課題

Ben & Frank は、ラテンアメリカで高い人気を誇る消費者直販のメガネブランドです。Ben & Frank が使用していた以前のペイメントプロバイダでは、不正使用と支払いレポートに関するコントロールが限られていたため、オーソリのパフォーマンスを継続的に最適化することが不可能でした。これは、メキシコの市場に、以下のような固有の課題があるためです。
- ラテンアメリカは非常にカスタマイズされ現地化された決済エコシステムで有名で、カスタマイズされたユーザ決済システムと、主要カード発行会社との緊密な関係がなければ成功が困難。
- 世界的標準と照らして購入者の不正使用率が高く、疑わしい支払いや不審請求の申請の管理に対するアプローチ定義が困難。
- メキシコでは E-コマース機能のサポートが限られている。たとえば、クレジットカード情報が保存されたリピート客が新規の顧客に比べてリスクが低いことを、ビジネスがカード発行会社に示すことが困難。

その結果、Ben & Frank のコンバージョン率は低いものとなり、顧客は不正確な支払い拒否を受け、顧客体験も好ましくない状態となっていました。

解決策

Ben & Frank は、カードネットワーク全体でのオーソリ率を測定し、既存の決済代行業者と Stripe を比較しました。「新しい決済代行業者を評価する際、承認率、不正使用率、およびカスタマーサービスとのユーザ体験の NPS という、3 つの測定可能な目標を検討しました。」(Ben & Frank の運営ディレクターである John Campbell 氏)

Ben & Frank は、わずか 2 週間で組み込みを行い、Stripe を起動してテストを開始しました。「Stripe には当社のニーズをサポートする素晴らしいチームが存在し、その開発ワークフローは非常に優れています。ドキュメントもとても使いやすく、広範なクライアントライブラリとコピーアンドペーストできるサンプルが用意されています。」(Ben & Frank のソフトウェアエンジニアである Leonardo Alonso 氏)

3 カ月のトライアル後、Ben & Frank は、コンバージョン率を改善し、継続的成長を促進するために Stripe の方が優れた決済ソリューションであると結論を下しました。このような優位性を生み出しているのは、Stripe の対応の速いサポートと、支払い最適化および不正使用検出を搭載した最新のソリューションです。

結果

Ben & Frank は、メキシコで Stripe を使用し始めて最初の 3 カ月に、以前の決済代行業者と比較して、コンバージョン率が 10% 増加しました。Ben & Frank が経験したこの改善は以下によって実現されたものです。

Stripe の現地代行業者とカード発行会社との緊密な関係
Stripe は何十人もの現地の決済専門家や開発者を雇用し、メキシコの決済エコシステム全体で強力なパートナーシップを構築しています。これには、Prosa や eGlobal、Banco de México、CNBV などの現地のスイッチや、BBVA や Santander のような大手のカード発行会社も含まれます。現地のカード発行会社との間に信頼関係を築くため、Stripe は頻繁にカード発行会社とミーティングを行い、オーソリや不正使用ロジックに繰り返し変更を行い、ビジネスがより多くの売上を獲得できるように支援しています。

不正使用アクティビティと解決時間の削減
Radar は Stripe Payments 上に構築されているため、Ben & Frank は不正使用取引を手動でラベル付けする必要がなくなりました。その代わりに、Stripe の機械学習がリアルタイムで各支払いを評価します。機械学習モデルは、新しい顧客の購入パターンから継続的に学習します。一方、Ben & Frank の不正対策チームは、手動ルールオーバーライドやカスタムの不正使用ルールを使用でき、的を絞った戦略で先手を打ってメキシコでの不正使用率やチャージバック率を管理できます。

メキシコにおける不正使用率は、アメリカや EMEA における不正使用率の 5 倍にも上りますが、Ben & Frank は Radar を活用して不正使用者と顧客を区別し、速いスピードで不正使用を減少させています。「Stripe の機械学習とカスタムの不正使用防止ルールを活用することにより、不正使用率とチャージバック率を減らすことができました。それだけでなく、当社チームが手動プロセスにかける時間が減り、顧客の不審請求をより迅速に処理できるようになったため、顧客満足度も向上しました。」(Ben & Frank のプロダクトマネージャーである Lourdes García 氏)

機械学習によるオーソリ率最適化
取引の承認に関する銀行の決定ルールは一貫していません。承認率を上げる唯一の方法は、機械学習を使用して Stripe ネットワーク全体でリバースエンジニアリングを行うことです。このために Stripe は、Adaptive Acceptance を構築しました。これは、お客様の代わりにオーソリメッセージを最適化する機械学習テクノロジーです。Stripe のデータサイエンティストとエンジニアは、これらの機械学習モデルを継続的に改善し、ビジネスができるだけ多くの正当な取引を受け付け、高い収入を得られるように支援しています。