A falsa promessa dos Modelos de Garantia de Chargeback na detecção de fraud...

Chargebacks… O que está em jogo para os vendedores online? Recursos como dinheiro, reputação e tempo. Os vendedores no ecommerce são alvos fáceis para fraudes amigáveis e golpes de chargeback. E o que fazer? As garantias de chargeback parecem ótimas, mas, antes de mais nada, o melhor método é evitar que eles aconteçam, além de alinhar seus KPIs com seu prestador de soluções antifraude

O que é um item de chargeback?

De acordo com a Visa, um chargeback (também conhecido como conflito) é uma forma de o banco que emitiu o seu cartão reivindicar dinheiro do banco do varejista quando você não recebe os produtos ou serviços pelos quais pagou, inclusive se o varejista ou fornecedor tiver encerrado as suas atividades. Para que o chargeback ocorra, é necessário que o titular do cartão entre em contato com o banco e diga que não reconhece determinada compra. Embora os chargebacks existam para proteger os clientes, já é possível ver a dificuldade para os vendedores online – há um atraso entre o momento em que o chargeback é solicitado e o momento em que o vendedor realmente fica ciente dele. Atualmente, nenhuma administradora de cartões assume os riscos desse tipo de transação, deixando todo o prejuízo para os varejistas. Esse fato, infelizmente, deixa os varejistas expostos à ação de fraudadores que buscam esse tipo de brecha.

O que é uma fraude amigável?

“Fraude amigável” é um tipo de chargeback. Ocorre quando um cliente legítimo compra um produto ou serviço online usando seu cartão de crédito, mas quando o pedido é entregue, ele solicita um chargeback (reembolso) do seu banco. É um dos desafios mais difíceis que toda e qualquer empresa online terá de enfrentar em algum momento. De acordo com o CardNotPresent.com, isso corresponde a cerca de 86% de todos os pedidos de chargeback e custa aos varejistas mais de US$ 11 bilhões por ano. O cliente pode reivindicar o seguinte:

• ele não recebeu o item pedido (embora tenham recebido);
• um membro da família realizou a transação sem o conhecimento do titular do cartão;
• ele não se lembra de ter feito a compra;
• ele não foi informado sobre os termos e condições de compra por assinatura.

Como o chargeback funciona?

Imagine a seguinte situação: um cliente compra uma camiseta no valor de US$ 10 e paga com o cartão. A loja de ecommerce recebe o pedido e o entrega ao cliente. O cliente recebe o pacote. Assim que o entregador vai embora, o destinatário entra em contato com o banco (não com o vendedor) alegando que seu cartão de crédito foi cobrado por compras que nunca foram entregues e exige um chargeback. O banco e a empresa de cartão não têm motivos para não acreditar no cliente, por isso aceitam a reclamação. Como consequência, a loja online que vendeu a camiseta é solicitada a devolver o valor cobrado no cartão de crédito do cliente. O vendedor não apenas perde seu produto e dinheiro, mas também tem que cobrir os custos associados a todo o procedimento de chargeback.

Se a loja online não concordar com a decisão e alegar que o cliente realmente recebeu seu pedido, ela pode fazer valer seus direitos legalmente. No entanto, o custo desse processo judicial seria muito maior do que $ 10. Em outras palavras, não vale a pena. Portanto, não é surpresa que muitas lojas online tratem a “fraude amigável” como um mal necessário e a incluam em seus custos operacionais gerais (embora não devessem).

Sendo um vendedor/varejista online, como você combate os chargebacks? Como você evita a fraude amigável?

É fundamental conhecer e compreender profundamente os seus clientes. Isso requer observação cuidadosa, o que te permitirá concluir e prever precisamente o seu comportamento futuro. E existem ferramentas que você pode usar para isso.

No mundo digital, a capacidade de “observar” os clientes é limitada. Na maioria das vezes, os vendedores conhecem seus clientes apenas na medida em que estes decidem contar/mostrar a eles. Portanto, é necessário utilizar um software que nos permita revelar mais informações sobre cada um dos clientes individualmente. O processo de coleta de dados sobre eles e descoberta de interdependências entre inúmeras variáveis aparentemente não relacionadas é chamado de “criação de perfil”.  Devido ao volume e à complexidade dos dados, é necessário aplicar o Machine Learning para essa tarefa.

“Perfis” de alta qualidade coletam milhares de pontos de dados que descrevem o software, hardware, ambiente de rede e comportamento de cada pessoa cada vez que elas interagem com o serviço, seja uma loja online, uma plataforma de jogos, um produto SaaS, etc. No caso de “fraude amigável”, o comportamento é o aspecto mais importante. Não é apenas o que o cliente está fazendo, mas também como ele se comporta ao visitar o site analisado. A questão é que você precisa coletar simultaneamente informações sobre, por exemplo, quais categorias de produtos o cliente está navegando, em quais partes do site ele está clicando, como ele está usando o mouse/touch screen, etc.  Durante a análise, também são levados em consideração outros dados, incluindo:

• O histórico de compras anteriores feitas pelos usuários (quando foi a última vez que o usuário comprou algo na sua loja virtual e por qual preço, com que frequência ele faz compras, se houve algum pedido de chargeback antes etc.).
• Impressão digital do dispositivo – permite verificar se um determinado dispositivo (computador, tablet, smartphone) foi usado antes para uma tentativa de fraude.

Ao reconhecer padrões de comportamento individuais de cada cliente, você poderá criar o perfil digital deles e compará-lo com perfis de comportamento de fraudadores detectados anteriormente. Também é possível detectar um comportamento que indica que alguém que não seja o proprietário legítimo da conta está logado, antes que a compra seja feita (por exemplo, uma criança ao invés de seus pais, como no exemplo mencionado anteriormente).

Com essas informações, você pode proteger a transação, por exemplo, ativando uma camada de autenticação condicional, como uma solicitação para fornecer o número CVV de um cartão ou um código PIN exclusivo.

Se os proprietários de lojas online descritos nos exemplos acima tivessem usado soluções de criação de perfil e Machine Learning, eles poderiam ter reduzido significativamente o risco de “fraude amigável”. A loja de ecommerce poderia ter garantido um pedido ao solicitar a carteira de identidade do destinatário no momento da entrega da camiseta. E a publicadora de jogos poderia ter evitado que uma criança fizesse uma transação ao exigir um código de confirmação que apenas os pais conheceriam. Esse tipo de conflito deve ser adicionado apenas onde for necessário e a probabilidade de fraude for alta. O custo da aplicação de tais medidas de segurança seria muito menor do que as perdas causadas por “fraude amigável”.

Por fim, não esqueça de construir relacionamentos sólidos com os seus clientes. A aplicação de soluções de perfis e Machine Learning deve ser reforçada para prestar uma excelente experiência ao cliente, pois essa é considerada uma das formas mais eficazes de reduzir o risco de fraude amigável.

E quanto às garantias de chargeback?

Algumas empresas oferecem “garantias de chargeback”, para proteger os vendedores de transações fraudulentas envolvendo o uso não autorizado de um cartão de crédito. No entanto, há um nível de risco material questionável vinculado às garantias de chargeback. Por quê? Quando dois sócios querem fazer negócios juntos, eles precisam alinhar as suas motivações. A emissão de garantias de chargeback rompe esse alinhamento. Os vendedores desejam maximizar as transações aceitas e minimizar os chargebacks ao mesmo tempo. Uma empresa que oferece uma solução de emissão de garantia de chargeback estará simplesmente procurando minimizar os chargebacks, recusando – por precaução – as transações, mesmo aquelas iniciadas por clientes legítimos (alta taxa de falsos positivos). Um estudo recente descobriu que aproximadamente 24% das transações recusadas eram na verdade falsos positivos.  Além disso, o custo médio de um falso positivo pode ser várias vezes maior do que o custo de um chargeback.

Uma empresa de prevenção de fraude que oferece garantias de chargeback pode resolver um dos três casos:

1. Os chargebacks reembolsados são maiores do que as taxas cobradas.
2. Os chargebacks reembolsados são iguais às taxas cobradas.
3. As taxas cobradas são superiores aos chargebacks reembolsados. 

Em cada um desses casos, existem alguns problemas para o vendedor: 

Caso 1 ou 2: Esta é uma situação insustentável e o vendedor deve ficar atento ao aumento de suas taxas em algum momento, sabendo que a solução antifraude pode ter maior poder de negociação no dia do aumento da taxa.

Caso 3: Neste caso, ficará bastante evidente que a solução de prevenção à fraude é feita para manter as taxas de recusa em seus níveis máximos de forma a maximizar as suas receitas. Estima-se que os varejistas de ecommerce (e-tailers) dos EUA perderam US$ 8,6 bilhões devido a transações negadas indevidamente em 2016, o que representa US$ 2 bilhões a mais do que os US$ 6,5 bilhões em fraudes que eles poderiam ter impedido. Este é, portanto, um desalinhamento motivacional, que pode custar muito caro para o vendedor.

Escolha o que é melhor para você e para a sua empresa

A melhor maneira de alinhar os motivos do vendedor e da ferramenta de prevenção de fraude é estabelecer um relacionamento em que ambas as partes lucrem quando o número de transações legítimas aumentar. Recomendamos analisar uma combinação de KPIs: a taxa de chargeback, a taxa de recusa e a taxa de revisão manual. Essa abordagem o ajudará a aproveitar ao máximo a sua solução de prevenção de fraude.

Se você precisa dessa tranquilidade mencionada acima, basta adquirir um sistema de prevenção de fraude de qualidade. Garantimos que isso mitigará o risco e manterá a fraude sob controle. Os vendedores online foram pressionados a implementar ferramentas analíticas sólidas em sua infraestrutura para combater a fraude de pagamento (mas muitos – surpreendentemente – optam por permanecer com sistemas simples baseados em regras). Essas ferramentas, no entanto, também devem agregar valor em seu negócio principal. Certifique-se de que seu prestador de soluções de prevenção de fraudes está lhe ajudando a aproveitar esta oportunidade para expandir os seus negócios. Entre em contato, se quiser conversar sobre chargebacks e garantias de chargeback.

Encontre a Nethone e outros parceiros no Portal de Parcerias da VTEX.

Conheça mais sobre a Nethone:

Linkedin – https://www.linkedin.com/company/nethone 
Twitter – https://twitter.com/nethone_ 
Facebook – https://www.facebook.com/NethoneAI 
URL – https://nethone.com/pt 

Escrito por Nethone

A Nethone é uma empresa de SaaS de prevenção de fraudes baseada em Machine Learning que permite que os comerciantes online entendam holisticamente seus usuários finais.