Dit is een gestructureerde gids voor het evalueren van leveranciers van fraudepreventie. Stripe Radar is overal als referentiepunt opgenomen; het is een concreet voorbeeld van hoe de beste infrastructuur voor fraudepreventie er in 2026 uitziet.

Deze gids bevat zowel sectie-indelingen als voorbeeldteksten. Je kunt je eigen document voor een offerteaanvraag in je huisstijl ontwerpen of de meegeleverde tekst gebruiken.

Omslagpagina

Het doel van de omslagpagina is om leveranciers precies te vertellen waar ze naar kijken en met wie ze moeten praten. De pagina bevat ook direct belangrijke datums en informatie over hoe de uiteindelijke inzending eruit moet zien.

Contactgegevens

Belangrijke datums

Indieningsformaat

Alle reacties moeten elektronisch via e-mail worden ingediend in pdf-formaat. Sjablonen voor prijsstelling en scores (afzonderlijk in Excel verstrekt) moeten in hun oorspronkelijke formaat worden bijgevoegd.

Bestandsnaamconventie

[Naam leverancier]–[Naam project]–RFP–Reactie–[Datum].pdf

** Doel van deze RFP**

[Jouw bedrijf] zoekt een partner voor facturatie die veilige transacties in meerdere valuta's kan ondersteunen, eenvoudig kan integreren met interne systemen via moderne API's en hoge betrouwbaarheid, proactieve fraudedetectie en gegevenstransparantie in alle regio's kan leveren.

In dit document worden de vereisten, evaluatiecriteria en procedure voor het indienen van voorstellen beschreven.

Korte vertrouwelijkheidsverklaring

Deze offerteaanvraag bevat vertrouwelijke en bedrijfseigen informatie van [jouw bedrijf]. Deze wordt uitsluitend verstrekt voor het voorbereiden van een reactie. Verspreiding buiten degenen die direct betrokken zijn bij de voorbereiding van een voorstel is verboden. Door deze offerteaanvraag te accepteren, stemt de ontvanger ermee in om deze informatie te beschermen met ten minste dezelfde mate van zorg die ze toepassen om hun eigen vertrouwelijke informatie te beschermen.

# Sectie A: administratieve instructies

In dit gedeelte worden de basisregels uiteengezet. Relaties met leveranciers van fraudepreventie vereisen diepe toegang tot je transactiegegevens en risico-infrastructuur. Onduidelijkheid hierin kan later leiden tot juridische, operationele en beveiligingsproblemen. Wees nauwkeurig.

A.1 Verklaring inzake vertrouwelijkheid en geheimhouding

Alle informatie in deze offerteaanvraag is vertrouwelijk en uitsluitend bedoeld om de leverancier in staat te stellen een reactie voor te bereiden. Leveranciers mogen dit document of een deel ervan niet openbaar maken, reproduceren of distribueren zonder voorafgaande schriftelijke toestemming van [je bedrijf]. Bedrijfseigen informatie in voorstellen moet duidelijk als zodanig worden gemarkeerd; [je bedrijf] behandelt deze dienovereenkomstig.

# A.2 Beperking van financiële aansprakelijkheid

Deze offerteaanvraag is geen contractaanbod. [Je bedrijf] is niet verplicht om een contract toe te wijzen of de gemaakte kosten voor het voorbereiden van een reactie terug te storten. Leveranciers zijn zelf verantwoordelijk voor hun eigen uitgaven tijdens deze hele procedure.

A.3 Tijdschema RFP

A.4 Richtlijnen voor het indienen

• Alle offertes moeten per e-mail worden ingediend bij [e-mailadres voor contact].

• Leveranciers moeten de ontvangst binnen drie werkdagen na uitgifte bevestigen.

• Vragen moeten uiterlijk op de datum vermeld in A.3 schriftelijk worden ingediend.

• Alle communicatie moet via de aangewezen RFP-manager verlopen. Direct contact met andere werknemers van [jouw bedrijf] tijdens de evaluatieperiode kan leiden tot diskwalificatie.

A.5 Vereiste documenten voor indiening

A.6 Overzicht van de evaluatie

[Jouw bedrijf] evalueert offertes op basis van kwaliteit van het AI-model, breedte van de fraudedekking, percentage valse positieven, gereedheid voor autonome handel, API-betrouwbaarheid en stabiliteit van de leverancier. Leveranciers moeten meetbare verbeteringen aantonen in fraudereductie, het aantal chargebacks en de operationele efficiëntie met productiebewijs. Beweringen zonder gegevens worden niet beoordeeld.

A.7 Bevestiging door de leverancier

Leveranciers moeten de onderstaande ontvangstbevestiging binnen drie werkdagen na ontvangst van deze RFP invullen en retourneren.

We bevestigen de ontvangst van de RFP getiteld '[RFP-naam]' en bevestigen onze intentie om ☐ wel een reactie in te dienen / ☐ geen reactie in te dienen.

Bedrijfsnaam: ________________________

Gevolmachtigde vertegenwoordiger: ________________________

Functietitel: ________________________

Datum: _______

Sectie B: overzicht en omvang van het werk

Een vaag overzicht leidt tot algemene voorstellen. Geef leveranciers de specifieke context die ze nodig hebben om intelligent te reageren: jouw businessmodel, jouw huidige blootstelling aan fraude, de aanvalsvectoren die je hebt geïdentificeerd en de resultaten die je moet verbeteren. Fraude ontwikkelt zich snel en jouw offerteaanvraag moet dat weerspiegelen.

Hier zijn enkele aanvullende details die je kunt opnemen om dit op maat te maken:

• Hoofdkantoor en belangrijkste markten
  
• Transactievolume en gemiddelde bestelwaarde
  
• Verdeling tussen binnenlandse en grensoverschrijdende transacties
  
• Belangrijkste gebruikte betaalmethoden (bijv. kaarten, ACH, SEPA, digitale wallets)
  
• Betrokken interne teams (bijv. Engineering, Financiën, Juridisch en compliance, Operations)
  

B.1 Bedrijfsachtergrond

• [Jouw bedrijf] is een [B2B / B2C / C2C] [marktplaats / SaaS-onderneming / e-commerce-onderneming / platform] dat actief is in [voeg markten in]. We verwerken maandelijks ongeveer [X] transacties via [X] betaalmethoden en valuta's. We ervaren momenteel een fraudepercentage van ongeveer [X]% en een chargebackpercentage van [X]%, en onze fraudekosten bedragen ongeveer $ [X] per maand. We zoeken een partner voor fraudepreventie van wie het platform de volledige bundel dekt – transactiefraude, accountfraude en misbruik door klanten – zonder dat er aanzienlijk doorlopend technisch onderhoud nodig is.
  

B.2 Doel van het project

• Deze offerteaanvraag is bedoeld om een partner voor fraudepreventie te vinden die onze onderneming beschermt naarmate fraudedreigingen veranderen. Dit is onze huidige situatie: [beschrijf de kloof (bijv. ons op regels gebaseerde systeem produceert te veel valse positieven, we hebben geen dekking voor accountfraude of misbruik, ons chargebackpercentage stijgt, we missen zicht op opkomende fraudevectoren)].
  

B.3 Werkomvang

Belangrijkste te leveren prestaties

• Preventie van transactiefraude: AI-gestuurde fraudescores voor elke betaling, met gedocumenteerde percentages voor valse positieven en cijfers over fraudevermindering uit productie

• Preventie van accountfraude: Geautomatiseerde detectie en actie bij frauduleuze accounts gedurende de volledige levenscyclus, van onboarding tot het monitoren van activiteiten

• Misbruikpreventie: Detectie en blokkering van misbruik van gratis proefperioden, misbruik van betalen naar gebruik en fraudevectoren van de eerste partij

• Chargebackbeheer: Automatisering van chargebacks, inclusief het indienen van bewijs, het bijhouden van het winpercentage en chargebackanalyses

• Engine voor regels op maat: De mogelijkheid voor ons risicoteam om regels op maat te maken en te testen zonder tussenkomst van engineering

• Gebundeld Dashboard en rapportage: Realtime inzicht in fraudepercentages, chargebackpercentages, prestaties van regels en modeluitkomsten op één plek

• API-toegang: Programmatische integratie voor teams die fraude-informatie moeten insluiten in gepersonaliseerde workflows

Aanvullende te leveren prestaties

• Bescherming voor agentic handel: Fraudescores en anomaliedetectie voor transacties die zijn geïnitieerd door AI-agenten

• Ondersteuning voor [voeg vereiste betaalmethoden in (bijv. ACH, SEPA, wallets, koop nu, betaal later, stablecoins)]

• Fraudecontroles op platformniveau voor beheerders van een marktplaats: Reserves, uitbetalingsbeperkingen en acties voor de levenscyclus van accounts

B.4 Werk buiten het bereik

Definieer wat is uitgesloten, zodat leveranciers dit niet meenemen in de prijs of hiervoor de verantwoordelijkheid nemen. Hier zijn enkele voorbeelden:

• Volledige compliance-infrastructuur voor ken-je-klant KYC en AML (wordt afzonderlijk afgehandeld door onze betalingsverwerker)

• Verificatie van de identiteit van de klant buiten signalen voor frauderisico

• Algemene business intelligence of datawarehousing die niet gerelateerd is aan fraude

B.5 Gewenste resultaten

• Daling van het fraudepercentage met minimaal [X]% binnen 90 dagen na het live gaan (ter indicatie: Radar vermindert fraude gemiddeld met 32%)

• Chargebackpercentage onder [X]% binnen 90 dagen

• Percentage valse positieven onder [X]% – gemeten aan de hand van legitieme transacties die onjuist zijn geweigerd of gemarkeerd

• Misbruik van gratis proefperiode geblokkeerd met ten minste 90% precisie (huidige norm)

• Engineeringstijd om fraude-infrastructuur te onderhouden verminderd met [X]%

• Zero-code-installatie voltooid binnen [X] dagen na ondertekening van het contract

Sectie C: instructies voor het voorstel

Standaardiseer wat je ontvangt, zodat je leveranciers naast elkaar kunt vergelijken. Voorstellen voor fraudepreventie beginnen vaak met productbeschrijvingen en ML-jargon. Vraag in plaats daarvan om productie-uitkomsten.

C.1 Indieningsformaat en structuur

Elk voorstel moet deze structuur volgen:

• Managementsamenvatting (maximaal drie pagina's)

• Reacties op alle vereisten in Sectie E, dienovereenkomstig genummerd

• Ingevuld prijzensjabloon in Excel

• Leveranciersprofiel en financieel overzicht

• Minimaal drie clientreferenties van vergelijkbare ondernemingen

• Ondersteunende documenten: compliancecertificeringen, casestudy's met productiestatistieken, API-documentatie, beschrijving van trainingsgegevens voor het AI-model

Inzendingen die sterk afwijken of vereiste elementen weglaten, kunnen als niet-conform worden beschouwd.

C.2 Opmaakvereisten

• Verhalende reacties als pdf; prijzensjabloon als Excel-bestand

• Minimaal 11pt lettertype, marges van één inch, paginanummers vereist

• Alle bedragen in USD, tenzij anders vermeld

• Bestandsnaamgeving: [Naam leverancier]–Fraude–offerteaanvraag–[Datum].pdf

## C.3 Richtlijnen voor de inhoud van het voorstel

Samenvatting

• Begin met gemeten uitkomsten van vergelijkbare implementaties: percentages voor fraudereductie, verbeteringen in chargeback-percentages, percentages voor fout-positieven, precisie voor misbruikpreventie. Beschrijf het product niet. Laat zien wat het oplevert.

• Neem je visie voor dit partnerschap over drie jaar op, in het bijzonder hoe jouw AI-model de ontwikkeling van fraude voor blijft.

Overzicht van de oplossing en architectuur

• Beschrijf hoe jouw platform de volledige fraudebundel – transactiefraude, accountfraude, misbruikpreventie en chargebackbeheer – dekt in één enkele integratie.

• Beschrijf de databasis achter jouw AI-modellen: het transactievolume, de geografische breedte en die van de uitgever, en de diversiteit aan betaalmethoden. Deze basis bepaalt of het model presteert bij het groeien. De maatstaf voor toonaangevende fraude-infrastructuur is AI die is getraind op meer dan $ 1,9 biljoen aan jaarlijkse transacties.

• Beschrijf hoe jouw model wordt bijgewerkt wanneer fraudepatronen veranderen en hoe snel nieuwe fraudevectoren worden opgenomen.

Agentic commerce

• Beschrijf je huidige productiemogelijkheden voor het detecteren en voorkomen van fraude in door AI-agenten geïnitieerde transacties. Agentische handel is een huidige vereiste, geen toekomstig item op de roadmap. Voorstellen die dit als aankomend positioneren, worden dienovereenkomstig beoordeeld.
  

Dekking en betaalmethoden

• Specificeer precies welke betaalmethoden je dekt (bijv. kaarten, ACH, SEPA, wallets, koop nu, betaal later, stablecoins).
  

Beveiliging en compliance

• Bevestig de compliance met PCI DSS v4.0 (van kracht vanaf maart 2024) en de meest recente auditdatum.

• Lever 12 maanden aan historische uptime-gegevens. De verwachting voor fraude-infrastructuur van productiekwaliteit is een uptime van meer dan 99,999%.

# C.4 Verduidelijking en vragen

Vragen moeten schriftelijk vóór de [deadline voor vragen] worden ingediend bij het [e-mailadres van de offerteaanvraagmanager]. Antwoorden worden gelijktijdig verspreid onder alle deelnemers. Tijdens de procedure zijn geen informele besprekingen met andere werknemers van [jouw bedrijf] toegestaan.

C.5 Geldigheid van het voorstel

Voorstellen moeten gedurende 90 dagen na de inzenddeadline geldig blijven, tenzij deze met schriftelijke wederzijdse instemming worden verlengd.

C.6 Recht op afwijzing of onderhandeling

[Jouw bedrijf] behoudt zich het recht voor om elk voorstel af te wijzen, om verduidelijking te vragen of parallelle onderhandelingen te voeren met een of meer leveranciers. Deelname vormt geen aankoopverplichting.

Sectie D: evaluatieproces

Transparantie in de beoordeling dwingt leveranciers om te reageren met bewijs in plaats van beweringen. Elk criterium is direct gekoppeld aan de vereisten in sectie E.

D.1 Evaluatiemethodologie

Alle voorstellen worden beoordeeld door een functieoverschrijdend team met medewerkers van techniek, financiën, juridische zaken, compliance, risico en operaties.

De evaluatie verloopt in drie fasen:

• Controle van compliance: Controleer of alle vereiste documenten aanwezig zijn en voldoen aan de opmaakvereisten.

• Kwalitatieve beoordeling: Beoordeel elke inzending op basis van gewogen criteria met behulp van een schaal van 1-5 (5 = uitzonderlijk, ondersteund door productiebewijs; 1 = voldoet niet aan de basislijn). Een score van 5 vereist gedocumenteerde productiestatistieken.

• Demonstratie en eindbeoordeling: Geselecteerde leveranciers geven live demonstraties van hun platform. Demo's moeten een sandbox met productiepariteit gebruiken, geen gescripte walkthrough.

D.2 Beoordelingscriteria en wegingen

Dekking van agentische en opkomende bedreigingen heeft een gewicht van 15% omdat de mogelijkheid om fraude te detecteren in door AI-agenten geïnitieerde transacties een structurele capaciteitskloof is tussen leveranciers. Bijvoorbeeld: 65% van de bedrijfsleiders is het ermee eens dat fraude zich te snel ontwikkelt voor hun bedrijven om bij te blijven. Leveranciers die vandaag geen adaptieve dekking kunnen aantonen, zullen verder achterop raken naarmate fraudevectoren blijven verschuiven.

D.3 Demonstratievereisten

Geselecteerde leveranciers zullen het volgende live demonstreren in een sandbox-omgeving:

• Transactiefraudescoring in realtime - trigger een transactie met een hoog risico en laat zien hoe het model deze scoort, met een uitleg van bijdragende signalen

• Detectie van accountfraude - laat zien hoe het platform een frauduleus account identificeert en actie onderneemt tijdens de onboarding en na activering

• Misbruikpreventie in actie - demonstreer de detectie van misbruik van gratis proefperioden met de precisiebenchmark van 90%

• Creatie van regels op maat - een risicoanalist maakt een nieuwe regel aan zonder betrokkenheid van technici, test deze in een sandbox en beoordeelt de verwachte impact ervan

• Workflow voor geschillenbeheer - laat automatische indiening van bewijs zien voor een chargeback, inclusief het bijhouden van het winpercentage

• Bescherming van agentische handel - laat zien hoe het platform fraudescoring toepast op een door een AI-agent geïnitieerde transactie en afwijkend gedrag van de agent markeert

• Gebundeld dashboard - fraudecijfer, geschillencijfer, regelprestaties en beoordeling van modeluitkomsten op één plek

Leveranciers moeten tijdelijke demogegevens verstrekken die na de demonstratie nog ten minste 10 werkdagen geldig zijn.

D.4 Onderhandeling en gunning van het contract

[Je bedrijf] behoudt zich het recht voor om verduidelijkingssessies te houden, 'best-and-final' aanbiedingen op te vragen en parallelle onderhandelingen te voeren. Er is geen contract bindend totdat het door beide partijen is ondertekend.

⚑ Opmerkingen voor de beoordelaar—verwijderen voor verzending naar leveranciers

• Beoordeel onafhankelijk vóór groepsberaadslaging. Een score van 5 vereist gedocumenteerde productiestatistieken, geen gestelde capaciteiten.
  
• Vraag elke leverancier om de voetafdruk van de trainingsgegevens van het AI-model in specifieke bewoordingen te vermelden: transactievolume, jaren aan gegevens, geografische breedte, dekking van de uitgever en diversiteit van betaalmethoden. Het antwoord onthult hoeveel van de prestaties op het gebied van fraudedetectie echt is versus geclaimd. De benchmark is $ 1,9 biljoen aan jaarlijkse transacties.
  
• Vraag door naar de dekking van de betaalmethode. Vraag voor elke methode op je lijst (bijv. ACH, SEPA, wallets, BNPL, stablecoins) of het model is getraind op gegevens van die methode en hoe de fraudereductiecijfers er specifiek voor uitzien.
  
• De demonstratie van agentische handel is niet onderhandelbaar. Elke leverancier die vandaag in een sandbox geen fraudedetectie op door AI-agenten geïnitieerde transacties kan aantonen, is niet klaar voor de richting die je platform op gaat.
  
• Vraag naar fout-positieve percentages uit productie, niet naar projecties. Een model dat 40% van de fraude blokkeert maar 5% van de legitieme transacties weigert, is een omzetprobleem, geen fraudeoplossing.
  
• Vraag om 12 maanden aan uptime-gegevens, niet alleen om een SLA. Het verschil tussen 99,900% en 99,999% uptime is van belang voor fraude-infrastructuur die op elke transactie draait.
  

Sectie E: kernvereisten

Dit is het belangrijkste gedeelte. Eis feitelijke, op bewijs gebaseerde antwoorden. Elke leverancier die het overwegen waard is, kan wijzen op gedocumenteerde resultaten van echte implementaties. Voor elke vereiste moeten leveranciers de status aangeven: Standaard (momenteel in productie), Configureerbaar (vereist configuratie), Custom (vereist ontwikkeling) of N.v.t.

E.1 Kwaliteit van AI-model en dataset

De AI voor fraudepreventie is slechts zo goed als de gegevens waarmee deze is getraind. Een model dat is getraind op tientallen miljarden transacties in verschillende markten, uitgevers en betaalmethoden levert wezenlijk betere resultaten op dan een model dat is gebouwd op een beperktere dataset. Er is een kans van 92% dat een betaalkaart die op het netwerk van Stripe wordt gebruikt, al eerder is gezien. Dat niveau van eerdere signalen is de maatstaf. Dit is een cumulatief voordeel dat niet kan worden gerepliceerd met uitsluitend technische inspanningen.

E.2 Preventie van transactiefraude

Transactiefraude neemt toe. De kosten van online betalingsfraude zouden in 2025 naar verwachting met 15% stijgen. De juiste infrastructuur pakt fraude aan die anderen niet kunnen zien, omdat het model het patroon al eerder heeft gezien.

E.3 Preventie van accountfraude

Accountfraude (frauduleuze accounts die zijn aangemaakt om het platform uit te buiten) is actief in de volledige levenscyclus van het account. Het is goedkoper om dit bij onboarding te detecteren dan na activering. De maatstaf voor toonaangevende infrastructuur is het blokkeren van meer dan 3,5 miljoen frauduleuze gekoppelde accounts per jaar.

E.4 Misbruikpreventie

Eerstelijnsmisbruik (misbruik van proefperiodes, misbruik van pay-as-you-go en first-party fraude) kost ondernemingen jaarlijks $ 200 miljard. In het afgelopen jaar heeft 94% van de ondernemingen hiermee te maken gehad. Traditionele fraudetools zijn hier niet op berekend. Eis productiebewijs, geen beschrijving van de roadmap van een leverancier.

E.5 Disputebeheer

Disputes kosten ondernemingen $ 35 voor elke $ 100 aan chargebacks, als je operationele kosten, netwerkkosten en tijd meerekent. De juiste infrastructuur automatiseert de indiening van bewijs, toont winpercentages per dispute zodat je team de triage van zaken effectief kan uitvoeren, en stopt disputes idealiter voordat ze worden ingediend.

E.6 Regels op maat en tooling voor risicoteam

Een platform voor fraudepreventie waarbij engineering nodig is om de risicostrategie aan te passen, is een knelpunt. Je risicoteam moet sneller bewegen dan fraude. Dit betekent dat niet-technische gebruikers regels moeten kunnen opstellen, testen en implementeren zonder een ticket in te dienen.

E.7 Agentic handel en zich ontwikkelende bedreigingen

AI-agenten initiëren nu al commerciële transacties en frauduleuze actoren maken gebruik van dezelfde AI-tools die legitieme ondernemingen gebruiken. Marktplaatsen die transacties via AI-agenten niet beschermen, krijgen te maken met nog meer blootstelling naarmate de agentic volumes toenemen. Elke leverancier die vandaag in een sandbox geen fraudedetectie op agentic-transacties kan aantonen, is niet voorbereid.

E.8 Analyse, rapportage en realtime informatie

Fraudeanalyse en -rapportage zijn verplicht. Als je risicoteam niet in realtime kan bekijken wat er aan de hand is, de beslissingen van individuele transacties kan onderzoeken en geen proactieve waarschuwingen kan ontvangen wanneer er een aanval gaande is, moet men altijd op fraude reageren in plaats van dit voor te zijn.

E.9 Platformarchitectuur en API-kwaliteit

Een fraudepreventie-integratie die doorlopend technisch onderhoud vereist om effectief te blijven, vormt een verborgen belasting voor je productteam. Evalueer de API op dezelfde manier als je kerninfrastructuur zou evalueren.

E.10 Beveiliging, compliance en gegevensprivacy

Fraude-infrastructuur bevindt zich in het datapad van elke transactie. Een succespercentage van 100% voor PCI-audits is de standaard.

E.11 Certificering van leverancier

Hierbij verklaar ik dat alle reacties accuraat zijn op de datum van indiening en dat mogelijkheden die zijn gemarkeerd als Standard of Configurable momenteel beschikbaar zijn in productieomgevingen. Claims die niet worden ondersteund door documentatie of een livedemonstratie, worden niet geëvalueerd.

Bevoegde vertegenwoordiger: ________________________

Functie: ________________________

Datum: _______

⚑ Opmerkingen voor evaluator: verwijderen alvorens naar leveranciers te verzenden

• Voor een score van 5 op elk criterium zijn gedocumenteerde productiestatistieken vereist. De bewering "Wij ondersteunen dit" zonder bewijs, is op z'n hoogst een 3.
  
• Vraag elke leverancier om de voetafdruk van de trainingsgegevens van het AI-model in specifieke bewoordingen te vermelden: aantal transacties, jaren aan gegevens, geografische breedte en die van de uitgever, en diversiteit in de betaalmethode. Dit is de grootste onderscheidende factor voor de prestaties op het gebied van fraudedetectie.
  
• Onderzoek de dekking van de betaalmethode. Vraag voor elke methode op je lijst (bijv. ACH, SEPA, wallets, koop nu, betaal later, stablecoins) of het model is getraind met productiegegevens van die methode en hoe de fraudereductie er specifiek voor die methode uitziet.
  
• Vraag naar de percentages voor fout-positieven, niet alleen naar de percentages voor fraudereductie. Een model met 40% fraudereductie maar 5% fout-positieven kost je inkomsten.
  
• Vraag om de interface voor het schrijven van regels in gewone taal live te zien. Niet-technische gebruikers moeten in de demo zonder hulp een nieuwe regel kunnen schrijven en simuleren.
  
• Vraag leveranciers om de schaduwmodus te demonstreren. Voer een nieuwe regel uit met historische gegevens en toon de verwachte impact voordat deze live gaat. Dit is een kernworkflow voor elk serieus risicoteam.
  
• Vraag of blokkerings- en toelatingslijsten aangepaste gegevensvelden voor ondernemingen kunnen bevatten. Een leverancier die alleen standaard transactiekenmerken ondersteunt, zal al snel tegen beperkingen aanlopen.
  
• Vraag met betrekking tot chargebacks of de Verifi- en Ethoca-integraties systeemeigen zijn of dat er afzonderlijke contracten met derden voor nodig zijn. Een systeemeigen integratie is belangrijk voor de snelheid van de interventie.
  
• Vraag om een realtime waarschuwing voor een fraudeaanval uit de productieomgeving te zien. Hoe ziet de melding eruit, hoe snel wordt deze geactiveerd en wat staat er bij de aanbevolen beperkende maatregelen?
  
• De demonstratie voor agentische handel is een harde eis. Een leverancier die vandaag geen fraudedetectie kan tonen voor transacties in een sandbox die door een AI-agent zijn geïnitieerd, is er niet klaar voor.
  
• Vraag om historische uptimegegevens van 12 maanden en de volledige PCI-auditgeschiedenis. De SLA en huidige certificeringsstatus zijn niet voldoende.
  

Sectie F: implementatie en ondersteuning

Het activeren van fraudepreventie op een live platform brengt risico's met zich mee. Een verkeerd geconfigureerde regel of een te agressieve drempelwaarde van het model kan legitieme inkomsten blokkeren. In deze sectie wordt vastgesteld of de leverancier de methodologie en ervaring heeft om dat risico te beheren.

F.1 Implementatieaanpak

Leveranciers moeten het volgende beschrijven:

• Gedocumenteerde tijd tot het eerste fraudesignaal voor ondernemingen met een vergelijkbaar transactievolume met specifieke voorbeelden, geen bereiken – de benchmark voor een setup met zero-code is activering op dezelfde dag

• Hoe ze de initiële modelkalibratie aanpakken – het proces voor het instellen van drempelwaarden dat een balans vindt tussen fraudereductie en het percentage fout-positieven voor jouw specifieke transactiemix

• Hun processen voor een parallelle test – het nieuwe platform testen tegen live verkeer vóór volledige implementatie, zodat je de prestaties kunt valideren voordat je bestaande controles uitschakelt

• Hoe ze regelmigratie beheren, als je bestaande regels op maat meeneemt van een ander platform

F.2 Middelen en governance

Leveranciers moeten het volgende verstrekken:

• Vaste accountmanager en fraudespecialist die aan deze opdracht zijn toegewezen

• Escalatiehiërarchie en besluitvormingsritme tijdens de implementatie

• Of het implementatieteam hetzelfde team is dat de support na de lancering afhandelt – de overdracht is vaak het moment waarop de servicekwaliteit daalt

F.3 Training en documentatie

Leveranciers moeten het volgende beschrijven:

• Beschikbare training voor de teams Risk, Engineering, Finance en Operations

• Kwaliteit en actualiteit van documentatie, waarbij de beste platforms in hun klasse documentatie bijhouden die risicoanalisten prefereren boven het stellen van supportvragen

• Hoe documentatie wordt bijgewerkt naarmate het model en het product nieuwe mogelijkheden voor fraudedetectie introduceren

F.4 Supportmodel en SLA's

Leveranciers moeten het volgende specificeren:

• Supportniveaus en wat is inbegrepen – een piek in fout-positieven of modeldegradatie om 02.00 uur is een Severity 1-incident dat een onmiddellijke reactie vereist

• SLA's voor responstijd per ernst, met contractuele verplichtingen

• Hoe klanten op de hoogte worden gesteld tijdens incidenten met het fraudemodel of degradatiegebeurtenissen en wat de evaluatie na een incident oplevert

• Historische gegevens van responstijden voor Severity 1, niet alleen de SLA

F.5 Continue verbetering

Beschrijf specifiek hoe je platform ML en productieanalyses gebruikt om de uitkomsten op het gebied van fraude in de loop van de tijd te verbeteren. Geef voorbeelden met productiestatistieken: verbeteringen in fraudereductie die gedurende 12 maanden aan bestaande klanten zijn geleverd, wijzigingen in het percentage fout-positieven en verbeteringen in het chargebackpercentage.

F.6 Verklaring van de leverancier

Ik verklaar dat alle implementatie- en supportgegevens accuraat zijn op de datum van indiening en de huidige productiepraktijken weerspiegelen.

Bevoegde vertegenwoordiger: ________________________

Functie: ________________________

Datum: _______

⚑ Notities voor beoordelaars – verwijderen voor verzending naar leveranciers

• Vraag om specifieke implementatievoorbeelden van vergelijkbare ondernemingen (bijv. transactievolume, fraudepercentage op dat moment, aantal markten). Wijs bereiken af.
  
• Vraag specifiek naar het proces voor kalibratie van drempelwaarden. Een leverancier die één algemene drempelwaarde instelt en verdergaat, behandelt jouw fraudeprofiel niet als uniek.
  
• Vraag actuele responstijden voor Severity 1 op van de afgelopen 12 maanden.
  
• Vraag of het implementatieteam hetzelfde team is dat de support na de lancering afhandelt.
  
• Vraag hoe snel een nieuwe fraudevector – een vector die je onderneming niet eerder is tegengekomen – in het model zou worden opgenomen nadat deze is gedetecteerd.
  

Sectie G: commerciële zaken

Prijzen voor fraudepreventie variëren aanzienlijk per leverancier en model. Sommige partijen berekenen kosten per transactie, andere op basis van het resultaat van de fraudepreventie en weer andere werken met een staffel. Standaardiseer de publicatie zodat je de werkelijke kosten vergelijkt.

G.1 Overzicht prijsstructuur

Leveranciers moeten het volgende aanleveren:

• Gespecificeerde prijzen voor elk onderdeel (basisfraudepreventie, toegang tot regels op maat, geavanceerde misbruikpreventie, chargeback-tools, API-toegang en add-ons)

• Een toelichting op de prijsaannames (transactievolume, gemiddelde waarde van een bestelling, fraudepercentage en mix van betaalmethoden)

• Duidelijke identificatie van minimale maandelijkse toezeggingen of volumedrempels die van invloed zijn op de prijzen

• Alle bedragen in USD, inclusief de conversielogica als er in andere valuta's wordt geoffreerd

G.2 Prijscomponenten

G.3 Gevoeligheid voor volume

Geef een schatting van de totale kosten bij de volgende transactievolumes:

G.4 Contractvoorwaarden

• beschikbare contractduur en bijbehorende prijsvoordelen

• of prijzen automatisch omlaaggaan bij volumeafname

• exitclausules en dataportabiliteit: hoe fraudesignalen, configuraties van regels en historische gegevens worden geretourneerd, in welke indeling en volgens welke tijdlijn

• minimale bestedingsvereisten

G.5 Aannames en afhankelijkheden

Vermeld alle commerciële aannames die ten grondslag liggen aan de prijsstelling. Onvermelde aannames die na het sluiten van het contract aan het licht komen, kunnen worden beschouwd als wezenlijke onjuiste voorstelling van zaken.

G.6 Certificering van de leverancier

Ik verklaar dat alle prijs- en commerciële informatie compleet en juist is op de datum van indiening.

Geautoriseerde vertegenwoordiger: ________________________

Datum: _______

⚑ Opmerkingen voor evaluator: verwijder dit voordat je het naar leveranciers stuurt

• Reconcilieer de tekst met het Excel-bestand. Afwijkingen zijn een signaal.
  
• Bij de prijsstelling voor fraudepreventie zijn de kosten voor regels op maat en geavanceerde misbruikpreventie vaak verborgen in hogere staffels. Modelleer de totale kosten voor de workflow van je fraudeteam, niet alleen voor de basisstaffel.
  
• Vraag hoe de prijsstelling verandert als je fraudepercentage verbetert. Sommige modellen bestraffen succes door de schijnbare waarde van het product te verlagen naarmate de fraudepercentages dalen.
  
• Dataportabiliteit is vaak het echte lock-in-mechanisme. Beoordeel de exitvoorwaarden voordat je tekent, niet daarna.
  
• Vraag leveranciers om de totale kosten te modelleren op 10× je huidige transactievolume. De prijscurve over groei is net zo belangrijk als het huidige tarief.
  

Sectie H: profiel van de leverancier

Jouw partner voor infrastructuur voor fraudepreventie bevindt zich in het datapad van elke transactie. Begrijp het bedrijf als geheel: de financiële gezondheid, de diepgang van de AI-ontwikkeling, de mate van verbetering en de staat van dienst met ondernemingen die lijken op die van jou.

# H.1 Bedrijfsoverzicht

Geef een samenvatting van twee tot drie alinea's waarin je jouw geschiedenis, missie en marktpositie uitlegt. Richt je op jouw ervaring met ondernemingen in [jouw branche of segment (bijv. e-commerce, SaaS, marktplaats, AI-bedrijven, platforms)]. Beschrijf jouw staat van dienst in het behouden van de detectiekwaliteit naarmate fraudepatronen zich hebben ontwikkeld en jouw geschiedenis in het leveren van fraudepreventiemogelijkheden vooruitlopend op opkomende dreigingen.

H.2 Klantenbestand en staat van dienst

Geef specifieke gegevens over jouw klantenbestand:

• Aantal ondernemingen dat jouw infrastructuur voor fraudepreventie gebruikt

• Geaggregeerd beschermd transactievolume per jaar

• Branches en bedrijfsmodellen die zijn vertegenwoordigd in jouw klantenbestand

• Aandeel ondernemingen in jouw doelsegment (bijv. e-commerce, SaaS, platforms) dat je beschermt

• Gedocumenteerde geaggregeerde fraudereductie in jouw klantenbestand (de maatstaf is een gemiddelde fraudereductie van 32%)

H.3 Financiële stabiliteit

Lever gecontroleerde financiële overzichten of gelijkwaardig bewijs van solvabiliteit. Particuliere bedrijven moeten een brief van de CFO overleggen waarin de liquiditeit wordt gecertificeerd. Beschrijf jouw financieringsstructuur.

H.4 Certificeringen en compliance

H.5 Erkenning door analisten

Geef onafhankelijke erkenning door analisten op die relevant is voor fraudepreventie en betalingsbeveiliging. De huidige benchmark voor een toonaangevende leverancier van fraudepreventie is erkenning als leider in de categorieën betalingen en fraude. 50% van de Fortune 100-bedrijven vertrouwt op de AI van Stripe Radar. Beschrijf de positie van jouw platform ten opzichte van deze benchmark.

H.6 Verbeteringstempo

Beschrijf de cadans van productreleases voor de afgelopen 12 maanden, inclusief het aantal verzonden updates en de belangrijkste mogelijkheden die zijn gelanceerd op het gebied van AI-fraudedetectie, misbruikpreventie en agentische handelsbescherming. De huidige benchmark voor een toonaangevend platform is 200+ productupdates per jaar. Leg uit hoe de roadmap voor de komende 12–18 maanden blijft investeren in de mogelijkheden die belangrijk zijn voor [jouw segment].

H.7 Verklaring van juistheid van leverancier

Ik bevestig dat alle informatie in Sectie H juist is op de datum van indiening en dat [leverancier] de financiële, technische en operationele capaciteit heeft om de beschreven diensten uit te voeren.

Bevoegde vertegenwoordiger: ________________________

Datum: _______

Deel I: referenties

Referenties van vergelijkbare ondernemingen zijn waardevoller dan een demo. Geef prioriteit aan referenties die passen bij jouw businessmodel, transactiemix en geografische spreiding. Een leverancier die een onderneming beschermt met een fraudeprofiel dat vergelijkbaar is met dat van jou, zou referenties moeten hebben die kunnen spreken over echte resultaten.

I.1 Vereisten voor referenties

Leveranciers moeten minimaal drie referenties opgeven die aan deze criteria voldoen:

• Vergelijkbaar businessmodel als [jouw bedrijf] – dezelfde branche of hetzelfde transactietype

• Vergelijkbaar transactievolume of fraudepercentage op het moment van implementatie

• Minimaal één referentie die geavanceerde functies heeft gebruikt: regels op maat, misbruikpreventie of chargebackbeheer

• Actieve klant in productie gedurende minimaal 12 maanden

I.2 Referentietabel

I.3 Samenvatting van referentieresultaten

Geef voor elke referentie gedocumenteerde resultaten op: percentage fraudereductie, percentage valse positieven, verbetering van het chargebackpercentage, precisie van misbruikpreventie of winst in operationele efficiëntie. Geef specifieke cijfers op, geen bereiken.

I.4 Validatie van referenties

Ik bevestig dat elke client toestemming heeft gegeven om als referentie te dienen en dat alle informatie juist is. [Jouw bedrijf] behoudt zich het recht voor om rechtstreeks contact op te nemen met referenties.

Bevoegde vertegenwoordiger: ________________________

Datum: _______

⚑ Notities voor evaluator – verwijder dit voor verzending naar leveranciers

• Bel minimaal twee referenties op. Schriftelijke samenvattingen worden door de leverancier samengesteld.
  
• Vraag referenties specifiek of de fraudereductie en het percentage valse positieven in het voorstel overeenkomen met wat zij in productie hebben gezien.
  
• Vraag naar de implementatie-ervaring en de procedure voor drempelkalibratie – niet alleen naar het platform in een stabiele status.
  
• Vraag of het model van de leverancier is aangepast aan nieuwe fraudevectoren die de referentie tegenkwam na het live gaan en hoe snel dit gebeurde.
  
• Markeer referenties van niet-vergelijkbare businessmodellen. Een referentie van een fysieke detailhandelonderneming zegt heel weinig over de prestaties op het gebied van digitale fraude.
  

Sectie J: Bijlagen

J.1 Checklist voor inzending (voor leveranciers)

Voeg deze als eerste pagina toe aan het antwoordpakket. Onvolledige inzendingen kunnen worden uitgesloten van beoordeling.

J.2 Verklarende woordenlijst

J.3 Beoordelingsmatrix (intern gebruik)

J.4 Snel naslagwerk voor vereisten

Voor zelfevaluatie van de leverancier vóór indiening.

Kwaliteit van AI-model en dataset

• De voetafdruk van de trainingsgegevens van het AI-model beschreven in specifieke termen: volume, geografie, uitgevers en betaalmethoden

• Gedocumenteerde fraudereductie vanuit productie: een gemiddelde van 32% is de benchmark

• Gedetailleerde risicoscore (0-99) met uitlegbaarheid op signaleringsniveau per transactie

• Fraudescore per transactie met een gedocumenteerd percentage voor fout-positieven

• Frequentie van modelupdates (of het nu continu of periodiek is), inclusief de tijdlijn voor de opname van nieuwe vectoren

• Informatie op Network-niveau op grote schaal

• Ondersteuning met meerdere verwerkers: risicoscores beschikbaar voor extern verwerkte betalingen

• Risicoscores vóór autorisatie voor beslissingen over betalingsrouting

• Flexibele screening op meerdere punten in het afrekenproces

Preventie van transactiefraude

• Fraudescore in realtime: vertragingen van p50, p95 en p99 gedocumenteerd

• Configureerbare blokkeringsdrempels: geen code vereist

• Dynamische 3DS en SCA: alleen toegepast op transacties met een hoog risico, niet op alle

• Dekking voor betaalkaarten, ACH, SEPA, wallets, koop nu, betaal later en stablecoins

• Detectie van kaarttesten: de verbeteringsbenchmark is de verhoging van het detectiepercentage van 59% naar 97%

• PAN-portabiliteit: blokkeer- en toestemmingslijsten en fraudegeschiedenis die kunnen worden overgedragen tussen verwerkers

• Grensoverschrijdende fraudedetectie

Preventie van accountfraude

• Fraudescore op accountniveau bij onboarding met gedocumenteerde percentages voor fout-positieven

• Doorlopende accountmonitoring na activering

• Verbeterde verificatie voor grensgevallen (niet onomstotelijk frauduleus)

• Weergave van gemarkeerde accounts: realtime lijst van verdachte accounts

• Realtime waarschuwingen voor verkopersfraude op platformniveau

• Geautomatiseerde accountacties: reserves, uitbetalingsbeperkingen en blokkeringen

• Meer dan 3,5 miljoen geblokkeerde frauduleuze verbonden accounts per jaar: vergelijkbare statistiek vereist

• 5,3x minder blootstelling aan fraude: vergelijkbare statistiek vereist

Misbruikpreventie

• Preventie van misbruik van gratis proefperioden: 90% nauwkeurigheid is de benchmark

• 715.000 risicovolle proefperioden geblokkeerd en $ 6 miljoen aan verliezen voorkomen in twee maanden: vergelijkbare statistiek vereist

• 6,2x betere detectie van nieuwe misbruikvectoren: vergelijkbare statistiek vereist

• Misbruikpreventie naar gebruik

• Dekking van misbruik gedurende de gehele levenscyclus van de klant

Geschillenbeheer

• Geautomatiseerde indiening van bewijs per geschiltype

• Kans op een winpercentage per individueel geschil

• Aanbevelingen voor bewijs per individueel geschil

• Slimme terugbetalingen of proactieve terugbetaling vóór een chargeback

• Vroege fraudewaarschuwingen van uitgevers vóór een formele chargeback

• Systeemeigen integratie met Verifi en Ethoca

• Bijhouden van winpercentage van geschillen en analyses

• VAMP en positie in monitoringsprogramma in het Dashboard

Regels op maat en tools voor het risicoteam

• No-code regels aanmaken direct in de productieomgeving

• Eenvoudig regels opstellen in duidelijke taal voor niet-technische gebruikers

• Blokkeer- en toestaanlijsten: IP-adres, e-mailadres, BIN van betaalkaart, device fingerprint

• Regelsuggesties op basis van je belangrijkste fraude-indicatoren

• Schaduwmodus of wat-als-simulaties met historische gegevens

• Custom bedrijfsgegevens in regels (bijv. loyalty_tier, product_category)

• Realtime prestatieanalyses van regels

• Configureerbare drempelwaarden op basis van bedrag, regio, accounttype of betaalmethode

• Handmatige controlewachtrij met workflowtools

Analyses en rapportage

• Gebundeld dashboard: fraude, betalingen en chargebacks in één overzicht

• Realtime updates in het dashboard, zonder vertraging

• Controle per transactie met risicoscore en uitsplitsing van signalen

• Realtime waarschuwingen voor fraudeaanvallen met aanbevelingen voor beperking

• Onderzoekstools voor een fraudepatroon

• Status van het monitoringsprogramma in realtime

• Synchronisatie met datawarehouse (bijv. Snowflake, BigQuery, Redshift)

• Analysecriteria per verwerker

• Programmatisch chargebacks beheren via API met webhooks

Dekking voor agenten en nieuwe bedreigingen

• Fraudescoring op door AI-agenten geïnitieerde transacties: demonstreren in de sandbox

• Anomaliedetectie voor het gedrag van de agent

• Dekking voor misbruik door eerste partijen voor AI-bedrijfsmodellen

• Meer dan 200 productupdates per jaar, aantoonbare verbeteringscyclus

Platformarchitectuur en API

• Zero-code configuratie: activering op dezelfde dag

• p99 API-latentie: productiecijfers vereist

• 99,999%+ uptime: historische gegevens over 12 maanden

• 100% succespercentage van PCI-audits: volledige geschiedenis

• Volledige sandbox met productiepariteit inclusief agentstromen

• No-code regels en configuratie van drempelwaarden

Beveiliging en compliance

• PCI DSS v4.0 (met ingang van maart 2024): 100% succespercentage van audits

• SOC 2 Type II

• AVG en CCPA

• Vertrouwd door 50% van de Fortune 100-bedrijven

J.5 Certificering van leveranciersinzending

Ik bevestig dat deze inzending volledig is en dat alle verstrekte informatie naar mijn beste weten juist is. [Jouw bedrijf] behoudt zich het recht voor om alle claims in deze reactie te verifiëren.

Bedrijfsnaam: ________________________

Gevoegde vertegenwoordiger: ________________________

Functie: ________________________

Handtekening: ________________________

Datum: ________

Hoe Stripe Radar kan helpen

Stripe Radar gebruikt AI-modellen om fraude op te sporen en te voorkomen, getraind op basis van gegevens uit het wereldwijde netwerk van Stripe. Het werkt deze modellen steeds bij op basis van de nieuwste fraudetrends, zodat je onderneming beschermd blijft terwijl fraude zich ontwikkelt.

Stripe biedt ook Radar for Fraud Teams, waarmee gebruikers regels op maat kunnen toevoegen die zich richten op fraudescenario's die specifiek zijn voor hun bedrijf en toegang hebben tot geavanceerd fraude-inzicht.

Radar kan je onderneming helpen met:

• Fraudeverliezen voorkomen: Stripe verwerkt jaarlijks meer dan $ 1 biljoen aan betalingen. Deze schaalgrootte stelt Radar in staat om fraude nauwkeurig op te sporen en te voorkomen, waardoor je geld bespaart.

• Omzet verhogen: de AI-modellen van Radar zijn getraind op basis van echte chargebackgegevens, klantinformatie, browsegegevens en meer. Hierdoor kan Radar risicovolle transacties identificeren en valse positieven verminderen, waardoor je omzet stijgt.

• Tijd besparen: Radar is ingebouwd in Stripe en hoeft niet te worden geconfigureerd. Je kunt ook je frauderesultaten monitoren, regels opstellen en meer op één platform, waardoor de efficiëntie toeneemt.

Lees meer over Stripe Radar of ga vandaag nog aan de slag.