A prevenção a fraudes no varejo começa com o entendimento de como a fraude visa os sistemas de pagamento e devolução das empresas, do checkout ao reembolso. As políticas de devolução ajudam a construir a confiança do cliente, e os direitos de contestação protegem os titulares de cartão. A fraude explora ambos. Porém, em 2025, 44% das instituições nos EUA e no Canadá confiavam, no geral ou totalmente, em processos manuais para combater fraudes. Isso pode dificultar a detecção de tipos de fraude complexos e emergentes.

Abaixo, abordaremos as categorias de fraude que mais afetam as empresas de varejo, como as empresas identificam as fraudes nos dados da transação e quais controles reduzem a exposição nos canais online e físicos.

Principais conclusões

• A fraude no varejo abrange a fraude de cartão não presente (CNP), o abuso de devoluções e a fraude amigável. Cada tipo tem padrões distintos que exigem abordagens de detecção diferentes.

• A detecção eficaz de fraudes no varejo combina comportamento do pedido, dados do dispositivo e histórico de transações. Nenhum sinal é confiável por si só.

• Os varejistas omnichannel enfrentam uma exposição única. Padrões de fraude que se originam online geralmente aparecem em lojas físicas.

O que é fraude no varejo?

A fraude no varejo é um roubo que acontece pelos sistemas de pagamentos e devoluções dos quais as empresas dependem. Essa fraude abrange diversos métodos, online e na loja, que os agentes fraudulentos usam para obter mercadorias, serviços ou fundos em uma empresa de varejo.

Quais são os tipos comuns de fraude no varejo?

A fraude no varejo aparece em diferentes partes do ciclo de vida da compra. Cada tipo envolve atores diferentes e requer uma resposta diferente:

• Fraude de CNP: usar credenciais de pagamento roubadas para concluir uma compra sem o cartão físico. Dados de cartão roubados são obtidos por meio de violações, phishing ou mercados na dark web e, em seguida, usados para fazer pedidos antes que o titular do cartão legítimo perceba.

• Ataques a Números de Identificação Bancária (BIN): testar milhares de combinações de números de cartão no checkout de uma empresa com um script automatizado para procurar números válidos. A empresa absorve as taxas de autorização a cada tentativa, e um acerto bem-sucedido resulta em um pedido fraudulento que geralmente aciona um estorno.

• Uso de roupas novas (wardrobing): comprar itens (geralmente roupas, eletrônicos ou ferramentas) com a intenção de usá-los brevemente e devolvê-los para obter um reembolso total. Isso costuma deixar a empresa com mercadorias que não podem ser revendidas pelo preço original.

• Fraude de recibo: devolver a mercadoria com um recibo fraudulento ou alterado para reivindicar um reembolso maior que o preço de compra.

• Esquemas de reembolso sem devolução: alegar que um item nunca chegou ou chegou danificado para obter um reembolso mantendo a mercadoria.

• Fraude amigável: contestar uma cobrança legítima com o emissor do cartão e alegar que a transação não foi autorizada ou o item nunca chegou. Isso aciona um estorno, mesmo que o pedido seja autêntico.

Como os varejistas detectam padrões de fraude?

A detecção de fraude no varejo envolve o cruzamento de vários sinais. Individualmente, esses sinais podem ser explicados, mas, juntos, apontam para risco elevado.

Estas entradas são as que mais importam:

• Velocidade do pedido: vários pedidos feitos em rápida sucessão no mesmo dispositivo ou endereço de IP ou para o mesmo endereço de entrega.

• Incompatibilidade de faturamento e entrega: um pedido no qual os endereços de faturamento e de entrega ficam em diferentes estados ou países. Isso exige uma revisão mais minuciosa quando o endereço de entrega for de um despachante ou serviço de reenvio que oculta o destino final.

• Sinais do dispositivo: o tipo de navegador, o sistema operacional e a impressão digital do dispositivo revelam se um pedido vem de um dispositivo conhecido, associado à conta, ou de um ambiente não familiar. Pedidos feitos por redes privadas virtuais (VPNs) aparecem em locais geográficos inconsistentes com o histórico do titular do cartão.

• E-mail e antiguidade da conta: um cliente de primeira viagem, com uma conta criada minutos antes e que faz um pedido de alto valor ou uma conta criada com um endereço de e-mail descartável (strings de caracteres aleatórios ou endereços de serviços de e-mail descartáveis).

• Histórico de devoluções: um cliente com uma taxa de devolução atipicamente alta, em especial nas mesmas categorias de produtos. Esse sinal é mais relevante para fraudes de devolução e esquemas de reembolso sem devolução.

Quais estratégias de prevenção a fraudes no varejo as empresas devem usar?

A prevenção a fraudes eficaz no varejo opera em três camadas: antes da autorização, depois que o pedido é feito e no balcão de devoluções. Nenhum controle exclusivo cobre todas as três, mas usar esses métodos em conjunto pode criar uma camada de proteção:

• Serviço de verificação de endereço (AVS): as verificações de AVS comparam o endereço de faturamento fornecido no checkout com o endereço registrado junto ao emissor do cartão. Nem o AVS, nem o valor de verificação do cartão (CVV) são à prova de falhas (dados de cartão roubados geralmente incluem endereços de faturamento e números de CVV), mas os dois elevam o custo e a complexidade da fraude de CNP.

• 3D Secure (3DS): o 3DS adiciona uma camada de autenticação para transações CNP. Quando a transação é sinalizada como de alto risco, o 3DS direciona o titular do cartão para uma etapa de verificação com seu banco. Em geral, ele transfere a responsabilidade por transações fraudulentas da empresa para o emissor do cartão.

• Filas de revisão pós-pedido: pedidos de alto risco devem ser direcionados para uma fila de revisão manual antes da execução, não depois. Defina bem os critérios (por exemplo, pedidos acima de determinado valor, clientes novos que pedem várias unidades do mesmo item de alto valor e incompatibilidade de endereços de entrega e faturamento), e encarregue a fila de pessoas que entendam como a fraude aparece na sua categoria de produto.

• Adoção da política de devolução: exigir o recibo, limitar a janela de devolução e sinalizar as contas com altas taxas de devolução são controles efetivos. Rastrear as devoluções no nível do cliente entre os canais é importante para abusos em alto volume; o cliente que devolveu 15 de suas 20 compras recentes tem um perfil de risco diferente daquele que faz uma devolução pela primeira vez.

Como o risco de fraude muda no varejo omnichannel?

Os varejistas omnichannel enfrentam exposição a fraudes que empresas puramente online e puramente físicas não têm. Quando você opera nos dois canais, padrões de fraude que começam em um ambiente geralmente se resolvem em outro.

Veja abaixo alguns exemplos:

• Comprar online, devolver na loja (BORIS): um agente fraudulento faz um pedido online usando credenciais roubadas e, em seguida, devolve a mercadoria na loja por dinheiro ou crédito na loja. O associado da loja vê um registro de transação e uma solicitação de devolução, mas a compra original foi fraudulenta. Se seus sistemas online e na loja não compartilharem dados em tempo real, a devolução provavelmente será processada antes que a fraude seja sinalizada.

• Comprar online, retirar na loja (BOPIS): pedidos fraudulentos feitos online para retirada na loja podem permitir que agentes fraudulentos recolham mercadorias antes que as revisões de fraude possam sinalizar o pedido. Pedidos BOPIS de alto valor no mesmo dia merecem o mesmo escrutínio que pedidos online com envio expresso.

• Dados de clientes fragmentados: controles consistentes de fraude em todos os canais exigem dados unificados de clientes. Se suas plataformas de ponto de venda e e-commerce não compartilharem o histórico de compras e devoluções no nível da conta, você estará executando dois sistemas separados de prevenção a fraudes com uma lacuna que permite a entrada de fraudes.

Como as ferramentas de prevenção a fraudes ajudam as empresas de varejo?

Em vez de revisar cada pedido com uma lista de verificação, um sistema de detecção de fraude pontua transações em tempo real com base em centenas de sinais. O sistema usa um modelo de machine learning treinado com dados de transações entre empresas para pontuar cada pagamento. Assim, um cartão que apareceu em transações fraudulentas em outras empresas terá uma pontuação de risco elevada antes de chegar ao seu checkout. A ferramenta de prevenção a fraudes direciona pedidos de alto risco para revisão ou os recusa automaticamente.

Regras personalizadas para o risco específico do varejo podem ser criadas com base na linha de base de um modelo de machine learning. Uma empresa que vende eletrônicos de consumo pode sinalizar pedidos enviados a despachantes, pedidos acima de determinado valor de contas criadas nas últimas 24 horas ou pedidos nos quais o mesmo cartão foi usado em várias contas. A empresa pode atualizar essas regras à medida que os padrões de fraude mudam.

Como o Stripe Radar pode ajudar

O Stripe Radar usa modelos de IA para detectar e prevenir fraudes, treinados com dados da rede global da Stripe. Ele atualiza continuamente esses modelos com base nas últimas tendências de fraude, protegendo sua empresa à medida que a fraude evolui.

A Stripe também disponibiliza o Radar for Fraud Teams, que permite aos usuários adicionar regras personalizadas voltadas a cenários de fraude específicos aos seus negócios e acessar informações avançadas de fraude.

O Radar pode auxiliar sua empresa a:

• Prevenir perdas por fraude: a Stripe processa mais de US$ 1 trilhão em pagamentos por ano. Essa escala permite que o Radar detecte e previna fraudes com alta precisão, ajudando você a economizar.

• Aumentar a receita: os modelos de IA do Radar são treinados com dados reais de contestações, informações de clientes, dados de navegação e muito mais. Isso permite identificar transações de risco e reduzir falsos positivos, impulsionando sua receita.

• Economizar tempo: o Radar é integrado à Stripe e não requer nenhuma linha de código para configuração. Você também pode monitorar o desempenho da prevenção a fraudes, criar regras e muito mais em uma única plataforma, aumentando a eficiência.

Saiba mais sobre o Stripe Radar, ou comece hoje mesmo.