediante su optimizador de riesgos basado en aprendizaje automático, creando así una solución híbrida que tiene lo mejor de ambos mundos: la transparencia y el control de una solución basada en reglas y las predicciones adaptables y precisas del aprendizaje automático.

Las versiones iniciales que probamos con los empresas piloto se centraban en métricas clave como los índices de autorización y fraude, pero averiguamos rápidamente que las conclusiones detalladas también debían ser un componente esencial.

No es solo que queramos fomentar las pruebas continuas de nuevas configuraciones de prevención de riesgos, también creemos que una gestión de fraude correcta se basa en tomar buenas decisiones basadas en datos en lugar de en opiniones. La herramienta de experimentación de Adyen es parte de este enfoque, y ayudará a las empresas a adelantarse a las circunstancias.

Ahora que ya conoce las capacidades de nuestra herramientaExperiments, veamos un caso de éxito real.

Con un elevado volumen de transacciones, OLX Brasil es uno de los mercados más grandes del mundo. Las empresas siempre han tenido dificultades con la gestión del riesgo.

OLX y Adyen desarrollaron conjuntamente una estrategia basada en tecnología de aprendizaje automático y uso inteligente de datos. Analizando la base de información de pagos, el algoritmo comprendía mejor los comportamientos de los clientes y proporcionaba conclusiones optimizadas sobre conversiones, aprobación de transacciones y formas de acercarse a la experiencia de cliente ideal.

Con esta nueva información, el siguiente paso era revisar el perfil de riesgo utilizado en la herramienta de protección contra el fraude en pagos de OLX. Este perfil consiste en diferentes tipos de datos como la ubicación, los correos electrónicos, las cantidades medias, los datos de tarjetas, los productos de los carros de la compra, historiales de usuarios y mucho más. Cada elemento recibe una puntuación según su riesgo de ser fraudulento. Este era el perfil A.

Se creó un segundo perfil de riesgos de pago, el perfil B, reuniendo un conjunto de reglas nuevas. El aprendizaje automático calibró las puntuaciones de cada perfil según los datos generados por el historial de ventas de la empresa. «Ya que contábamos con datos suficientes, una herramienta potente y clientes dispuestos a probar soluciones nuevas, iniciamos una prueba de tipo A/B», explica Ligia Pires, directora de confianza y seguridad de OLX Brasil. «Las pruebas consisten en ejecutar el perfil de prevención de fraude nuevo y el viejo en paralelo para averiguar cuál tiene mejores resultados».

La primera fase del periodo de pruebas duró cuatro semanas, durante las cuales solo se envió el 10 % del volumen de ventas al nuevo perfil de pagos antifraude. Tras lograr buenos resultados, se aumentó el volumen al 25 % durante otras dos semanas, y después al 50 % durante las últimas dos.

«En este momento, Adyen nos proporciona soporte en nuestras iniciativas de pago, y su tecnología nos permite tener lo mejor de ambos mundos: transacciones financieras válidas y aprobadas, y un sistema de prevención de fraude potente que bloquea las compras ilegítimas», concluye Pires.

El productoRevenueProtectde Adyen para la prevención de riesgos contará con la nueva herramienta de experimentación como complemento premium una vez se completen las pruebas beta. Si le interesa participar en el programa piloto para ver de qué es capaz,póngase en contacto con nosotros.

De momento puede averiguar cómo la potencia del sistema de pago le proporciona más datos en un mismo lugar y le ofrece un control total para realizar pruebas, sacar conclusiones y optimizar mediante experimentos.