Desafio
Devido à natureza dinâmica das tendências e ciclos de vendas, os negócios de moda podem ter um ritmo intenso, resultando frequentemente em picos de vendas. Esses picos são comuns e, muitas vezes, imprevisíveis, particularmente para pequenos vendedores. Para a Yoycol, esses picos costumavam dificultar a detecção de fraudes, já que não é simples distinguir picos de fraude de ofertas relâmpago.
Os principais pontos fortes da Yoycol são o foco em automação e eficiência. No entanto, gerenciar fraudes costuma ser um processo pouco eficiente, especialmente considerando o risco de inclusão em programas de monitoramento pelas marcas de cartões, que desejam ver planos de remediação detalhados. Produtos de vestuário personalizados aumentam ainda mais a complexidade causada por fraudes, já que os itens enviados são frequentemente únicos e de difícil substituição ou reabastecimento. E como muitos dos parceiros terceirizados de plataformas de e-commerce com os quais a Yoycol se integra trabalham com pequenos vendedores, é fundamental manter a reputação de parceiro confiável.
Solução
A Yoycol fez uma parceria com os serviços profissionais da Stripe para um projeto de assessoria de estratégia de fraude de oito semanas. A finalidade do projeto era identificar oportunidades e melhorias de alto impacto para mitigar de forma eficiente e eficaz picos de comportamento suspeito antes que evoluíssem para fraudes.
Criação de um processo contínuo de monitoramento de fraudes
Evitar fraudes exige uma abordagem vigilante. A Stripe recomenda uma abordagem contínua e orientada por dados para gerenciamento de fraudes usando o Radar for Fraud Teams e os produtos de dados da Stripe, como Stripe Sigma ou Stripe Data Pipeline. Com essas ferramentas, a Yoycol conta com dados confiáveis, essenciais para monitorar tendências de fraude, estimar com precisão métricas de programas de monitoramento e tomar as medidas adequadas.
A abordagem da Stripe para o projeto começou com um exercício de modelagem de ameaças, priorizando a exposição individual ao risco e o apetite de risco da Yoycol. A diversidade de perfis de usuários da Yoycol, de organizações corporativas de alto volume a pequenas e médias empresas exigiu o mapeamento individual de conjuntos de regras do Radar para cada perfil. Após analisar os padrões exibidos por esses diferentes perfis e criar métricas para rastreá-los, a Stripe fez recomendações específicas para abordar diferentes tipos de fraude e preservar a satisfação dos usuários.
"A equipe da Stripe tratou a prevenção de fraudes de forma muito profissional, adotando uma interpretação clara e concisa das políticas da nossa plataforma e da emissora do cartão para definir uma solução ideal de remoção de cartões da lista de monitoramento de cartões de crédito", disse Wang Xiao Xi, CFO da Yoycol.
Resultados
No início do projeto, as contestações da Yoycol, combinadas com o crescimento dos negócios, exigiram um esforço extra de rastreamento de métricas de monitoramento das marcas de cartões, aplicando uma pressão operacional significativa às equipes internas de risco. Os serviços profissionais da Stripe usaram rapidamente ferramentas como modelagem de ameaças para aliviar a sobrecarga operacional da Yoycol durante o projeto, reduzindo a quantidade de contestações e alertas antecipados de fraude para os menores níveis na história da conta.
Usando o Stripe Checkout, o Link e o Radar for Fraud Teams, a Yoycol ativou uma detecção avançada de fraudes que teve um forte impacto no modelo de machine learning do Radar, resultando em uma taxa de falsos positivos inferior a 0,2% nos bloqueios de alto risco do Radar. Além disso, a taxa de estornos caiu para menos de 0,1% (incluindo contestações fraudulentas) e a taxa de conversão permaneceu estável, com transações legítimas.
"No tratamento da crise de fraudes, foi ótimo trabalhar no ritmo da equipe de serviços profissionais da Stripe, que sempre foi ágil em suas respostas", afirmou Wang.
A equipe de serviços profissionais da Stripe ajudou a aprimorar o controle de risco da plataforma para reduzir gradualmente a taxa de falha de pagamentos em termos de segurança e controle de risco, sem afetar a estabilidade da taxa de conversão.