Utmaning

Cleo är en AI-assistent som är lekfullt humoristisk när hon hjälper användarna att spara, budgetera och bygga en sund relation till pengar. För att få tillgång till ytterligare tjänster, som räntefria kontantförskott som användarna kan betala tillbaka när de har råd och uppbyggnad av kreditpoäng, kan användarna abonnera på abonnemangsnivåerna Cleo Plus eller Cleo Builder.

Tidigare behandlade Cleo både abonnemang och kontantförskott genom en tidigare betalleverantör. Båda typerna av betalningar hade en hög andel nekade betalningar, vilket gjorde att Cleo förlorade intäkter och tvingades betala avgifter kopplade till de misslyckade transaktionerna.

"Om vår betalleverantör nekar transaktioner och betalningarna inte kan genomföras är det negativt för vår verksamhet, eftersom vi förlorar pengar och våra användare kan inte längre få tillgång till de tjänster de behöver", säger Callan Carvey, Global Head of Operations hos Cleo. "Vi behövde ett tillförlitligt betalsystem för att öka andelen lyckade transaktioner och göra det möjligt för oss att ta emot pengar på ett framgångsrikt sätt."

Cleo hade också begränsade möjligheter att förhindra bedrägliga transaktioner, då man saknade tillräckliga data för att kunna identifiera misstänkta aktivitetsmönster medan de pågick. Det innebar att teamet ägnade mycket tid åt att identifiera bedrägerier efter att de inträffat för att kunna uppdatera sin bedrägerimodell och förhindra ytterligare problem i framtiden. Cleo ville hitta ett sätt att stoppa bedrägerier innan de inträffade, inte minst för att minska återkrediteringsbedrägerier samtidigt som man kunde bespara de interna teamen tidskrävande manuella uppgifter i samband med tvister.

Lösning

För att öka andelen lyckade transaktioner implementerade Cleo Stripe Payments för sina abonnemangsbetalningar och sin kontantförskottstjänst. Stripes direkta integrationer med kortnätverk och funktionen Adaptive Acceptance, som använder maskininlärningsmodeller för att optimera och försöka genomföra nekade betalningar på nytt i realtid, gjorde att sannolikheten för nekade kundbetalningar minskade för Cleo.

Cleo integrerade också Stripe Radar for Fraud Teams för att identifiera och förhindra bedrägerier. Radar for Fraud Teams är tränad på hundratals miljarder datapunkter och använder tidiga bedrägerivarningar för att uppmärksamma Cleo på misstänkta aktivitetsmönster samt blockera automatiskt betalningar med hög risk. Cleo använder också Radar for Fraud Teams för att skapa anpassade blockeringslistor för att förhindra angrepp från användare med vissa e-postadresser, kortnummer och IP-adresser. Med sitt anpassningsbara skydd gör Radar for Fraud Teams att Cleo kan skriva bedrägeriregler skräddarsydda för sina affärsbehov och sin risktolerans.

För misstänkta återkrediteringar gör Stripes integration med Chargehound – en omfattande återkrediteringslösning som automatiserar återkrediteringstvister – att Cleo själva slipper bestrida återkrediteringar. Stripe överför uppgifter om bestridda betalningar via ett API till Chargehound, som sedan automatiskt hanterar tvisteprocessen med kortutfärdaren. Det gör att Cleo kan få tillbaka intäkter som gått förlorade på grund av bedrägliga återkrediteringar, utan att behöva lägga tid och resurser på att bestrida återkrediteringar.

Resultat

Ökning på 1,5 procent för återbetalning av kontantförskott

Med Payments har Cleo sett en ökning på 1,5 procent för framgångsrika återbetalningar av kontantförskott. Detta innebär att Cleo tar emot mer pengar från framgångsrika betalningar, samtidigt som man minskar kostnaderna för misslyckade transaktioner och de totala intäkterna ökar.

"Som företag pratar vi om allt utifrån ett livstidsvärde, med ett dollarvärde som hänförs till varje användare", säger Carvey. "När vi använder Stripe för vår kontantlåneverksamhet minskar våra kostnader för misslyckanden genom att andelen lyckade transaktioner ökar, vilket ger en positiv påverkan på livstidsvärdet för våra användare."

23 procent lägre andel återkrediteringar på kontantförskott

Radar for Fraud Teams hjälpte Cleo att uppnå en minskning på 23 procent för bedrägliga återkrediteringar på sin kontantförskottstjänst. Detta gör att Cleo slipper förlora betydande intäkter samtidigt som Cleos bedrägeriteam sparar mycket tid och resurser som annars skulle lagts på att manuellt aggregera och analysera data för att bekämpa bedrägerier.

"Med Radar for Fraud Teams kan vi hålla jämna steg med bedragare genom att använda oss av indata och trender som en grund för våra egna bedrägeriregler internt, vilket innebär att vi kan identifiera bedrägerier i praktiskt taget realtid och förhindra att de genomförs", säger Carvey. "Om det inte var för Radar Dashboard, de tidiga bedrägerivarningarna, anpassningen och mycket annat skulle vårt bedrägeriteam behöva vara minst tre gånger så stort som det är idag."

15 000 USD i besparingar per månad med automatiserade återkrediteringstvister

Genom att automatisera återkrediteringstvister via Stripes integration med Chargehound har Cleo automatiskt kunnat bestrida bedrägliga återkrediteringar, vilket gett besparingar på 15 000 USD per månad i återvunna återkrediteringar och sparade tvistavgifter. Sedan implementeringen har man sparat över 200 000 USD, utan att Cleos bedrägeriteam behövt lägga tid på att bestrida de återförda betalningarna manuellt.