Dado que el volumen de transacciones por Internet aumenta con el tiempo, cada vez es mayor el número de compras legítimas que se rechazan por error. Además del varapalo económico por la pérdida de ingresos, estos «falsos rechazos» pueden minar la confianza de los clientes y perjudicar la fidelidad a la marca, ya que los clientes frustrados tienen más probabilidad de abandonar el carrito e irse a la competencia.

Las empresas deben hallar el equilibrio entre implementar tácticas de prevención del fraude y proporcionar una experiencia de compra rápida, intuitiva y cómoda a los clientes. Pero, en primer lugar, las empresas deben comprender los motivos que dan lugar a estos falsos rechazos antes de implementar estrategias para reducirlos.

A continuación hacemos un repaso de los aspectos más importantes de los falsos rechazos: qué son, por qué ocurren, cuáles son sus causas y mejores prácticas para prevenirlos sin menoscabar una experiencia de transacciones segura para los clientes. Veamos qué es lo que necesitas saber.

¿De qué trata este artículo?

• ¿Qué son los falsos rechazos?
  
• ¿Por qué se producen falsos rechazos?
  
• Cómo prevenir los falsos rechazos
  
• Cómo previene Stripe los falsos rechazos
  

¿Qué son los falsos rechazos?

Los falsos rechazos, también denominados «falsos positivos», tienen lugar cuando un banco o un procesador de pagos rechaza una transacción legítima.

¿Por qué se producen falsos rechazos?

Los falsos rechazos se producen con frecuencia debido a los sistemas y algoritmos que detectan y previenen la actividad fraudulenta. Aunque estos sistemas están diseñados para proteger tanto a los clientes como a las entidades financieras, a veces pueden tener un exceso de cautela o imprecisiones que dan lugar al rechazo de transacciones válidas.

Comprender los motivos de los falsos rechazos puede ayudar a los clientes y empresas a tomar medidas preventivas y a gestionar estos casos de manera efectiva. Los siguientes son algunos de los motivos más comunes de los falsos rechazos:

• Patrones de gasto inusuales
  Es una práctica normal de los bancos y las empresas de tarjetas de crédito supervisar los patrones de gasto de sus clientes. Si una transacción no es coherente con el historial de comportamiento de gasto, como una compra grande inusual o una serie de transacciones rápidas, estos sistemas de supervisión pueden marcarla como potencialmente fraudulenta. Aunque esta medida puede prevenir el fraude, a veces captura transacciones legítimas.

• Errores técnicos
  El procesamiento de transacciones implica redes y sistemas complejos. A veces, un fallo técnico, una demora en la red o un error de comunicación entre diferentes sistemas pueden dar lugar a que se rechace una transacción. Esto puede ocurrir incluso si no hay nada sospechoso ni inusual en la transacción.

• Superación de límites
  Las entidades financieras a menudo establecen límites diarios o transaccionales en las cuentas para mitigar posibles pérdidas o fraudes. Si un cliente intenta hacer una compra que supera estos límites predefinidos, se puede rechazar la transacción. Aunque estos límites pueden ser útiles como medida de prevención del fraude, también pueden ser motivo de frustración para un cliente que quiera hacer una compra más grande, pero legítima.

• Información incorrecta
  Durante una transacción, debe verificarse la información del cliente, como su dirección de facturación, el código de seguridad de la tarjeta y la fecha de caducidad. Si hay alguna discrepancia entre esta información y la que tiene registrada el banco, se puede rechazar la transacción. Esta es una medida de seguridad común para asegurarse de que la persona que realiza la transacción es el titular legítimo de la tarjeta.

• Técnicas de autorización obsoletas
  Algunos procesadores de pagos pueden usar algoritmos de detección del fraude obsoletos. Puesto que los métodos para cometer fraude evolucionan, también deben hacerlo los algoritmos diseñados para detectarlos. Los sistemas obsoletos pueden no discernir entre actividad legítima y actividad fraudulenta, lo que da lugar a más falsos rechazos.

• Algoritmos estrictos de detección del fraude
  Algunos algoritmos de detección del fraude son excesivamente cautelosos y marcan transacciones legítimas que tienen algún parecido con patrones potencialmente fraudulentos.

• Desencadenantes geográficos
  Las transacciones realizadas desde ubicaciones geográficas que están lejos del hogar o la región de un cliente, o desde regiones que suelen estar asociadas a actividades fraudulentas, se consideran a menudo sospechosas. Por ejemplo, si un cliente de Estados Unidos que rara vez o nunca viaja al extranjero de pronto realiza una compra en otro país, puede ser el desencadenante de una marca de seguridad.

• Tarjetas o cuentas caducadas
  El uso de una tarjeta de crédito caducada o una cuenta cancelada también puede dar lugar a que se rechace una transacción. Es posible que el cliente no se haya dado cuenta de que la tarjeta ha caducado o de que ha habido algún cambio en el estado de su cuenta, lo que da lugar a un rechazo si intenta realizar una transacción legítima.

Los clientes pueden tomar medidas para prevenir los falsos rechazos, como avisar a su banco antes de realizar compras grandes o internacionales. Las empresas pueden trabajar con procesadores de pagos que usen algoritmos de detección del fraude más sofisticados y adaptables para reducir la frecuencia de falsos rechazos. A continuación incluimos más información sobre cómo pueden diseñar las empresas un sistema de detección del fraude muy sensible que sea mínimamente disruptivo para las transacciones legítimas.

Cómo prevenir los falsos rechazos

Para reducir la frecuencia de falsos rechazos, las empresas deben hallar el equilibrio entre la prevención del fraude y una experiencia del cliente fluida. Las siguientes son algunas estrategias y tácticas que las empresas pueden usar para abordar los falsos rechazos:

• Usar herramientas avanzadas de detección del fraude
  Habilita sistemas de detección del fraude modernos que usen machine learning e inteligencia artificial. Estos sistemas pueden analizar enormes cantidades de datos en tiempo real, por lo que son expertos en distinguir entre transacciones auténticas y fraudulentas sin causar falsos rechazos innecesarios.

• Personalizar la configuración de la detección del fraude
  Muchos procesadores de pagos permiten a las empresas personalizar la configuración de sus herramientas de detección del fraude. Al ajustar esta configuración para que sea más permisiva o refleje mejor la base de clientes y los patrones de transacciones del negocio, las empresas pueden reducir los falsos rechazos.

• Implementar autenticación multifactor (MFA)
  En lugar de rechazar una transacción de forma categórica, las empresas pueden requerir una verificación adicional de las transacciones marcadas como sospechosas. Por ejemplo, el envío de una contraseña de un solo uso al número de teléfono o al correo electrónico registrados del cliente puede añadir una capa de seguridad más sin rechazar la transacción de forma rotunda.

• Actualizar los datos de los clientes periódicamente
  Mantén actualizados los datos de los clientes, como su dirección y número de teléfono. Esto puede garantizar que la información que se usa para la verificación durante una transacción es actual, lo que reduce la posibilidad de rechazos debidos a incoherencias en la información.

• Informar a los clientes sobre los límites de sus cuentas
  Comunica a los clientes los límites de gasto diarios o las restricciones de sus cuentas y enséñales cómo pueden cambiar esos límites si es necesario. Esto puede evitar que se rechacen transacciones legítimas por superar los límites preestablecidos.

• Crear listas de clientes de confianza permitidos
  Si una empresa tiene clientes recurrentes con un historial de transacciones legítimas, puede elaborar una lista de permitidos con esos clientes. Esto significa que las transacciones de estos clientes se someten a comprobaciones menos estrictas, lo que reduce la probabilidad de falsos rechazos.

• Analizar los datos
  Al analizar los datos de las transacciones, las empresas pueden identificar patrones y tendencias que pueden ayudarles a saber qué transacciones son candidatas a ser falsos rechazos. Después, pueden usar esta información para perfeccionar sus sistemas de detección del fraude.

• Obtener comentarios de los clientes
  Anima a los clientes a que comuniquen si experimentan un falso rechazo. Esta información puede ser de gran valor para comprender las razones de los falsos rechazos y hacer los ajustes necesarios en los sistemas de detección del fraude.

• Supervisar y revisar las transacciones rechazadas
  Revisa periódicamente las transacciones que se rechazan para identificar patrones o elementos comunes entre los falsos rechazos. Esto puede ayudar a ajustar debidamente las medidas de detección del fraude.

Para todas estas tácticas, es fundamental elegir el proveedor de procesamiento de pagos adecuado. La forma en la que tu procesador de pagos gestiona los falsos rechazos puede hacer que el proceso sea sencillo o frustrante.

Cómo previene Stripe los falsos rechazos

El enfoque sofisticado que utiliza Stripe para la detección y prevención del fraude reduce los falsos rechazos gracias a una combinación de machine learning y análisis de datos. Aquí ofrecemos una descripción general de cómo diseña Stripe sistemas de pagos que son lo más resistentes posible a los falsos rechazos:

• Grandes conjuntos de datos
  Stripe procesa miles de millones de dólares en transacciones cada año, con las que crea un enorme conjunto de datos que los algoritmos de machine learning pueden usar para identificar patrones y tendencias de un modo más efectivo. Los algoritmos de Stripe analizan estos datos para reconocer mejor qué constituye una transacción normal frente a una fraudulenta.

• Aprendizaje y adaptación en tiempo real
  Los modelos de machine learning de Stripe aprenden en tiempo real. A medida que procesan transacciones, analizan continuamente los resultados y se adaptan en consecuencia. Esta adaptación en tiempo real permite a los modelos mantenerse al día de los últimos patrones de fraude sin comprometer las tasas de aprobación de las transacciones legítimas.

• Personalización para diferentes empresas
  Stripe es consciente de que las empresas son diferentes y de que lo que unas consideran una transacción normal puede ser inusual para otras. Por tanto, los modelos de machine learning de Stripe se adaptan a los patrones de transacciones específicos de cada empresa. Esta personalización reduce la probabilidad de que una transacción legítima se marque falsamente como fraudulenta debido a normas específicas del sector.

• Puntuación de riesgo
  Stripe asigna a cada transacción una puntuación de riesgo, que representa la probabilidad de que la transacción sea fraudulenta. Las empresas pueden usar estas puntuaciones de riesgo con el fin de establecer sus propios umbrales para cuando una transacción debe rechazarse automáticamente o marcarse para una revisión manual. Esto les da a las empresas más control y flexibilidad en la gestión de la prevención del fraude.

• Stripe Radar
  Radar utiliza machine learning para detectar el fraude en las transacciones. Tiene en cuenta cientos de señales sobre cada transacción y utiliza los datos de toda la red de Stripe para detectar y prevenir el fraude, a la vez que se adapta automáticamente a los patrones de cambio del fraude. Las empresas también pueden establecer reglas adaptadas a sus propios requisitos.

• Herramientas de autenticación
  Stripe admite 3D Secure, una herramienta de autenticación que añade una capa más de verificación para los pagos con tarjeta. Incluso si una transacción se marca como potencialmente arriesgada, el cliente puede completar la compra proporcionando una verificación más, lo que reduce la probabilidad de un falso rechazo.

Al incorporar estos elementos a sus medidas de detección y prevención del fraude, Stripe reduce los falsos rechazos, al tiempo que mantiene una fuerte defensa contra las transacciones fraudulentas. Para obtener más información y empezar a trabajar con Stripe, ve aquí.