Conforme o volume de transações online cresce ao longo do tempo, há um número crescente de compras legítimas que são rejeitadas indevidamente. Além do golpe financeiro da perda de receita, essas "falsas recusas" podem corroer a confiança do cliente e diminuir a fidelidade à marca, já que clientes frustrados são mais propensos a abandonar seus carrinhos de compras e recorrer aos concorrentes.

As empresas precisam equilibrar a implementação de táticas de prevenção de fraudes e o fornecimento de experiências de compra rápidas, intuitivas e convenientes para os clientes. Porém, antes, as empresas precisam entender os motivos por trás das falsas recusas antes de implementar estratégias para reduzi-las.

Abaixo, analisaremos os aspectos importantes das falsas recusas: o que são, por que acontecem, o que as causa e as práticas recomendadas para evitá-las, sem prejudicar uma experiência de transação simples e segura para os clientes. Veja tudo que você precisa saber.

Neste artigo:

• O que são falsas recusas?
  
• Por que falsas recusas acontecem?
  
• Como evitar falsas recusas
  
• Como a Stripe evita falsas recusas
  

O que são falsas recusas?

As recusas falsas, também conhecidas como "falsos positivos", ocorrem quando uma transação legítima é rejeitada ou recusada por um banco ou processador de pagamentos.

Por que ocorrem falsas recusas?

Muitas vezes, as recusas falsas ocorrem devido aos sistemas e algoritmos que detectam e evitam atividades fraudulentas. Embora esses sistemas sejam projetados para proteger clientes e instituições financeiras, eles podem ser excessivamente cautelosos ou conter imprecisões que levam à rejeição de transações válidas.

Entender os motivos das recusas falsas pode ajudar clientes e empresas a tomar medidas preventivas e gerenciar essas ocorrências com mais eficácia. Aqui estão algumas razões comuns pelas quais falsas recusas acontecem:

• Padrões de gastos incomuns
  É prática padrão que bancos e empresas de cartão de crédito monitorem os padrões de gastos de seus clientes. Se uma transação não for consistente com o comportamento histórico de gastos, como uma compra excepcionalmente grande ou uma série de transações rápidas, esses sistemas de monitoramento podem sinalizá-la como possivelmente fraudulenta. Embora essa medida possa evitar fraudes, às vezes captura transações legítimas.

• Erros técnicos
  O processamento de transações envolve sistemas e redes complexas. Às vezes, uma falha técnica, um atraso de rede ou erro de comunicação entre sistemas diferentes podem resultar na recusa de uma transação. Isso pode ocorrer mesmo que não haja nada inerentemente suspeito ou incomum na transação.

• Exceder limites
  Muitas vezes, as instituições financeiras estabelecem limites diários ou transacionais nas contas para mitigar as perdas potenciais por fraude. Se um cliente tentar fazer uma compra que exceda esses limites predefinidos, a transação poderá ser recusada. Embora esses limites possam ser uma medida útil de prevenção contra fraudes, também podem causar frustração para um cliente que deseja fazer uma compra grande, mas legítima.

• Informações incorretas
  Durante uma transação, os dados do cliente — como endereço de cobrança, código de segurança do cartão e data de validade — precisa ser verificada. Se houver discrepância entre essas informações e as que o banco tem registrado, a transação poderá ser recusada. Essa é uma medida de segurança comum para garantir que a pessoa que faz a transação seja a titular legítima do cartão.

• Técnicas de autorização desatualizadas
  Alguns processadores de pagamentos podem usar algoritmos de detecção de fraudes desatualizados. À medida que os métodos de fraude evoluem, os algoritmos projetados para detectá-los também devem evoluir. Sistemas desatualizados podem não ser capazes de discernir entre atividades legítimas e fraudulentas, resultando em mais recusas falsas.

• Algoritmos rigorosos de detecção de fraude
  Alguns algoritmos de detecção de fraude são excessivamente cautelosos, identificando transações legítimas com uma pequena semelhança com padrões potencialmente fraudulentos.

• Gatilhos geográficos
  Transações feitas em localizações distantes da residência ou região do cliente, ou de regiões comumente associadas a atividades fraudulentas, costumam ser consideradas suspeitas. Por exemplo, se um cliente localizado nos EUA que raramente ou nunca viaja para o exterior de repente fizer uma compra em um país diferente, isso pode acionar um sinalizador de segurança.

• Cartões ou contas vencidas
  Usar um cartão de crédito vencido ou uma conta fechada também pode fazer com que a transação seja recusada. O cliente pode não estar ciente de que seu cartão expirou ou que houve uma mudança no status de sua conta, levando a uma recusa quando tenta fazer uma transação legítima.

Os clientes podem tomar medidas para evitar falsas recusas, incluindo notificar o banco antes de fazer compras grandes ou internacionais. As empresas podem trabalhar com processadores de pagamentos que usam algoritmos de detecção de fraudes mais sofisticados e flexíveis para reduzir a ocorrência de falsas recusas. Veja abaixo mais informações sobre como as empresas podem criar um sistema de detecção de fraudes altamente sensível que cause interrupções mínimas em transações legítimas.

Como evitar falsas recusas

Para reduzir a ocorrência de falsas recusas, as empresas precisam equilibrar a prevenção de fraudes com uma boa experiência do cliente. Veja a seguir algumas das principais estratégias e táticas que as empresas podem usar para combater falsas recusas:

• Use ferramentas avançadas de detecção de fraude
  Habilite sistemas modernos de detecção de fraudes que usam machine learning e inteligência artificial. Esses sistemas podem analisar grandes quantidades de dados em tempo real, o que os torna hábeis em distinguir entre transações genuínas e fraudulentas sem causar falsas recusas desnecessárias.

• Personalize as configurações de detecção de fraude
  Vários processadores de pagamentos permitem que as empresas personalizem as configurações de suas ferramentas de detecção de fraude. Ao ajustar essas configurações para serem mais brandas ou refletirem melhor a base de clientes e os padrões de transação da empresa, as empresas podem reduzir as falsas recusas.

• Implementar autenticação multifator (MFA)
  Em vez de recusar uma transação diretamente, as empresas podem exigir verificações adicionais para transações sinalizadas como suspeitas. Por exemplo, enviar uma senha de uso único para o número de celular ou endereço de e-mail registrado do cliente pode adicionar uma camada de segurança sem recusar a transação imediatamente.

• Atualize regularmente os dados dos clientes
  Mantenha os dados do cliente, como endereços e números de telefone, atualizados. Isso garantirá que os dados utilizados para verificação durante as transações estejam atualizados, reduzindo a chance de recusas por discrepância de informações.

• Instruir os clientes sobre os limites da conta
  Informe os clientes sobre limites de gastos diários ou restrições nas contas e oriente-os sobre como podem alterá-los, se necessário. Isso pode evitar que transações genuínas sejam recusadas por exceder os limites predefinidos.

• Lista de permissões de clientes confiáveis
  Se uma empresa tiver clientes recorrentes com histórico de transações legítimas, esses clientes podem ser incluídos na lista de permissões. Isso significa que as transações desses clientes passam por verificações menos rigorosas, reduzindo a probabilidade de falsas recusas.

• Análise de dados
  Ao analisar os dados de transações, as empresas podem identificar padrões e tendências que podem ajudá-las a entender quais transações podem ser falsas recusas. Essas informações podem ser usadas para ajustar sistemas de detecção de fraude.

• Buscar feedback dos clientes
  Incentive os clientes a fornecerem feedback se ocorrerem uma falsa recusa. Esse feedback pode ser útil para entender os motivos das falsas recusas e fazer os ajustes necessários nos sistemas de detecção de fraudes.

• Monitorar e analisar transações recusadas
  Analise regularmente as transações recusadas para identificar qualquer padrão ou semelhança entre as falsas recusas. Isso pode ajudar a ajustar adequadamente as medidas de detecção de fraude.

Para todas essas táticas, escolher o provedor de processamento de pagamentos certo é fundamental. A forma como seu processador de pagamentos lida com recusas falsas pode tornar o processo complicado ou frustrante.

Como Stripe evita falsas recusas

A abordagem sofisticada da Stripe para detecção e prevenção de fraudes reduz falsas recusas por meio de uma combinação de machine learning e análise de dados. Veja uma visão geral de como a Stripe projeta sistemas de pagamento que tenham um máximo de resistência a falsas recusas:

• Grandes conjuntos de dados
  A Stripe processa bilhões de dólares em transações todos os anos, criando um vasto conjunto de dados que os algoritmos de machine learning podem usar para identificar padrões e tendências com mais eficiência. Os algoritmos da Stripe analisam esses dados para entender melhor o que constitui uma transação típica versus fraude.

• Aprendizagem e adaptação em tempo real
  Os modelos de machine learning da Stripe são capazes de aprendizado em tempo real. À medida que processam transações, eles analisam continuamente os resultados e se adaptam adequadamente. Essa adaptação em tempo real permite que os modelos acompanhem os mais recentes padrões de fraude sem comprometer as taxas de aprovação de transações legítimas.

• Personalização para diferentes negócios
  A Stripe entende que as empresas são diversas e o que pode ser considerado uma transação normal para um pode ser incomum para outro. Portanto, os modelos de machine learning da Stripe se adaptam aos padrões de transação específicos de empresas individuais. Essa personalização reduz a probabilidade de que uma transação legítima seja falsamente identificada como fraudulenta devido a normas específicas do setor.

• Pontuação de risco
  A Stripe atribui a cada transação uma pontuação de risco, que representa a probabilidade de a transação ser fraudulenta. As empresas podem usar essas pontuações de risco para definir seus próprios limites de quando uma transação deve ser automaticamente recusada ou sinalizada para análise manual. Com isso, as empresas ganham mais controle e flexibilidade na gestão da prevenção de fraudes.

• Stripe Radar
  O Stripe Radar usa machine learning para avaliar a existência de fraudes em transações. O Radar considera centenas de sinais sobre cada transação e usa dados de toda a rede da Stripe para detectar e prevenir fraudes, ao mesmo tempo em que se adapta automaticamente às mudanças nos padrões de fraude. As empresas também podem definir regras personalizadas conforme seus próprios requisitos.

• Ferramentas de autenticação
  A Stripe aceita 3D Secure, uma ferramenta de autenticação que adiciona uma camada adicional de verificação para pagamentos com cartão. Mesmo que uma transação seja sinalizada como potencialmente arriscada, o cliente ainda pode concluir a compra fornecendo verificação adicional, reduzindo a chance de uma recusa falsa.

Ao incorporar esses elementos às medidas de detecção e prevenção de fraudes, a Stripe reduz falsas recusas e mantém uma forte defesa contra transações fraudulentas. Para saber mais e começar a usar Stripe, acesse aqui.