El reto

Ben & Frank es la marca de gafas con un modelo de venta directa al consumidor más popular de América Latina. Con su anterior proveedor de pagos, Ben & Frank tenía un control del fraude y unos informes de pagos limitados, lo que impedía optimizar periódicamente el rendimiento de las autorizaciones. El motivo se encontraba en los retos específicos que plantea el mercado de México:
- América Latina se caracteriza por ser un ecosistema de pagos altamente personalizado y localizado, lo que dificulta el éxito cuando no se cuenta con un sistema de pagos personalizado para el usuario o relaciones estrechas con los principales emisores.
- Los índices de fraude de los compradores son elevados en comparación con los estándares mundiales, lo que dificulta definir un enfoque eficaz para los cargos sospechosos y la gestión de disputas.
- El apoyo a las funciones del e-commerce en México es limitado. Por ejemplo, las empresas encuentran dificultades a la hora de demostrar a los bancos emisores que los clientes recurrentes (es decir, que han guardado los datos de su tarjeta en la tienda) plantean un menor riesgo que quienes compran por primera vez.

Como resultado, la tasa de conversión de Ben & Frank era particularmente baja, lo que estaba creando una mala experiencia para los clientes que recibían un rechazo en su pago por error.

La solución

Ben & Frank comparó Stripe con su procesador de pagos existente y midió las tasas de autorización en las redes de tarjetas. John Campbell, director de operaciones de Ben & Frank, declaró: «Al evaluar un nuevo procesador de pagos, buscábamos tres objetivos cuantificables: la tasa de aceptación, la tasa de fraude y el NPS de la experiencia de los usuarios con nuestro servicio de atención al cliente».

Ben & Frank pudo integrar y poner en marcha Stripe en tan solo dos semanas para iniciar las pruebas. Leonardo Alonso, ingeniero de software de Ben & Frank, afirmó: «Stripe tiene un equipo increíble que está preparado para atender nuestras necesidades. Tiene uno de los mejores flujos de trabajo de desarrollo, y la documentación es muy fácil de usar con amplias bibliotecas de clientes y ejemplos para copiar y pegar».

Después de los tres meses de prueba, Ben & Frank determinó que Stripe era la mejor solución de pagos para mejorar la conversión y favorecer un crecimiento constante, gracias a la eficiencia de su equipo de soporte y al moderno conjunto de soluciones entre las que se encuentran las funciones de optimización de pagos y detección de fraude.

Los resultados

En tan solo tres meses tras la implementación de Stripe para sus operaciones en México, Ben & Frank experimentó un aumento del 10 % en su tasa de conversión en comparación con su anterior procesador. Estas son algunas de las claves de las mejoras que consiguió Ben & Frank en su proceso de pagos:

La estrecha relación de Stripe con los procesadores y emisores regionales
Stripe contrata a docenas de expertos en pagos locales y desarrolladores para encontrar los socios adecuados y crear relaciones estrechas en todo el ecosistema de pagos de México (desde intermediarios locales como Prosa y eGlobal o entidades como el Banco de México y CNBV, hasta grandes emisores como BBVA y Santander). Para generar confianza con los emisores locales, Stripe se reúne frecuentemente con ellos para poner en marcha cambios e iteraticiones en la lógica de autorización y fraude que ayuden a las empresas a capturar ingresos que, de otro modo, se perderían.

La reducción de la actividad fraudulenta y del tiempo de resolución
Dado que Radar está creado con Stripe Payments en su base, Ben & Frank ya no tiene que etiquetar manualmente las transacciones fraudulentas. En su lugar, la empresa confía en el machine learning de Stripe para evaluar el nivel de riesgo de cada pago en tiempo real. El modelo de machine learning aprende continuamente de los nuevos patrones de compra de los clientes, mientras que el equipo de fraude de Ben & Frank puede utilizar las revisiones manuales y las reglas de fraude personalizadas que permiten crear una estrategia adaptada a las peculiaridades de su mercado y gestionar de manera proactiva las tasas de fraude y de reembolso en México.

Con unas tasas de fraude en América Latina cinco veces superiores a las de Estados Unidos y EMEA, Radar ayuda a Ben & Frank a distinguir a los agentes fraudulentos de los clientes reales, reduciendo el fraude a un ritmo superior. Lourdes García, directora de productos en Ben & Frank, afirmó: «Al aprovechar el machine learning de Stripe y las reglas de fraude personalizadas, hemos observado un descenso en nuestras tasas de fraude y de reembolso. Incluso hemos comprobado que la satisfacción de nuestros clientes ha mejorado porque nuestro equipo resuelve las disputas de los clientes con mayor rapidez ahora que pasan menos tiempo gestionando los procesos manuales».

Las tasas de autorización optimizadas por el machine learning
Los bancos tienen reglas de decisión incoherentes sobre qué transacciones se aceptan. La única manera de mejorar la aceptación es mediante la ingeniería inversa de las reglas en toda la red de Stripe utilizando el machine learning. Para ello, Stripe creó Adaptive Acceptance, una tecnología basada en el machine learning que optimiza los mensajes de autorización en nombre de sus clientes. Los científicos e ingenieros de datos de Stripe mejoran continuamente estos modelos de machine learning para ayudar a las empresas a aceptar el mayor número posible de transacciones e ingresos legítimos.