Histórias de clientes
Combatendo fraudes com testes A/B
Descubra como a experimentação de diferentes perfis de risco pode ajudar seu ecommerce a bloquear fraudadores
Combater fraudes pode ser algo mais desafiador do que você imagina. Você se esforça para que seus clientes tenham uma experiência de pagamentos descomplicada. Contudo, criminosos têm a habilidade de se adaptar rapidamente para prejudicar seu negócio com conhecimentos técnicos avançados.
A necessidade de um sistema sofisticado de gerenciamento de fraude é inegável. E chegar ao equilíbrio perfeito entre otimizar a ferramenta de risco sem precisar declinar compras legítimas (que podem parecer suspeitas) é um desafio real.
Ecommerces bloqueiam em média 2,5% de todas as tentativas de pagamento devido à suspeita de fraude.
Um relatório publicado pelo Merchant Risk Council [1] estima que ecommerces declinem, em média, 2,5% de todas as tentativas de pagamento devido à suspeita de fraude. Esse número pode corresponder a milhões e milhões de receita perdida.
Mas como um negócio pode continuar a crescer rapidamente e proteger seus clientes sem bloquear transações legítimas? Enquanto a fraude evolui, torna-se cada vez mais crucial para qualquer solução de gestão de risco detectar, analisar e se adaptar o mais rápido possível. A experimentação resolve esse problema ao mensurar o verdadeiro impacto de otimizações de risco usando testes A/B – uma metodologia comprovada e eficiente.
Experimentação na prática: o case de sucesso da OLX
Com um alto volume de transações, a OLX é um dos maiores marketplaces do mundo. Naturalmente, a empresa sempre viu no gerenciamento de risco um de seus principais desafios.
Juntas, a OLX e a Adyen desenvolveram uma estratégia baseada na tecnologia demachine learninge uso inteligente de dados. Ao analisar a base de informações de pagamentos, o algoritmo compreendeu o comportamento do consumidor e forneceu insights otimizados sobre conversão, autorização de transações e o caminho para se oferecer a melhor experiência ao cliente.
Com o novo conhecimento em mãos, o próximo passo foi revisar o perfil de risco adotado pela ferramenta antifraude da OLX. Esse perfil consiste em uma série de dados diferentes, como localização, e-mail, valor médio da compra, dados do cartão e histórico de compras. Cada uma dessas informações recebe uma pontuação de acordo com o risco de fraude que representa. Vamos chamar esse primeiro perfil de perfil "A".
Em um segundo momento, foi criado um outro perfil de risco (o perfil "B"), levando em conta um novo conjunto de regras. A ferramenta de machine learning calibrou a pontuação que cada perfil atribui a essas diferentes características de acordo com os dados do histórico de vendas da empresa. "Como tínhamos dados suficientes, uma ferramenta poderosa e clientes dispostos a testar novas soluções, demos início a testes em formato A/B", diz Ligia Pires, gerente de segurança da OLX. "Os testes consistem em avaliar o perfil antigo de risco e o novo simultaneamente, para ver qual traz os melhores resultados."
A primeira fase do período de testes durou quatro semanas, quando apenas 10% do volume de vendas foi enviado ao novo perfil. Quando verificamos resultados positivos, o volume enviado passou a 25% pelas duas semanas seguintes, e então para 50% nas outras duas semanas.
“Depois de 8 semanas, todo o volume migrou para o novo perfil de risco e o resultado final foi um aumento de 2,6% na taxa de autorização"
"Hoje, a Adyen nos oferece suporte em todas as nossas iniciativas de pagamento e a sua tecnologia nos permite ter o melhor dos dois mundos: transações financeiras aprovadas e um sistema antifraude robusto, eficaz no bloqueio de transações fraudulentas", conclui Ligia.
O que a experimentação pode fazer por seu negócio
A combinação da experimentação com otimizações de risco pode ter um impacto considerável no crescimento de seu negócio. Primeiro, você pode detectar se eventuais aumentos de venda são "reais" ou se são consequência de uma variação natural (como a sazonalidade de mercado) ao contar com dados para realizar essa verificação – sem mais chutes nem palpites. Testes mais ousados também podem ser conduzidos com uma população menor (mas mantendo-se significantes estatisticamente), fornecendo a você um escopo mais amplo de exploração.
Ao longo do tempo, ao continuar a elaborar e testar perguntas específicas, você pode combinar mudanças bem-sucedidas para criar melhorias mensuráveis e momentum em seu sistema de risco, e potencialmente até recuperar o que teria sido perdido em receita.
O produto RevenueProtect, da Adyen, contará com a nova funcionalidade de experimentação como uma funcionalidade premium quando os testes iniciais forem concluídos. Se você estiver interessado em participar do programa piloto, entre em contato com a gente.
Por enquanto, confira como o sistema de pagamento ponta a ponta da Adyen te oferece mais dados em um só lugar e te coloca no controle para testar, aprender e otimizar com experimentações.
Quer saber mais sobre a tecnologia de pagamentos da Adyen? Consultenossos especialistas
Glossário prático
Ficou confuso com algum termo? Não se preocupe: nós preparamos um pequeno glossário com as palavras mais relevantes deste artigo.
| Inteligência Artificial (AI) | Termo usado para descrever a simulação da inteligência humana por máquinas. Pode se aplicar a robóticas e machine learning mas também à linguagem e reconhecimento de voz. |
| Machine Learning (ML) | Uma subdivisão de AI em que máquinas estudam algoritmos, modelos estatísticos e dados para realizar tarefas de forma autônoma. |
| RevenueProtect | Nossa solução de gerenciamento de risco, construída diretamente na nossa plataforma de pagamentos, usa um híbrido de machine learning e uma abordagem tradicional baseada em regras. |
| Perfis de risco | Perfis de risco te permitem customizar as regras de risco de seu negócio, ou aplicar uma série de configurações de risco a um pagamento específico ou à conta de um varejista. |
| Falso positivo | Quando um pagamento legítimo é recusado por um sistema de gerenciamento de risco devido à suspeita de fraude. |
| Testes A/B | Testes A/B são um método usado para avaliar se uma variante influencia em um resultado se comparado à situação normal (em que nada é feito). São utilizadas amostras estatísticas e métricas, o que facilita a tomada de decisão. |
Referências:
[1] 2019 MRC Global Fraud Survey
Inscreva-se para receber nossa newsletter
Mande sua solicitação
Eu confirmo ter lido a Política de Privacidade da Adyen e concordo que meus dados sejam utilizados como descreve o documento.