MATCHESFASHION steigert seine Autorisierungsquote mithilfe von Stripe um 2,47 % und sichert sich damit über 6 Mio. GBP zusätzlichen Umsatz pro Jahr

Der globale Luxusmodehändler hat Stripe Adaptive Acceptance, Stripe Card Account Updater und 5 globale Kartenaktualisierer sowie ein lokales Kartennetzwerk umgesetzt.

MATCHESFASHION zählt zu den weltweit wichtigsten Anbietern exklusiver Mode und Accessoires im Web. Die moderne Kollektion mit mehr als 600 etablierten und aufstrebenden Designer/innen bietet Luxusartikel für Herren und Damen in über 176 Ländern.
Das Unternehmen wurde 1987 als klassische Einzelhandelskette gegründet und wagte 2007 seine ersten E-Commerce-Schritte. Heute verzeichnet MATCHESFASHION jährlich über 130 Millionen Websitebesuche und 95 % der Verkäufe werden online abgewickelt. Die MATCHESFASHION-App wurde bereits von rund zwei Millionen Kund/innen heruntergeladen. Da die Onlinetransaktionen einen solch enormen Anteil des Umsatzes ausmachen, ist die Optimierung der Autorisierungsraten ein entscheidender Erfolgsfaktor für MATCHESFASHION. Und da sich die Kundschaft auf so viele Länder verteilt, wurde schnell klar, dass ein erweitertes Angebot an Zahlungsoptionen eine Grundvoraussetzung für die angestrebte Umsatzsteigerung und Optimierung des Kundenerlebnisses sein würde.

Gemeinsam mit Stripe implementierte MATCHESFASHION die sechs globalen Kartenanbieter (Visa, Mastercard, Amex, JCB, CUP, Discover) sowie ein regionales Kartennetzwerk (Cartes Bancaires), um einen optimierten Zahlungsprozess für unterschiedliche Präferenzen der Kund/innen zu gewährleisten. Das Unternehmen integrierte außerdem zwei weitere Tools von Stripe in seine Abläufe: Kartenaktualisierer und Adaptive Acceptance, wobei Letzteres mithilfe von maschinellem Lernen (ML) für effizientere Autorisierungsabläufe sorgt. Obendrein profitiert MATCHESFASHION davon, dass Stripe Abrechnungen in verschiedenen Währungen unterstützt, sodass Margen geschützt und Risiken durch Währungsverluste und Wechselkurse gemindert werden.

Ergebnisse

MATCHESFASHION verbesserte seine Autorisierungsraten innerhalb von einem Jahr um 2,47 % und steigerte seinen Jahresumsatz dadurch um mehr als 6 Millionen Pfund. In bestimmten Regionen zeigte sich dieser Erfolg sogar noch deutlicher. Beispielsweise führte die frühzeitige Einführung des regionalen Kartennetzwerks Carte Bancaires zu einer Verbesserung der Autorisierungsrate in Frankreich im zweistelligen Bereich.

„Mithilfe nur einer zentralen Integration konnten wir unsere Akzeptanzraten klar verbessern, vor allem durch maßgeschneiderte Ansätze für alle Regionen, die Unterstützung relevanter lokaler Zahlungsmethoden, die Optimierung des Zahlungsprozesses sowie die vereinfachte Abwicklung des 3D-Secure-Verfahrens zugunsten eines komfortableren Ablaufs für unsere Kund/innen“, sagt Lauren Mirynowski, Produktmanagerin bei MATCHESFASHION.

Die Verbesserung um 2,47 % realisierte MATCHESFASHION primär mit folgenden Schlüsselfunktionen von Stripe:

Adaptive Acceptance macht sich maschinelles Lernen zunutze, um fehlgeschlagene Transaktionen mithilfe smarter Algorithmen erneut zu initiieren und dadurch die Autorisierungsraten zu verbessern. Die dabei eingesetzten ML-Modelle nutzen die umfangreichen Verlaufsdaten von Stripe, die bei der Verarbeitung von Milliarden Zahlungen pro Jahr anfallen, beispielsweise zu Transaktionsarten, Aussteller/innen und Händlertypen. Die Datenprofis und technischen Fachkräfte von Stripe verbessern die Modelle kontinuierlich weiter, damit Händler/innen so viele legitime Transaktionen wie möglich genehmigen und zusätzliche Umsätze erzielen können.

Der Kartenaktualisierer verhindert fälschlicherweise abgelehnte Zahlungen. Zu diesem Zweck kooperiert Stripe mit Kartennetzwerken, um gespeicherte Kartenangaben automatisch zu aktualisieren, sobald jemandem eine neue Karte ausgehändigt wird (z. B. als Ersatz für eine abgelaufene, verlorene oder gestohlene Karte). Für MATCHESFASHION ist dies vor allem deshalb wichtig, weil die manuelle Aktualisierung von zuvor gespeicherten Kartenangaben den Kund/innen unnötigen Aufwand verursacht. Dies führt dazu, dass begonnene Käufe nicht abgeschlossen oder die Kartenzahlungen abgelehnt werden – mit entsprechenden Umsatzeinbußen für das Unternehmen.

Individuelle Lösungen von Stripe zur Betrugsbekämpfung

MATCHESFASHION benötigt eine Lösung, mit der hohe Autorisierungsraten realisierbar sind, ohne gleichzeitig das Betrugsrisiko zu erhöhen. Diesem Ziel dient Stripe Radar. Das Tool erkennt und blockiert Betrugsversuche mithilfe von ML-Algorithmen, die mit Daten von Millionen Unternehmen aus der ganzen Welt trainiert werden. Stripe hat die Ergebnisse in enger Zusammenarbeit mit MATCHESFASHION optimiert und das Feedback von MATCHESFASHION direkt in die Weiterentwicklung von Stripe Radar einfließen lassen. So wurden beispielsweise neue Funktionen zur Risikoanalyse implementiert, die Regellimits von Radar erweitert und die Zuweisungen manueller Checks an interne Mitarbeiter/innen ermöglicht.

MATCHESFASHION optimiert das Kundenerlebnis dank Stripe

Als Luxusmarke möchte MATCHESFASHION seinen Kund/innen natürlich in jeder Phase des Kaufprozesses ein optimales Erlebnis bieten.

„Bei einem durchschnittlichen Bestellwert von über 500 Pfund erwartet unsere Klientel reibungslose Interaktionen mit unserer Website, und zwar unabhängig davon, wo sich die Kund/innen gerade aufhalten oder welche Geräte sie für ihre Transaktionen nutzen“, erklärt Mirynowski.

Stripe unterstützt MATCHESFASHION nicht nur mit einer effizienten Zahlungsabwicklung, sondern auch mit Analysen des Kundenverhaltens bei anderen Händler/innen im Ökosystem von Stripe. Das Unternehmen plant die Auswertung dieser Daten zur Gestaltung stärker personalisierter Bezahlvorgänge für seine Kund/innen.

„Wir möchten unseren Nutzer/innen den Bezahlvorgang so leicht wie möglich machen. Das heißt, die angebotenen Zahlungsmethoden müssen ihren Präferenzen entsprechen. Dank Stripe können wir über eine einzige zentrale Lösung verschiedene regional beliebte Zahlungsmethoden anbieten und damit unsere Umsätze signifikant steigern“, sagt Mirynowski.