La sfida

Ben & Frank è il brand di occhiali B2C più diffuso in America latina. Con il fornitore di servizi di pagamento precedente, l'azienda aveva un controllo limitato delle frodi e della reportistica di pagamento, il che rendeva impossibile ottimizzare in modo costante le prestazioni di autorizzazione. Questo perché il mercato messicano presenta alcune complessità peculiari:

• l'America latina è nota per essere un ecosistema di pagamento altamente personalizzato e localizzato, il che complica l'avere successo senza sistemi di pagamento personalizzati per gli utenti o una collaborazione costante con le principali società emittenti;
  
• i tassi di frode da parte degli acquirenti sono elevati rispetto agli standard globali, il che rende difficoltoso definire una strategia efficace per la gestione delle transazioni sospette e delle contestazioni di pagamento;
  
• il supporto alle funzioni di e-commerce è limitato in Messico. Ad esempio, per le attività è difficile dimostrare alle società emittenti che i clienti abituali che hanno salvato le credenziali della propria carta presentano un rischio inferiore rispetto a quelli che effettuano un acquisto per la prima volta.
  

Di conseguenza, Ben & Frank registrava bassi tassi di conversione, creando un'esperienza negativa per i clienti i cui pagamenti venivano erroneamente rifiutati.

La soluzione

L'azienda ha messo a confronto Stripe con il proprio elaboratore di pagamenti esistente misurando i tassi di autorizzazione sui diversi circuiti delle carte di credito. John Campbell, direttore operativo di Ben & Frank, ha dichiarato; "Nel valutare un nuovo elaboratore di pagamenti, cercavamo tre obiettivi misurabili: il tasso di accettazione, il tasso di frode e il punteggio NPS per l'esperienza d'uso con il nostro servizio clienti."

Ben & Frank ha potuto integrare e lanciare Stripe in sole due settimane per avviare i test. Leonardo Alonso, ingegnere informatico in Ben & Frank, ha dichiarato: "Stripe conta su un team eccellente in grado di rispondere alle nostre esigenze. Dispone di uno dei migliori flussi di sviluppo e la documentazione è facile da usare, con librerie client estese ed esempi da copiare e incollare".

Dopo tre mesi di test, l'azienda ha deciso che Stripe rappresenta la migliore soluzione di pagamento per aumentare la conversione e supportare la crescita continua, grazie all'assistenza reattiva e alla moderna suite di soluzioni per l'ottimizzazione dei pagamenti e il rilevamento delle frodi.

I risultati

Ben & Frank ha registrato un aumento del 10% nella conversione rispetto all'elaboratore precedente in soli tre mesi di utilizzo di Stripe in Messico. Questo è stato reso possibile grazie a:

Stretta collaborazione di Stripe con elaboratori e società emittenti locali

Stripe collabora con decine di esperti e sviluppatori di pagamenti locali per creare relazioni solide nell'ecosistema di pagamenti in Messico, ad esempio con gli elaboratori locali Prosa e eGlobal, Banco de México e CNBV e con le società emittenti più importanti come BBVA e Santander. Per instaurare un rapporto di fiducia con le società emittenti locali, Stripe collabora fianco a fianco con loro per apportare modifiche ripetitive alla logica che regolamenta autorizzazioni e frodi, aiutando le attività a recuperare ricavi che altrimenti andrebbero persi.

Riduzione dell'attività fraudolenta e dei tempi di risoluzione

Dato che Radar è stato implementato sulla base di Stripe Payments, Ben & Frank non deve più classificare manualmente le transazioni fraudolente. L'azienda si affida invece al machine learning di Stripe per valutare in tempo reale il livello di rischio di ogni pagamento. Tale modello apprende continuamente dai nuovi comportamenti di acquisto dei clienti, mentre il team antifrode di Ben & Frank può utilizzare le eccezioni manuali per le regole e le regole personalizzate per le frodi che supportano una strategia localizzata per gestire in modo proattivo i tassi di frode e di storno in Messico.

Con tassi di frode registrati in America Latina pari a cinque volte quelli di Stati Uniti e area EMEA, Radar permette a Ben & Frank di distinguere i truffatori dai clienti, riducendo le frodi in una percentuale ancora maggiore di casi. Lourdes García, responsabile di prodotto in Ben & Frank, ha proseguito: "Grazie al machine learning e alle regole antifrode personalizzate di Stripe, abbiamo registrato una riduzione dei tassi di frode e di storno. Anche la soddisfazione dei clienti è migliorata perché il team risolve eventuali contestazioni più rapidamente riuscendo a ridurre i tempi di gestione delle procedure manuali".

Tassi di autorizzazione ottimizzati dal machine learning

Le banche applicano criteri decisionali non uniformi per stabilire quali transazioni approvare. L'unico modo per aumentare i tassi di accettazione è ricostruire tali criteri sull'intera rete Stripe utilizzando il machine learning. Per questo motivo, Stripe ha sviluppato Adaptive Acceptance, una tecnologia basata sul machine learning che ottimizza i messaggi di autorizzazione per conto dei clienti. I data scientist e gli sviluppatori di Stripe migliorano di continuo tali modelli di machine learning per permettere alle attività di accettare il maggior numero possibile di transazioni legittime e dei relativi ricavi.