Alleen al in 2025 meldden Amerikaanse consumenten $ 15,9 miljard aan schade door fraude en de aanvallen worden steeds geavanceerder. Gestolen kaartgegevens worden massaal verkocht op het dark web, botnetwerken voeren duizenden tests met betaalkaarten per uur uit en georganiseerde groepen dienen gecoördineerde chargebacks in nadat ze goederen hebben ontvangen. De beste e-commerce software voor fraudepreventie blokkeert frauduleuze transacties zonder legitieme klanten te weigeren die er net wat ongebruikelijk uitzien.

Hieronder bespreken we de belangrijkste soorten fraude waarmee online winkeliers te maken hebben, de verschillen tussen de drie categorieën preventietools en hoe je een oplossing vindt die past bij het specifieke risicoprofiel van je onderneming.

Kernpunten

• E-commerce fraude omvat verschillende soorten aanvallen, die elk andere detectiemechanismen vereisen.

• Tools voor fraudepreventie werken via twee mechanismen: frauduleuze transacties blokkeren voordat ze zijn voltooid en bewijs genereren om geschillen te winnen wanneer ze worden ingediend.

• Wat de juiste e-commerce oplossing voor fraudepreventie is, hangt af van het transactievolume, waar de fraude geconcentreerd is en wat je technische infrastructuur kan ondersteunen.

Wat is e-commerce software voor fraudepreventie?

E-commerce software voor fraudepreventie is een systeem van geautomatiseerde tools die frauduleuze transacties detecteren en ofwel blokkeren voordat ze worden voltooid of snel genoeg markeren om in te grijpen voordat goederen worden verzonden of er chargebacks optreden. Online ondernemingen gebruiken dit om betaalfraude te beperken.

Wat zijn veelvoorkomende soorten e-commerce fraude?

Online winkeliers krijgen te maken met een vaste set fraudepatronen en een handvol aanvalstypen is verantwoordelijk voor de verliezen.

Dit zijn de meest voorkomende soorten e-commerce fraude:

• Card-not-present-fraude (CNP-fraude): Een crimineel verkrijgt kaartgegevens via phishing, datalekken of aankopen op het dark web en gebruikt deze om bestellingen te plaatsen voordat de kaarthouder iets doorheeft. Omdat er geen fysieke betaalkaart in het spel is, zijn de standaard chip-en-pincodebeveiligingen niet van toepassing. Detectie is afhankelijk van gedrags- en contextuele signalen.

• Kaarttesten: Frauduleuze personen gebruiken het afrekenproces van een onderneming als verificatietool. Ze voeren kleine transacties uit, soms van nog geen euro, om te verifiëren of de gestolen kaartnummers nog actief zijn voordat ze deze verkopen of ze ergens anders gebruiken voor grotere aankopen. Als er geen frequentielimieten en snelheidsregels van kracht zijn om kaarttesten tegen te gaan, lopen de autorisatiekosten van een onderneming op en raken de fraudesignaalgegevens vervuild.

• Vriendelijke fraude: De echte kaarthouder plaatst de bestelling, ontvangt de goederen en dient vervolgens bij de bank een chargeback in, waarbij deze claimt de betaling niet te hebben geautoriseerd of dat het item nooit is aangekomen. Om een geschil te winnen, heb je documentatie nodig, zoals een leveringsbevestiging, IP-logboeken (Internet Protocol) en apparaatvingerafdrukken.

• Terugbetalings- en promotiefraude: Klanten retourneren gebruikte of namaakartikelen of stapelen promotiecodes op manieren die het systeem van de onderneming niet kan voorkomen. Terugbetalingsfraude en promotiemisbruik zien er in transactiegegevens niet altijd uit als fraude, waardoor het moeilijker op te sporen is zonder tools die specifiek zijn gebouwd voor gedragsanalyse op accountniveau.

Welke e-commerce oplossingen voor fraudepreventie zijn er?

De markt voor software voor fraudepreventie kent drie verschillende categorieën. Elke categorie heeft andere afwegingen op het gebied van dekking, kosten en de complexiteit van de integratie. Houd rekening met het volgende.

PSP-geïntegreerde fraudetools

Fraudetools die in het aanbod van je betaaldienstverlener (PSP) zijn ingebouwd, werken op de plek waar de transactie wordt uitgevoerd, met directe toegang tot de betaalgegevens die de dienstverlener al heeft verzameld. Je afrekenproces wordt niet vertraagd door een API-aanroep naar een externe partij en de fraudesignalen (zoals de kaartgeschiedenis, het aantal geschillen en de transactiesnelheid binnen het netwerk van de leverancier) gaan rechtstreeks naar de engine die de beslissingen neemt. Er is nauwelijks sprake van integratie als je de betalingen al verwerkt via een leverancier die fraudetools aanbiedt. De beperking is dat de dekking vaak uitsluitend is gericht op betaalfraude; voor misbruik op accountniveau, promotiefraude en geschillen nadat een transactie heeft plaatsgevonden, zijn vaak andere tools vereist.

Zelfstandige platforms voor fraudepreventie

Externe platforms bevinden zich tussen je afrekenproces en de betalingsverwerker. Ze verwerken transactiegegevens, apparaatsignalen en gedragsgegevens van de site en geven vervolgens een risicoscore of beslissing voordat een betaling wordt geautoriseerd. Deze platforms bieden een bredere dekking: ze zijn gebouwd om fraude te bestrijden gedurende de hele levenscyclus van de klant, van het maken van een account tot aan terugbetalingen, in plaats van alleen tijdens de betaling. Ze bieden ook vaak configurabelere rules engines, wat belangrijk is als de fraudepatronen ongebruikelijk zijn of als de productcatalogus atypische risicosignalen genereert. De afweging hierbij is dat de integratie vooraf plaatsvindt en dat er een extra leveranciersrelatie is om te beheren.

Aanbieders van een chargebackgarantie

Er zijn ook leveranciers die een ander commercieel model bieden. In plaats van een vast bedrag voor de fraudedetectie in rekening te brengen, keuren ze bestellingen goed of wijzen ze deze af, waarbij ze de volledige aansprakelijkheid van de chargeback voor de goedgekeurde bestellingen op zich nemen. Als er bij een door hen goedgekeurde transactie een geschil over fraude wordt geopend, dekken zij dat. Dit verlegt het financiële risico, maar verandert de controle die je hebt over het beslissingsproces. Je accepteert hun goedkeuringsbeslissingen over bestellingen waarvoor ze garant staan. Dit kan spanningen opleveren als ze op basis van hun model klanten weigeren die jij wel zou hebben geaccepteerd.

Naar welke functies moet je zoeken in e-commerce software voor fraudepreventie?

De specifieke functies die je zoekt in software voor fraudepreventie zijn afhankelijk van je transactievolume en de blootstelling aan fraude.

Over het algemeen is het de moeite waard om rekening te houden met het volgende:

• Realtime beslissingen: Fraudetools die beslissingen doorgeven nadat het afrekenen is voltooid, zijn te traag. De evaluatie moet plaatsvinden voor de autorisatie, terwijl de sessie nog actief is. Controleer of de gemiddelde beslissingslatentie van de tool binnen je afrekenproces past zonder een merkbare vertraging toe te voegen.

• Machine-learning modellen (ML-modellen) die zijn getraind op netwerkgegevens: Een ML-model dat uitsluitend is getraind op je eigen transacties begint met beperkte signalen, vooral als je onderneming nog niet zo lang bestaat. Tools die gebruikmaken van netwerkbrede transactiegegevens van duizenden ondernemingen, kunnen fraudepatronen herkennen die je met alleen je eigen volume niet zou zien.

• Configureerbare rules engine: Vooraf gebouwde modellen herkennen algemene fraudepatronen, maar je onderneming heeft specifieke risicokenmerken die niet volledig worden gedekt door een generiek model. Doordat je regels op maat kunt maken (zoals bestellingen blokkeren die worden verzonden naar adressen die in het verleden aan fraude zijn gekoppeld, of bestellingen met een hoge waarde markeren waarbij het land van de facturatie en het land van de verzending niet overeenkomen, of eisen dat er gebruik wordt gemaakt van 3D Secure [3DS] voor transacties boven een bepaalde drempelwaarde), kun je het systeem afstemmen op de werkelijke blootstelling van je onderneming.

• Gegevens over de impact op het chargebackpercentage: Een leverancier moet kunnen aantonen wat hun tool doet met het aantal geschillen voor ondernemingen zoals die van jou. Als ze geen referentiegegevens of casestudy's met werkelijke cijfers kunnen verstrekken, zie dit dan als een alarmbel.

• Integratie met je bundel: Welke tools je kunt gebruiken, is afhankelijk van of je gebruikmaakt van Shopify, WooCommerce of een platform op maat. Een oplossing die een diepe API-integratie vereist, is niet haalbaar als het engineeringteam die niet kan ondersteunen.

Welke invloed hebben e-commerce tools voor fraudepreventie op je chargebackpercentage?

Chargebacks zijn een direct financieel gevolg van fraude en ze stapelen zich op. Kaartnetwerken controleren je chargebackpercentage: als je consequent de drempelwaarden van de netwerken overschrijdt, kun je boetes krijgen of strenger worden gecontroleerd, of zelfs helemaal niet meer in staat zijn om betalingen te verwerken.

Tools voor fraudepreventie beïnvloeden je chargebackpercentage door frauduleuze transacties te blokkeren voordat ze worden voltooid. Hierdoor wordt voorkomen dat er geschillen worden ingediend. Ook genereren ze het bewijs dat je nodig hebt om de procedure om een chargeback aan te vechten te winnen wanneer er wel geschillen worden ingediend.

De verhouding van fout-positieven is ook belangrijk. Tools die te snel weigeren, verminderen het aantal frauduleuze transacties, maar weigeren ook legitieme klanten. Dit is terug te zien in de gegevens van autorisatiepercentages en niet in de gegevens van geschillen. Met tools kun je de gevoeligheidsdrempels vaak aanpassen en veel tools leiden onzekere gevallen naar een handmatige controlewachtrij in plaats van ze automatisch te weigeren. Het vinden van de juiste kalibratie is waar het meeste doorlopende beheerwerk in gaat zitten.

Hoe kies je de juiste e-commerce oplossing voor fraudepreventie?

Wat de juiste e-commerce oplossing voor fraudepreventie is, hangt af van specifieke factoren van je onderneming. Een paar structurele problemen beperken de keuze:

• Transactievolume: ML-tools worden beter naarmate ze meer gegevens verzamelen. Als je minder dan een paar honderd transacties per maand verwerkt, verzamelt een zelfstandig ML-platform dat is getraind op je eigen geschiedenis, niet genoeg signalen om accuraat te zijn. Je bent in dat geval meer afhankelijk van gegevens op netwerkniveau van platforms met een brede dekking of van de geïntegreerde fraudetools van je betaaldienstverlener.

• Concentratie van fraude: Als de meeste verliezen worden veroorzaakt door CNP-fraude tijdens het afrekenen, dekt een oplossing op de betaallaag mogelijk de meeste blootstelling. Als je te maken hebt met promotiemisbruik of retourfraude, heb je een tool nodig die gedurende de hele levenscyclus van de klant werkt.

• Technische infrastructuur: Een extern fraudeplatform met een API boordevol functies is krachtig, maar alleen als je over de engineers beschikt om het platform te integreren en onderhouden. Ondernemingen zonder eigen engineeringresources zijn vaak beter gediend met tools die direct integreren met hun e-commerce platform of betaaldienstverlener.

• Tolerantie voor fout-positieven: Als je goederen zonder onderscheidend vermogen en met lage marges verkoopt terwijl er sprake is van veel concurrentie, heeft het weigeren van een legitieme klant andere gevolgen dan wanneer je producten met hoge marges en lange aankoopcycli verkoopt. Ondernemingen die sterk afhankelijk zijn van klantrelaties, moeten de percentages fout-positieven zeer serieus nemen in hun evaluatie.

• Huidige blootstelling aan chargebacks: Als het kaartnetwerk de onderneming in de gaten houdt of dit binnenkort gaat doen, is een model met een chargebackgarantie in financieel opzicht wellicht logischer dan een tool die alleen maar detecteert, zelfs tegen hogere kosten. Als fraude een beheersbaar, maar groeiend probleem is, geeft een detectiegerichte tool met een goede aanpassing van de regels meer controle over de resultaten.

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 voor specifieke fraude scenario's voor hun bedrijf en toegang krijgen tot geavanceerde fraude- inzichten.
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.