返金の悪用とは、顧客が事業者の返金ポリシーを悪用して、不当に金銭や商品を得ようとするあらゆる試みを指します。小売業者は、2025 年に年間売上高の 15.8% が返品され、その総額は 8,499 億ドルに達すると見積もっています。返金の悪用は小売業者に損害をもたらしますが、他の種類の不正ほど注目されないこともあります。これは一因として、返金の悪用が本来は顧客を支援するためのプロセスに紛れ込むためです。また、返金の悪用のシグナルは、必ずしも相互に連携していない複数のシステムにまたがって存在するため、検知して阻止するのが難しいことも理由です。

以下では、返金の悪用の仕組み、パターンや危険信号を見抜く方法、正当な顧客に不利益を与えずに悪用を検知できる管理策について説明します。

主なポイント

• 返金の悪用は、カードネットワークを迂回します。システムをまたいだ可視性を意図的に確保しない限り、不正対策チームがそれに気付かない可能性があります。

• 返金の悪用を示す一般的で信頼性の高いシグナルの 1 つは、インフラ、ID 属性、またはデバイスフィンガープリントを共有するアカウント間で繰り返される行動パターンです。

• 効果的な軽減策には、しきい値ルール、異常検知、悪用が確認されたユーザーに対する制限など、複数の管理策が含まれます。

返金の悪用とは

返金の悪用とは、企業の返金プロセスや返品プロセスを組織的に悪用して、不当に金銭や商品を得ることです。実際には商品が届いているのに、届いていないと主張して返金を受ける場合、それは返金の悪用です。空箱や偽造品、あるいは一度着るためだけに購入した着用済みのドレスを返品して返金を受ける場合も、返金の悪用に当たります。

返金の悪用とチャージバックの不正利用の違い

返金の悪用とチャージバックの不正利用は関連していますが、別のものです。チャージバックの不正利用は、カード保有者が正当な取引について銀行に申し立てを行い、正式な不審請求の申し立てプロセスが開始された場合に発生します。請求額はネットワークレベルで取り消され、企業は取引金額に加えて不審請求の申し立て手数料も失います。ただし、証拠を提出してその請求に異議を唱えることに成功した場合は除きます。

返金の悪用は、銀行やカードネットワークを介しません。代わりに、返金の悪用を行う者は、企業の通常の返金ワークフローを通じて金銭を引き出します。外部の正式なプロセスがないため、異常があったことを示す記録が残らないことも少なくありません。

このため、チャージバック率を見ても、返金の悪用率についてはわかりません。また、返金請求は通常、顧客サービスチームの担当者によって処理されるため、意図的な対策プロセスが整備されていない限り、不正利用対策チームは返金の悪用を見逃す可能性があります。

一般的な返金悪用のパターン

返金悪用には、見分けられるようにしておきたい一般的なパターンがいくつかあります。

主なパターンは以下のとおりです。

• 空箱返品や商品のすり替え返品: 返金を求める顧客が、中身の入っていない梱包を返送したり、受け取った商品の代わりに壊れたものや偽造品を返送したりするケースです。こうした行為は、家電製品やアパレルでよく見られます。

• ワードロービング: この種類の悪用では、商品 (通常は衣類ですが、工具や機器も含まれます) を購入して使用した後、返金期間内に返品します。商品は形式上は返品可能な状態で戻ってきますが、定価では再販できないことが多く、まったく再販できない場合もあります。

• 虚偽の未着申告: 商品は予定どおり発送されているにもかかわらず、顧客が届いていないと主張するケースです。出荷量が多いため、こうした申告に個別に異議を申し立てるのは難しい場合があります。

• 複数アカウントにまたがる返金の繰り返し: 返金の繰り返しによる悪用を行う者は、複数のアカウントを作成し、アカウントごとのしきい値を下回るように、それぞれで同じパターンを繰り返します。返金の繰り返しを行う一部のケースでは、組織的なチームが関与し、プロキシやバーチャルカード番号を使ってアカウントの分離を維持します。

• ポリシーの抜け穴の悪用: このケースでは、相手がポリシーを注意深く読み、例外的な条件 (たとえば、最低金額なしの返品送料無料、一定のしきい値未満での自動返金承認、検品なしの即時ストアクレジット) を探します。こうした悪用を行う者は、同じ詐欺を繰り返すために複数のアカウントを持っていることがよくあります。

• 従業員や配送業者との共謀: 返金悪用には、本来承認すべきでない請求を意図的に承認する従業員や、実際には未配達ではない荷物を未配達として記録する配送業者の従業員が関与する場合もあります。従業員との共謀を伴う返品詐欺は、2024 年の小売業における返金悪用の 39% を占めました。

返金の悪用によく見られる兆候

特定のシグナルが同時に現れる場合、返金の悪用を示している可能性があり、特にそれが繰り返される場合はその傾向が強まります。

以下の点に注意してください。

• インフラを共有する複数のアカウント: メールドメイン、配送先住所、デバイスのフィンガープリント、または決済手段 が、表面上は異なるアカウント間で共有されている場合、返金の悪用を示している可能性があります。

• 異常な返金頻度: 特定の顧客またはコホートの返金率がカテゴリのベースラインを大幅に上回っている場合は、詳しく確認する価値があります。10 件の注文のうち 1 件の返品は通常の範囲かもしれませんが、6 件の注文のうち 5 件の返品は、より詳しく確認する必要があります。

• 高額または確認が難しい商品に対する請求: 一般に、返金の悪用は、商品が高額で、状態をリモートで評価しにくい商品カテゴリに偏る傾向があります。

• ポリシー上の期限ぎりぎりに行われる返金請求: 返品受付期間の期限ぎりぎりに届く請求は、誰かが制度の隙を突くタイミングを見計らっていることを示している可能性があります。

• ネットワークとデバイスのシグナル: 仮想プライベートネットワーク (VPN)、プロキシ、過去の悪用に関連するインターネットプロトコル (IP) アドレス、または複数のアカウントで共有されているデバイスフィンガープリントを通じて行われた注文は、組織的な悪用オペレーションで使われる身元隠しを示している可能性があります。

• 転送サービスに関連する配送先住所: 貨物転送業者や転送先住所は、返金の悪用に関連していることがよくあります。

事業者による返金の悪用に対する多層的な軽減フレームワークの構築

返金の悪用を軽減するには、それぞれ異なる事象を捉える複数の管理策を組み合わせます。目標は、悪用のハードルを十分に高くして、割に合わないものにすることです。

以下を整備する必要があります。

• しきい値ルール: 90 日間で 3 件を超える返金請求を行ったアカウントや、これまでの購入総額に対して設定した割合を超える返金を請求しているアカウントにフラグを付けます。これらのルールは、レビュー対象として返金の悪用の可能性があるアカウントにフラグを付けます。

• 異常検知: 異常検知は、しきい値ルールの上位に位置します。このプロセスでは、返金行動をコホートのベースラインと比較して確認することで、参照分布と照らし合わせながら、何が本当に異常なのかを把握できます。たとえば、カテゴリーのベースラインの返金率が 8% の場合、返金率が 40% のアカウントはより疑わしく見えます。

• ID の関連付け: ID の関連付けを使うと、デバイスフィンガープリント、IP アドレス、メールパターン、配送先住所、決済手段を照合することで、複数のアカウントにまたがるつながりを把握できます。インフラを共有しているにもかかわらず別名義で作成されたアカウントは、不正利用の可能性があります。 Stripe Radar は、Stripe ネットワーク全体からのシグナルを使用して、この ID の関連付けの一部を行うため、1 つの事業者のデータだけでは表面化しないパターンを特定できます。

• リスクベースのレビュー: 疑わしい請求に対応するため、人が運用するレビューリストを作成します。たとえば、フラグが付いていない初回顧客による $12 の返金は、自動承認される場合があります。しかし、過去に 3 回の返金があり、フラグが付いた 2 つのアカウントとデバイスフィンガープリントを共有しているアカウントから $300 の請求が来た場合は、レビューリストに回すべきです。

• 段階的な制限: アカウントが返品の悪用を行った場合、現在の請求を拒否するだけでは十分ではありません。そのアカウントと、関連付けられたすべてのアカウントには、今後制限を設ける必要があります。制限には、返品時に写真による証拠の提出を求めること、即時返金オプションへのアクセスをなくすこと、注文にフラグを付けて手動レビューの対象にすることなどがあります。

返金の悪用対策と顧客体験のバランス

不正利用対策が広すぎたり厳しすぎたりすると、過剰に対応してしまい、正当な顧客からの返金リクエストまで拒否し始めるおそれがあります。このバランスを適切に取ることが重要です。

以下をご覧ください。

• リスク別に分類する: 返金プロセスは、どのリスク層でも同じであるべきではありません。低リスクの顧客には、迅速で簡単な返品プロセスを提供する必要があります。高リスクのシグナルがある場合は、写真による記録、確認期間の延長、手動承認などの追加ステップが必要です。

• 明確に伝える: 顧客に追加書類の提出を求める場合は、透明性を持って対応し、迅速に手続きを進めます。不透明な拒否や理由の説明がない遅延は不満を招き、長期的な悪影響につながる可能性があります。

• 担当を明確にする: 多くの組織では、返金の悪用は不正利用対策チームと顧客サービスチームの責任の狭間に置かれがちです。不正利用対策チームは決済の不正利用に重点を置く一方、顧客サービスチームは請求にフラグを立てることではなく、解決することを重視されます。返金の悪用には、両方を見渡せる担当者が必要です。そうすることで、顧客サービスは引き続き顧客満足に集中できます。

返金の悪用を追跡するための指標

返金の悪用に関する指標は、問題の規模を把握し、特定のセグメントに絞り込み、対策がどの程度機能しているかを確認するのに役立ちます。

測定すべき項目は以下のとおりです。

• コホート別の返金率: 全体の返金率を、顧客との取引期間、獲得チャネル、商品カテゴリ、地域ごとに分けて分析します。悪用は特定のセグメントに集中する傾向があります。

• 繰り返し返金を求める顧客の割合: 過去 90 日間に複数回請求を行った顧客からの返金請求が、全体の何パーセントを占めるかを把握します。この数値を時系列で追うことで、返金の悪用に対する対策が機能しているかどうかがわかります。

• 誤検知率: 誤検知率を低く保つことを目指します。フラグが付いた請求を抽出して手動レビューを行い、正当な請求をどの程度拒否または遅らせているかを把握します。

• 回収率: 確認された不正利用のうち、商品または価値を回収できた割合を把握します。これを使って、返金の悪用が確認された後の対応がどの程度効果的かを判断します。

Stripe Radar でできること

Stripe Radar は不正利用対策のためのツールです。Stripe のグローバルネットワークから得たデータを活用して訓練された AI モデルを使い、不正利用を検知・防止します。最新の不正傾向に応じてモデルを常に更新し、ビジネスを守ります。

Stripe はこのほか、Radar for Teams も提供しています。ユーザーは自社ビジネス特有の不正シナリオに対応するカスタムルールを追加でき、高度な不正分析情報にアクセスできます。
Radar で可能なこと

• 不正利用による損失の防止: Stripe は年間 1 兆ドルを超える決済を処理しています。この規模だからこそ、Radar は不正利用を正確に検知・防止し、コスト削減に貢献します。

• 収入の向上: Radar の AI モデルは、実際の不審請求の申し立てデータ、顧客情報、閲覧データなどをもとに学習しています。これにより、Radar はリスクの高い取引を特定し、誤検知を減らして、収入向上に貢献します。

• 業務効率化: Radar は Stripe に組み込まれており、設定のためのコーディングは一切不要です。単一のプラットフォームで不正利用の動きを監視したり、ルールを作成したりすることができるため、業務効率も向上します。

Stripe Radar について詳細を表示するか、今すぐ利用を開始してください。返金の悪用に対する Radar のソリューションの詳細については、ウェイティングリストにご登録ください。