小売業の不正利用防止は、決済から返金まで、不正利用がビジネスの支払いおよび返品システムをどのように標的にしているかを理解することから始まります。返品ポリシーは顧客の信頼構築に役立ち、不審請求の申し立ての権利はカード会員を保護します。不正利用はこの両方を悪用します。しかし 2025 年には、アメリカとカナダの機関の 44% が、不正利用に対処するために大部分または完全に手動のプロセスに依存していました。これにより、巧妙で新しいタイプの不正利用を見つけることが困難になる場合があります。

以下では、小売業のビジネスに最も影響を与える不正利用のカテゴリー、ビジネスが取引データから不正利用を特定する方法、そしてオンラインと店舗のチャネル全体でリスクを軽減する対策について説明します。

この記事でわかること

• 小売業の不正利用には、CNP (カード非保持) の不正利用、返品の悪用、フレンドリーフロードなどがあります。それぞれのタイプに固有のパターンがあり、異なる検出アプローチが必要です。

• 効果的な小売業の不正利用検出では、注文の行動、デバイスデータ、および取引履歴を組み合わせます。単一のシグナルだけで信頼できるものはありません。

• オムニチャネルの小売業者は、特有の脅威に直面します。オンラインで発生した不正利用のパターンが、実店舗で現れることがよくあります。

小売業の不正利用とは何ですか？

小売業の不正利用とは、ビジネスが依存している支払いおよび返品システムを通じて発生する窃盗のことです。この不正利用には、不正利用者が小売業のビジネスから商品、サービス、または資金を入手するために使用する、店舗およびオンラインのさまざまな方法が含まれます。

小売業でよくある不正利用のタイプは何ですか？

小売業の不正利用は、購入ライフサイクルのさまざまな場面で発生します。それぞれのタイプで関与するアクターが異なり、対応も異なります。

• CNP (カード非保持) の不正利用: 盗まれた支払い認証情報を使用して、物理的なカードなしで購入を完了させます。盗まれたカードデータは、情報漏えい、フィッシング、またはダークウェブのマーケットプレイスを通じて入手され、正規のカード会員が気づく前に注文を処理するために使用されます。

• BIN (銀行識別番号) 攻撃: 自動化されたスクリプトを使用してビジネスの決済で何千ものカード番号の組み合わせをテストし、有効な番号を探します。ビジネスは試行のたびにオーソリ手数料を負担し、ヒットすると不正な注文となり、多くの場合チャージバックが発生します。

• ワードロービング: 短期間使用して全額の返金を受ける目的で、項目 (通常はアパレル、電化製品、またはツール) を購入することです。これにより、定価で再販できない商品がビジネスに残されることが多くなります。

• 領収書の不正利用: 不正な領収書や改ざんされた領収書を添えて商品を返品し、購入価格を上回る返金を請求することです。

• 返品なしの返金スキーム: 項目が届かなかった、または破損して届いたと主張して、商品を手元に残したまま返金を請求することです。

• フレンドリーフロード: カード発行会社に対して正当な支払いの不審請求を申し立て、取引が承認されていない、または項目が届かなかったと主張することです。注文が本物であるにもかかわらず、これによりチャージバックが発生します。

小売業者はどのように不正利用のパターンを検出するのでしょうか？

小売業における不正利用の検出には、いくつかのシグナルの相互参照が伴います。個々のシグナルは説明がつくかもしれませんが、総合的に見るとリスクが高いことを示しています。

以下の入力内容が最も重要です:

• 注文のスピード: 同じデバイス、IP (インターネットプロトコル) アドレス、または同じ配送先住所に対して、複数回の注文が立て続けに行われた場合。

• 配送先と請求先の不一致: 請求先と配送先住所が異なる州や国にある注文です。配送先住所が最終目的地を不明瞭にする貨物転送業者や転送サービスの場合、より綿密な審査が必要になります。

• デバイスのシグナル: ブラウザーのタイプ、オペレーティングシステム、およびデバイスのフィンガープリントにより、アカウントに関連付けられた既知のデバイスから注文されたか、それとも見慣れない環境から注文されたかがわかります。VPN (仮想プライベートネットワーク) を通じて行われた注文は、カード会員の履歴と一致しない地理的場所で表示されます。

• メールとアカウントの経過時間: 数分前に作成されたアカウントで高額な注文を行う初めての顧客や、使い捨てのメールアドレス (ランダムな文字列や使い捨てメールサービスのアドレス) で作成されたアカウントです。

• 返品履歴: 返品率が異常に高い顧客で、特に同じ製品カテゴリーにまたがっている場合です。このシグナルは、返品の不正利用と返品なしの返金スキームに特に関連しています。

ビジネスは小売業のどのような不正利用防止戦略を使用するべきでしょうか？

効果的な小売業の不正利用防止は、オーソリ前、注文が行われた後、および返品カウンターの 3 つのレイヤーで機能します。1 つの対策ですべてをカバーすることはできませんが、これらの方法を組み合わせることで保護レイヤーを構築できます:

• 住所確認システム (AVS): AVS チェックでは、決済時に提供された請求先住所と、カード発行会社に登録されている住所を比較します。AVS もカードセキュリティコード (CVV) チェックも完璧ではありません (盗まれたカードデータには請求先住所と CVV 番号が含まれていることがよくあります) が、どちらも CNP の不正利用のコストと複雑さを増大させます。

• 3D セキュア (3DS): 3DS は、CNP 取引に認証レイヤーを追加します。取引がリスクが高いとしてフラグが立てられると、3DS はカード会員を銀行の確認ステップにルーティングします。通常、不正な取引の責任がビジネスからカード発行会社に移行します。

• 注文後のレビューリスト: リスクの高い注文は、履行後ではなく履行前に手動のレビューリストにルーティングする必要があります。基準 (特定金額以上の注文、同じ高額な項目を複数注文する初めての顧客、配送先住所と請求先住所の不一致など) を明確に定義し、その製品カテゴリーにおける不正利用がどのようなものかを理解しているスタッフをリストに配置します。

• 返品ポリシーの施行: 領収書の提示を要求し、返品期間を制限し、返品率の高いアカウントにフラグを立てることはすべて効果的な対策です。チャネルをまたいで顧客レベルで返品を追跡することは、大量の不正利用に対処する上で重要です。過去 20 回の購入のうち 15 回返品した顧客と、初めて返品する顧客では、リスクプロファイルが異なります。

オムニチャネルの小売業では、不正利用リスクはどのように変化するのでしょうか？

オムニチャネルの小売業者は、オンライン専門や実店舗専門のビジネスにはない不正利用の脅威に直面します。両方のチャネルを運営している場合、ある環境で始まった不正利用のパターンが別の環境で完結することがよくあります。

以下に例をいくつか示します。

• オンライン購入、店舗返品 (BORIS): 不正利用者が盗んだ認証情報を使用してオンラインで注文し、店舗で商品を返品して現金やストアクレジットを受け取ります。店舗の従業員には取引記録と返品リクエストが見えますが、元の購入は不正なものです。オンラインと店舗のシステムでデータがリアルタイムに共有されていない場合、不正利用としてフラグが立てられる前に返品が処理される可能性が高くなります。

• オンライン購入、店舗受け取り (BOPIS): 店舗受け取りのオンラインでの不正な注文では、不正利用の審査により注文にフラグが立てられる前に、不正利用者が商品を受け取ってしまう可能性があります。高額で即日の BOPIS 注文は、お急ぎ便でのオンライン注文と同じレベルの監視が必要です。

• 断片化された顧客データ: 複数のチャネル間で一貫した不正利用対策を行うには、顧客データを統合する必要があります。POS プラットフォームと EC プラットフォームでアカウントレベルの購入および返品履歴が共有されていない場合、別々の不正利用防止システムが実行されるため、その隙を突かれて不正利用を許すことになります。

不正利用防止ツールは小売業のビジネスにどのように役立つのでしょうか？

不正利用検出システムは、チェックリストに照らし合わせてすべての注文を審査するのではなく、何百ものシグナルに基づいてリアルタイムに取引をスコアリングします。このシステムは、複数のビジネス間の取引データでトレーニングされた機械学習モデルを使用して、各支払いをスコアリングします。そのため、他のビジネスの不正な取引に登場したカードは、決済に達する前から高いリスクスコアを持ちます。不正利用防止ツールは、リスクの高い注文を審査に回すか、自動的に拒否します。

機械学習モデルのベースライン上に、小売業固有のリスクに対するカスタムルールを作成できます。家電製品を販売するビジネスでは、貨物転送業者宛ての注文、過去 24 時間以内に作成されたアカウントからの一定額以上の注文、または同じカードが複数のアカウントで使用された注文にフラグを立てることができます。不正利用のパターンが変化するのに合わせて、ビジネスはこれらのルールを更新できます。

Stripe Radar でできること

Stripe Radar は、Stripe のグローバルネットワークのデータで学習した AI モデルを使用して不正利用を検知・防止するツールです。最新の不正傾向に応じてモデルを常に更新し、不正利用の手口が進化しても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 は以下のことに役立ちます。

• 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 について詳しくはこちらをご覧ください。今すぐ開始する場合はこちら。