Le frodi nell'e-commerce stanno diventando una minaccia sempre maggiore in tutto il mondo. Uno dei fattori principali è la natura delle transazioni con carta non presente (CNP) degli acquisti online, che crea un'enorme superficie di attacco per chiunque sia disposto ad abusarne. Il valore delle frodi globali nell'e-commerce dovrebbe crescere da circa 56 miliardi di dollari nel 2025 a 131 miliardi di dollari entro il 2030. Per far fronte a questa minaccia, una prevenzione delle frodi nell'e-commerce efficace combina controlli sovrapposti in cui ciascuno intercetta ciò che sfugge agli altri.

Di seguito esploreremo i tipi più comuni di frode che colpiscono i venditori al dettaglio online, come funziona il rilevamento in tempo reale a livello di transazione e come creare una strategia di prevenzione a più livelli in grado di intercettare i malintenzionati senza allontanare i clienti legittimi.

In sintesi

• Le frodi nell'e-commerce comprendono diversi tipi, tra cui frodi CNP, frodi amichevoli e furti di account. Ognuno di essi richiede controlli diversi per il rilevamento e la prevenzione.

• Il rilevamento delle frodi in tempo reale assegna un punteggio di rischio basato sui segnali del dispositivo, sui dati comportamentali e sulle caratteristiche dell'ordine. Tale punteggio determina se il sistema automatizzato approva, blocca o esamina una transazione.

• Una strategia di prevenzione a più livelli abbina i modelli di machine learning alle regole personalizzate e ai controlli di verifica del checkout per consentire la copertura più ampia con il minor attrito possibile per i clienti legittimi.

Che cos'è una frode nell'e-commerce?

La frode nell'e-commerce è qualsiasi tentativo di completare una transazione online utilizzando informazioni rubate, false o manipolate per ottenere beni, servizi o denaro senza un'autorizzazione legittima. A differenza delle frodi di persona, non c'è alcuna carta da rubare fisicamente e nessun volto da identificare; questo rende il canale online più attraente per i malintenzionati.

Quali sono i tipi più comuni di frode nell'e-commerce?

Ecco alcuni tipi comuni di frode nell'e-commerce:

• Frode CNP: qualcuno utilizza credenziali della carta rubate per effettuare un ordine. Il titolare della carta spesso contesta l'addebito con la propria banca, e l'attività perde la merce, i ricavi e solitamente anche una commissione di storno.

• Frode amichevole: un cliente legittimo effettua un acquisto, riceve l'articolo e contesta comunque l'addebito. Sostiene che non fosse autorizzato, che l'articolo non è mai arrivato o che non corrispondeva alla descrizione. Senza prove solide, come la conferma di consegna, i registri del protocollo Internet (IP) e le impronte digitali del dispositivo, le attività possono perdere queste contestazioni.

• Acquisizione di account: un truffatore ottiene l'accesso a un account cliente esistente (spesso tramite credential stuffing utilizzando coppie di nome utente e password violate), quindi modifica l'indirizzo di spedizione ed effettua ordini utilizzando il metodo di pagamento salvato. Poiché l'account ha una cronologia di acquisti legittima, questi ordini spesso superano i controlli antifrode di base senza sollevare alcun segnale di allarme.

• Abuso dei resi: i clienti sfruttano politiche di reso permissive per ottenere rimborsi su articoli che hanno già utilizzato o per restituire prodotti danneggiati o diversi. La frode dei Rimborsi influisce sui margini nello stesso modo di altri tipi di frode, ma spesso viene trattata come un problema operativo.

• Abuso di promozioni e coupon: i truffatori creano più account per richiedere ripetutamente sconti per nuovi clienti, bonus di presentazione o codici promozionali. Ciò è particolarmente comune con i beni digitali o i prodotti in abbonamento, per i quali non vi è alcun limite fisico al numero di volte in cui l'abuso può ripetersi.

Quali best practice per la prevenzione delle frodi nell'e-commerce dovrebbero seguire i venditori al dettaglio online?

I programmi efficaci per la prevenzione delle frodi combinano segnali di rilevamento, misure di sicurezza per il checkout e policy interne. Il monitoraggio delle transazioni dovrebbe prestare attenzione ai seguenti segnali che, nel complesso, indicano la probabilità di frode:

• Modelli insoliti: ordini multipli dallo stesso indirizzo IP, numero di carta o dispositivo in una breve finestra di tempo indicano spesso frodi automatizzate o attacchi di carding (ovvero, i malintenzionati testano i numeri di carte rubate con piccole transazioni prima di effettuarne di più grandi).

• Mancata corrispondenza tra spedizione e fatturazione: un ordine in cui gli indirizzi di fatturazione e spedizione si trovano in Paesi diversi o in cui l'email non corrisponde a quella registrata per quella carta aumenta la probabilità di frode.

• Segnali di dispositivo e browser: il rilevamento dell'impronta digitale del dispositivo acquisisce attributi come la configurazione del browser, la risoluzione dello schermo e i caratteri installati. Un dispositivo precedentemente associato a un ordine fraudolento è un forte indicatore di rischio, indipendentemente dalla carta che sta utilizzando in quel momento.

• Caratteristiche dell'ordine: gli ordini di alto valore effettuati subito dopo la creazione dell'account, più unità dello stesso articolo ad alta rivendibilità e la spedizione rapida per una destinazione in cui non ha senso dal punto di vista logistico sono tutti scenari che meritano un'ispezione più attenta.

Al checkout, ulteriori controlli di verifica possono fornirti una migliore comprensione di chi sta completando la transazione. Questi includono i seguenti:

• Servizio di verifica dell'indirizzo (AVS): verifica se l'indirizzo di fatturazione inserito da un cliente corrisponde a quello registrato presso la società emittente della carta. Una corrispondenza completa non garantisce la legittimità, ma una mancata corrispondenza può essere un importante segnale di rischio.

• Controllo del valore di verifica della carta (CVV): conferma che la persona che effettua l'ordine ha accesso fisico alla carta e non solo al numero della carta. Richiedere il CVV al checkout è una pratica standard.

• 3D Secure (3DS): aggiunge una fase di autenticazione in cui il titolare della carta verifica la propria identità direttamente con la società emittente della carta, spesso tramite un codice monouso o una richiesta biometrica. Quando l'autenticazione 3D Secure ha esito positivo, di solito la responsabilità dello storno passa dall'attività alla società emittente della carta.

Le regole automatizzate ti consentono di impostare limiti rigidi sul comportamento delle transazioni: puoi bloccare tutti gli ordini spediti verso una specifica area ad alto rischio, richiedere una revisione manuale al di sopra di un determinato valore dell'ordine oppure rifiutare qualsiasi transazione in cui l'AVS fallisce e l'ordine supera una soglia prestabilita. La sfida è che le regole sono statiche per impostazione predefinita. Le tattiche di frode cambiano e le regole che funzionavano efficacemente sei mesi fa potrebbero generare falsi rifiuti oggi. I tassi di blocco e i tassi di falsi positivi necessitano di un esame regolare.

Come vengono rilevati gli ordini fraudolenti in tempo reale?

Quando un cliente effettua un ordine, il processo di rilevamento delle frodi inizia prima ancora che la richiesta di autorizzazione del pagamento raggiunga il circuito di carte. Ecco come funziona:

• Acquisizione dei dati: il sistema di checkout raccoglie i segnali del dispositivo, l'indirizzo IP e il comportamento della sessione (ad es. tempo trascorso sulla pagina, ritmo di digitazione, modalità di compilazione dei campi del modulo) oltre ai dettagli dell'ordine stesso.

• Valutazione delle regole: l'ordine viene verificato rispetto a eventuali blocchi basati su regole, come i limiti di velocità della transazione, i Paesi bloccati e le restrizioni sulle carte in base al numero di identificazione bancaria (BIN). Gli ordini che subiscono un blocco rigido si fermano qui.

• Punteggio di rischio: un modello valuta l'intero set di segnali e produce un punteggio ponderando i diversi segnali in base alle combinazioni che storicamente hanno preceduto storni e contestazioni.

• Decisione: in base al punteggio e alle soglie configurate, l'ordine viene approvato automaticamente, segnalato per essere esaminato da un operatore o rifiutato. Un team antifrode gestisce la coda di revisione per valutare manualmente i casi limite.

• Ciclo di feedback: quando un ordine segnalato viene esaminato manualmente e approvato o rifiutato, l'esito viene reinserito nel modello e migliora l'accuratezza del punteggio in futuro.

Qual è la differenza tra le tecniche e gli strumenti di prevenzione delle frodi nell'e-commerce?

Le tecniche di prevenzione delle frodi nell'e-commerce sono gli approcci analitici utilizzati per identificare le frodi. I software correlati possono implementare tali tecniche su larga scala.

Ecco alcune tecniche comuni:

• Controlli di velocità: segnalano una frequenza insolita delle transazioni in una determinata finestra di tempo. Questo è utile per intercettare gli attacchi di carding, in cui i malintenzionati testano lotti di numeri di carte rubate in rapida successione.

• Biometria comportamentale: analizza il modo in cui un utente interagisce con un modulo (ad es. movimento del mouse, tempi di battitura, modelli di compilazione automatica) per distinguere gli esseri umani dai bot che tentano di automatizzare il checkout.

• Modelli di machine learning: si addestrano sui dati storici delle transazioni per identificare i modelli che precedono le frodi, inclusi quelli troppo impercettibili per essere intercettati dalle regole. Più sono i dati sulle transazioni su cui si addestra un modello di machine learning, migliore sarà la sua capacità di distinguere i veri casi limite dalle frodi.

• Analisi di rete: identifica i segnali condivisi tra gli account (ad es. stesso dispositivo, stesso IP, stesso dominio email) per rilevare le reti di frode che operano contemporaneamente su più account.

Stripe Radar applica modelli di machine learning addestrati sui dati delle transazioni di tutta la rete Stripe. Poiché Radar osserva i modelli di milioni di attività, può identificare segnali di rischio che nessuna singola attività avrebbe dati sufficienti per rilevare da sola. Un numero di carta comparso in una transazione fraudolenta altrove sulla rete è un segnale prezioso, anche se è la prima volta che lo vedi.

Come si crea una strategia a più livelli per la prevenzione delle frodi nell'e-commerce?

Una strategia a più livelli fa in modo che nessun singolo punto di errore consenta il passaggio delle frodi. Ogni livello intercetta ciò che sfugge agli altri.

Ecco cosa dovrebbe includere una strategia a più livelli:

• Verifica dell'account e dell'identità: prima che chiunque possa effettuare un ordine, occorre confermare che sia chi dice di essere. La verifica dell'email alla creazione dell'account, i requisiti per una password complessa e l'autenticazione 3D Secure aggiungono controlli di identità di base che riducono il rischio di furto dell'account.

• Segnali a livello di checkout: i controlli CVV, AVS e il rilevamento dell'impronta digitale del dispositivo possono intercettare un'ampia porzione dei tentativi di frode CNP prima del completamento. L'elaborazione delle transazioni senza questi controlli lascia evidenti lacune.

• Punteggio di rischio: il calcolo del punteggio in tempo reale valuta l'intero contesto dell'ordine. È qui che uno strumento come Stripe Radar aggiunge il maggior valore, perché il modello si basa su segnali inter-rete che la sola verifica a livello di checkout non è in grado di rilevare.

• Regole personalizzate: regole specifiche per l'attività adattano il modello di base al tuo contesto. Un'attività di beni digitali affronta modelli di frode diversi rispetto a un venditore al dettaglio di beni fisici e le regole ti consentono di codificare tale conoscenza direttamente nel tuo processo decisionale.

• Monitoraggio post-transazione: anche i tassi di storno, i modelli di contestazione e le anomalie nell'evasione degli ordini sono segnali. Il monitoraggio delle metriche a valle intercetta le frodi sfuggite ai livelli precedenti e fornisce informazioni per adeguare le regole e le soglie nel tempo.

• Controlli su resi e policy: le attività che subiscono spesso frodi sui resi possono mitigare gli abusi richiedendo foto degli articoli restituiti, emettendo crediti del negozio anziché rimborsi per gli account segnalati o implementando finestre di reso proporzionali al valore dell'ordine. Inoltre, possono farlo senza danneggiare in modo significativo l'esperienza dei clienti onesti.

In che modo Stripe Radar può essere d'aiuto

Stripe Radar utilizza modelli di IA per rilevare e prevenire le frodi, addestrati sui dati della rete globale di Stripe. Aggiorna costantemente questi modelli in base alle tendenze delle frodi più recenti, in modo che la tua attività rimanga protetta con l'evolversi delle frodi.

Stripe offre anche Radar for Fraud Teams, che consente agli utenti di aggiungere regole personalizzate per affrontare scenari di frode specifici per le loro attività e di accedere a informazioni avanzate sulle frodi.

Radar può aiutare la tua attività a:

• Prevenzione delle perdite per frode: ogni anno Stripe elabora oltre 1.000 miliardi di dollari in pagamenti. Questa scala consente unicamente a Radar di rilevare e prevenire con precisione le frodi e farti risparmiare denaro.

• Aumento dei ricavi: i modelli di IA di Radar sono addestrati su dati reali relativi a contestazioni, informazioni sui clienti, dati di navigazione e altro ancora. Questo consente a Radar di identificare le transazioni a rischio e ridurre i falsi positivi, aumentando i tuoi ricavi.

• Risparmio di tempo: Radar è integrato in Stripe e non richiede alcuna riga di codice per la configurazione. Inoltre, puoi monitorare le prestazioni relative alle frodi, scrivere regole e molto altro in un'unica piattaforma, aumentando così l'efficienza.

Scopri di più su Stripe Radar, oppure inizia oggi stesso.