Tendências e comportamento da fraude online

Introdução

Em 2016, cerca de 1,61 bilhão de pessoas no mundo todo compraram produtos online, e as vendas de varejo online globais totalizaram US$ 1,9 trilhões. Previsões recentes mostram um crescimento de até US$ 4,06 trilhões gastos online até 2020, com um tráfego cada vez maior de dispositivos móveis.

Infelizmente, não são só as compras online que estão crescendo: como cartões com chips tornaram a compras em lojas físicas mais seguras, os estelionatários estão se focando cada vez mais em lojas online, e essas empresas da Internet são responsáveis pela detecção de fraudes e pelo pagamento dos custos associados. Em média, cada US$ 1 em pedidos fraudulentos custa mais US$ 2,62 às lojas online e mais US$ 3,34 para lojas móveis.

O que as empresas online podem fazer em relação a isso? A Stripe analisou os dados das fraudes de diversos anos para encontrar os padrões associados ao país, horário e outros comportamentos, de modo a ajudar a guiar as abordagens das empresas para o combate à fraude. Apesar de ser possível conter as fraudes com regras de pagamento sofisticadas ou software antifraude, esperamos que a análise também ajude as empresas a entender as bases do comportamento fraudulento, a fim de criar estratégias específicas que se adaptem melhor a elas.

Taxas de fraude por país

Os dados da Stripe indicam que as taxas de fraude em certos países emissores de cartões podem ser 2-3 vezes maiores que em outros países. Compras com cartões de consumidores da Argentina, Brasil, Índia, Malásia, México e Turquia são especialmente fraudulentos, apesar de cartões dos EUA, Canadá e França também serem suscetíveis. E é importante observar que essas taxas constituem uma porcentagem pequena do volume de compras total, então os comerciantes devem ter cuidado para evitar o bloqueio de transações legítimas. Possíveis soluções para lidar com fraudes específicas de certos países são o teste regras baseadas na região ou a solicitação de mais informações (números CVV, endereços completos etc.) das compras de cartões desses países.

Taxas de fraude globais por porcentagem das transações

Fraud map

Observação: alguns países foram excluídos devido a um volume baixo de transações.

Fraude por dia e horário

Como esperado, a Stripe descobriu que as taxas de fraude aumentam durante feriados prolongados e a temporada de volta às aulas no verão, porém com algumas características incomuns. Por exemplo, as taxas de fraude não aumentam notavelmente em dias de muitas compras como a Black Friday, mas em dias como o Natal, quando muitas pessoas não estão fazendo compras, os defraudadores continuam operando. A Stripe também descobriu que as taxas de fraude são menores em pagamentos recorrentes, provavelmente porque as transações envolvem um serviço de assinatura ou um relacionamento prolongado que foi comprovado pelas empresas ao longo do tempo.

Fraud rate: share of transactions
chart1201620152014DecNovOctSepAugJulJunMayAprMarFebJanShare %
Fraud rate: share of transactions non-recurring payments
chart2201620152014Jan 1Dec 17Dec 3Nov 10Nov 5Share %Black Friday ‘14ChristmasBlack Friday ‘15Black Friday ‘16

A descoberta de que taxas de fraude aumentam durante “períodos de calmaria” também se aplica ao observar a hora do dia. Ao normalizar para os horários locais em cada país, vemos que o tráfego apresenta um pico durante o horário comercial e cai durante as horas noturnas. Entretanto, as taxas de fraude seguem um padrão fortemente inverso, com um pico no fim da noite e nivelando-se durante o dia. Isso provavelmente reflete a maior dispersão geográfica dos estelionatários, que podem operar remotamente no mundo inteiro e conduzir suas atividades quando os clientes normais das empresas estão dormindo.

Transaction volume by time and day
chart3SatFriThurWedTuesMonSunHour of Day 0-24 Local Time0123456789101112131415161718192021222324Transaction volume
Fraud rate as share of transactions by time and day
chart4SatFriThurWedTuesMonSunHour of Day 0-24 Local Time0123456789101112131415161718192021222324Fraud rate as share of transactions

O que as empresas podem fazer para combater esse fenômeno de dia e horário? As soluções podem envolver a adição de uma inspeção mais rigorosa de transações fora do horário comercial normal, tanto com revisões manuais quanto com filtros mais restritivos. Isso poderia prevenir a ação de estelionatários enquanto as empresas estão em período de férias ou na confraternização de Natal.

Comportamento de estelionatários vs. comportamento normal

Um fato interessante sobre transações fraudulentas é que elas normalmente são de baixo valor. Isso é surpreendente, pois os estelionatários não pagam pelos produtos que compram. Nos Estados Unidos, os dados da Stripe mostram que os valores de transações fraudulentas são apenas levemente mais altos que os valores de transações normais. Mas, em muitos outros países, as transações fraudulentas são significativamente maiores que as transações normais, geralmente duas vezes maiores. Em alguns países específicos, o valor médio das transações fraudulentas pode chegar a ser cinco ou dez vezes maior que o de uma transação normal.

Observação: em todos os países, a fraude constitui uma porcentagem muito pequena do total das transações; os gráficos abaixo são normalizados para fins de comparação; dados apenas do ano completo de 2016.

Distribution of transaction amount in Australia
chart5FraudulentNon-fraudulentTransaction amount ($)Likelihood
Distribution of transaction amount in Finland
chart6FraudulentNon-fraudulentTransaction amount (€)Likelihood
Distribution of transaction amount in France
chart7FraudulentNon-fraudulentTransaction amount (€)Likelihood
Distribution of transaction amount in Germany
chart8FraudulentNon-fraudulentTransaction amount (€)Likelihood
Distribution of transaction amount in Italy
chart9FraudulentNon-fraudulentTransaction amount (€)Likelihood
Distribution of transaction amount in Japan
chart10FraudulentNon-fraudulentTransaction amount (¥)Likelihood
Distribution of transaction amount in Netherlands
chart11FraudulentNon-fraudulentTransaction amount (€)Likelihood
Distribution of transaction amount in Norway
chart12FraudulentNon-fraudulentTransaction amount (kr)Likelihood
Distribution of transaction amount in Singapore
chart13FraudulentNon-fraudulentTransaction amount (S$)Likelihood
Distribution of transaction amount in Spain
chart14FraudulentNon-fraudulentTransaction amount (€)Likelihood
Distribution of transaction amount in Sweden
chart15FraudulentNon-fraudulentTransaction amount (kr)Likelihood
Distribution of transaction amount in U.K.
chart16FraudulentNon-fraudulentTransaction amount (£)Likelihood
Distribution of transaction amount in United States
chart17FraudulentNon-fraudulentTransaction amount ($)Likelihood

Os estelionatários mostram uma assinatura mais reveladora em relação a onde e com que frequência fazem compras, especialmente em compras repetidas com o mesmo cartão roubado. Lamentavelmente, a fraude repetida em um cartão é comum: mais de 40% dos cartões comprometidos são cobrados por mais de uma transação fraudulenta.

Primeiro, os estelionatários fazem compras repetidas na mesma loja, em vez de efetuar transações em várias empresas. Por exemplo, cartões com quatro cobranças fraudulentas normalmente fizeram todas elas no mesmo comerciante, enquanto quatro cobranças normais tendem a estar repartidas por uma média de duas empresas diferentes. Segundo, os estelionatários efetuam compras repetidas com rapidez muito maior que em transações normais. Na verdade, as cobranças consecutivas ocorrem com uma rapidez dez vezes maior que aquelas dos verdadeiros titulares dos cartões.

Este padrão suspeito de compras em “alta velocidade” com um único comerciante contradiz a noção de que os estelionatários tentam imitar os padrões normais das transações do titular do cartão. Uma lição para as empresas é ter cuidado com muitas transações rápidas no mesmo cartão de crédito, apesar de que, como sempre, é importante não bloquear transações legítimas com regras gerais.

Buying from the same merchant
chart18FraudulentNon-fraudulent0246810Number Transactions on Given Card11.522.5Number of distinct merchants
Distribution of time interval between transactions
chart19 Fraudulent Non-fraudulent Time Interval between TransactionsLikelihood

Comportamento de estelionatários por setor

Os dados da Stripe também revelam que os estelionatários se focam em certos tipos de empresas, e os padrões sugerem que o medo da prisão (e não o desejo de se misturar no meio das transações normais no extrato das cobranças do titular do cartão) oferece um guia mais convincente para o comportamento. Um dos maiores desafios dos estelionatários online é a entrega. A entrega de mercadorias físicas para uma residência ou escritório associado com o estelionatário, ou alguém de seu círculo social, tem riscos óbvios.

Para evitar esses problemas, os estelionatários tendem a comprar produtos que não exigem envio ou produtos que são enviados rotineiramente para lugares não vinculados ao comprador. Muitos serviços, em contraste com os bens físicos, não precisam da entrega. No entanto, os serviços mais interessantes são executados imediatamente antes de que a cobrança possa ser detectada e invalidada. Uma implicação é que serviços sob demanda são um alvo proveitoso para a fraude. Bens de consumo baratos também se destacam, talvez porque os estelionatários presumam que as autoridades não priorizam o furto de baixo impacto.

Conclusão

Conforme o comportamento dos consumidores e os esquemas de fraude continuam a evoluir, as empresas devem estar cientes de que essas tendências globais arranham a superfície dos padrões de big data que podem ser usados para detectar a fraude. A prevenção de fraude eficaz leva em conta o contexto específico da empresa. Modelos de machine learning abordam esse desafio ao incorporar muitas nuances específicas ao contexto, a fim de rejeitar somente as transações mais suspeitas em vez de implementar regras gerais que facilmente podem bloquear boas transações. Os comerciantes devem trabalhar em parceria com os processadores de pagamentos usando machine learning e outras tecnologias para otimizar o equilíbrio complexo entre deter a fraude e maximizar a rentabilidade.

Metodologia

Ao conduzir a análise no relatório, a Stripe examinou os dados de transações de centenas de milhares de seus clientes em 25 países. O mapa de calor das taxas de fraude globais por porcentagem de transações inclui apenas os dados de 2016 e exclui os países com volumes baixos de transações. O gráfico da fraude por dia do mês mostra os dados agregados de 2014-16 em todos os países onde a Stripe opera, normalizados para o horário de trabalho em cada fuso horário. O gráfico de taxa de fraudes como porcentagem de transações por horário e dia inclui apenas os dados de 2016 e está normalizado para fins de comparação com o volume de transações por horário e dia. Os histogramas de países incluem apenas os dados de 2016, e as distribuições fraudulentas e não fraudulentas foram normalizadas para fins de comparação. Por fim, os dados de compras no mesmo comerciante e distribuição do intervalo de tempo entre transações incluem apenas os dados de 2016.

Voltar para os guias
You’re viewing our website for Brazil, but it looks like you’re in the United States.