SEGURIDAD

Aprende a luchar contra el fraude con pruebas rápidas

La forma más eficaz de ponerle un alto a los estafadores es mediante pruebas de configuración de riesgos hechas a profundidad.

Luchar contra el fraude en pagos puede ser más desafiante de lo que se cree. Trabajas fuerte para garantizar que tus clientes reales tengan una experiencia de pago perfecta, sin embargo, los delincuentes se adaptan rápidamente y apuntan a tu negocio utilizando sus muchos conocimientos técnicos.

La necesidad de un sistema sofisticado de gestión del fraude es real, y lograr el equilibrio adecuado entre optimizar continuamente tu protección contra él, sin rechazar pedidos reales (que en el momento de la compra, a veces parecen muy sospechosos), puede ser un verdadero reto.

Un informe de 2019 del Merchant Risk Council estima que, en promedio, las empresas en línea disminuyen un 2.5% de todos los intentos de pago debido a la sospecha de fraude. Este número podría equivaler a millones en ingresos perdidos (si el pago rechazado no fuera fraudulento).

Entonces, ¿cómo puede una empresa seguir creciendo rápidamente y proteger a los clientes sin bloquear demasiadas transacciones genuinas? A medida que evolucionan las técnicas de fraude, es fundamental que cualquier solución de gestión lo detecte, analice y se adapte lo más rápido posible.

El poder de las pruebas A / B

Vale la pena analizar más de cerca la necesidad de que cualquier empresa ajuste y calibre continuamente su estrategia de fraude. Ajustar reglas y puntajes aleatoriamente, intercambiar un modelo por otro o integrarse con terceros para validar los datos del cliente es una opción, pero generalmente no es la ruta más eficiente a seguir.

Las pruebas A / B no son un concepto nuevo, pero se trata de una metodología probada que se utiliza para determinar si los cambios que hacemos en una configuración tienen o no un impacto en los resultados medidos por ciertas métricas representativas.

En el ámbito del riesgo y el fraude, es vital realizar un seguimiento del impacto de cualquier cambio y cómo esto afecta a los falsos negativos y falsos positivos. Los primeros son el fraude real que tu sistema ha pasado por alto y que se convierten en devoluciones de cargo. Los segundos son en realidad buenos pedidos que se clasifican falsamente como fraude, lo que resulta en ingresos legítimos perdidos.

El objetivo de las pruebas A / B es medir el impacto de un cambio en dichas métricas y tomar una decisión precisa sobre si es o no "real" o, simplemente, fue por azar (variación natural), lo que en última instancia guía las decisiones en cuanto a si los cambios deben implementarse o no en todas las transacciones.

En marketing y análisis web, las pruebas A / B se han venido adoptando pero, dada la complejidad y profundidad de los datos disponibles en gestión del fraude, deben considerarse fundamentales.

Pero, a todo esto, ¿qué es una prueba A / B?

Una prueba A / B es un experimento controlado con dos variantes: A y B. Se trata de una forma de comparar dos versiones de una sola variable, generalmente probando la respuesta de un sujeto a la variable A contra la B y determinando cuál de las dos es más efectiva.

También lee: ¿Por qué los retailers deben analizar su gestión de riesgos?

Nuestro enfoque de la experimentación

El equipo de expertos en riesgos globales de Adyen siempre ha podido utilizar este marco de experimentación internamente, pero estamos entusiasmados de poner esta función a disposición de nuestros clientes.

Los avances recientes en nuestros esfuerzos de aprendizaje automático (ML o machine learning, por sus siglas y denominación en inglés) requirieron una plataforma de experimentación sólida para monitorear y mostrar los impactos asociados a los usuarios en tiempo real, lo que les dio control total a nuestros clientes.

Cualquier pequeño cambio en un conjunto dado de configuraciones de riesgo se puede probar de manera dividida, en lugar de simplemente reemplazar una configuración existente por una nueva.

Adyen ejecuta todas las configuraciones dadas (nos referimos a la combinación de un conjunto dado de configuraciones de riesgo como un perfil) a través de su Optimizador de Riesgos impulsado por ML, creando efectivamente una solución híbrida que aprovecha lo mejor de ambos mundos: la transparencia y control de un enfoque basado en reglas con las predicciones escalables y precisas del aprendizaje automático.

Las versiones iniciales que probamos con clientes piloto se enfocaron en métricas clave como tasas de autorización y fraude, pero rápidamente aprendimos que los conocimientos detallados también debían convertirse en un componente central.

Con el apoyo de números brutos, pero también gráficos en tiempo real, nuestros usuarios pueden profundizar en los detalles de, por ejemplo, las razones exactas de rechazo de los bancos emisores de tarjetas para evaluar el impacto de los cambios aplicados.

No sólo queremos fomentar pruebas continuas de nuevas configuraciones de riesgo, sino que también creemos firmemente que la gestión exitosa del fraude consiste en tomar decisiones sólidas basadas en datos, en lugar de dejarlas a las opiniones. La función de experimentación de Adyen es parte de este enfoque y ayudará a nuestros clientes a mantenerse a la vanguardia.

Ahora que conoces las capacidades de nuestra función Experiments, echemos un vistazo a un caso de estudio real:

Experimentación puesta en práctica: la historia de éxito de OLX

Con un alto volumen de transacciones, OLX Brasil es uno de los mercados de transacciones más grandes del mundo. La empresa siempre ha visto la gestión del riesgo de pago como un desafío.

Juntos, OLX y Adyen desarrollamos una estrategia basada en tecnología de aprendizaje automático y uso inteligente de datos. Al analizar la base de información de pago, el algoritmo comprendió mejor el comportamiento del consumidor y proporcionó información optimizada sobre la conversión, la aprobación de transacciones y cómo acercarse a la "mejor experiencia para el cliente".

Con el conocimiento recién adquirido, el siguiente paso fue revisar el perfil de riesgo utilizado en la herramienta antifraude de protección de pagos de OLX. Este perfil consta de diferentes campos, como ubicación, correo electrónico, ticket promedio, datos de la tarjeta, productos en el carrito de compras, historial del usuario y más. Cada uno recibe una puntuación de acuerdo con el riesgo de fraude que representa. Este era el perfil “A”.

"Después de 8 semanas, todo el volumen se migró al nuevo perfil de riesgo y el resultado final fue un aumento del 2,6% en la tasa de autorización, con el mantenimiento de los niveles de contracargo."
Ligia Pires, Gerente de Confianza y Seguridad de OLX Brasil

A continuación, se creó un segundo perfil de riesgo de pago, el “B”, con un nuevo conjunto de reglas. El aprendizaje automático calibró las puntuaciones de cada perfil de acuerdo con los datos generados por el historial de ventas de la empresa.

"Como teníamos suficientes datos, una herramienta poderosa y clientes siempre abiertos a probar nuevas soluciones, comenzamos una prueba en formato A / B", dice Ligia Pires, Gerente de Confianza y Seguridad de OLX Brasil. "La prueba consiste en ejecutar ambos perfiles, el antiguo y el nuevo en paralelo, comprobando cuál tiene los mejores resultados".

La primera fase del periodo de prueba duró cuatro semanas, donde solo el 10% del volumen de ventas se envió al nuevo perfil de pago antifraude. Como dio buenos resultados, el volumen aumentó al 25% por dos semanas más, y luego al 50% en las dos últimas semanas.

"Hoy, Adyen nos apoya en nuestras iniciativas de pago y su tecnología nos permite tener lo mejor de ambos mundos: transacciones financieras válidas y aprobadas, así como un sólido sistema antifraude que bloquea las compras ilegítimas", concluye Pires.

Comprueba cómo el poder del sistema de pago de extremo a extremo de Adyen te brinda más datos en un solo lugar y da control total para probar, aprender y optimizar con experimentación.