Utmaning

Två månader efter lanseringen i USA – Sendles första internationella marknad – började företaget drabbas av sofistikerade och kostbara bedrägeriincidenter som man tidigare inte upplevt i företagets verksamhet i Australien.

Sendle försökte bekämpa bedrägeriaktiviteten på egen hand, men det uppstod hela tiden nya problem. Tvivelaktiga aktörer skapade flera konton på Sendle-plattformen genom automatiserade och manuella metoder, som främst användes för återförsäljning av märken och för att göra beställningar med stulna kortuppgifter. De här kontona växlade mellan hundratals kredit- och betalkort hos olika banker, vilket ledde till återkrediteringar. Sendle insåg att det skulle innebära en utmaning att bygga en verktygslåda för bedrägeribekämpning på egen hand och att det krävde mer djupgående expertis inom bedrägerier och en betydande investering av tid och resurser.

Lösning

Lyckligtvis hade Sendle redan från början samarbetat med Stripe för att möjliggöra behandling av betalningar. På så sätt kunde företaget snabbt och enkelt implementera Stripes verktyg för bedrägeribekämpning för att minimera de ekonomiska och resursmässiga effekter bedrägerier hade på verksamheten.

Sendle valde Stripe Radar for Fraud Teams för att tillhandahålla det kritiska första lagret av bedrägeriskydd och skilja mellan tvivelaktiga aktörer och legitima kunder. Radars maskininlärningsalgoritm identifierar och blockerar bedrägerier, och eftersom Sendle redan hade samarbetat med Stripe Payments krävdes mycket lite implementering, vilket gjorde utrullningen smidig och okomplicerad.

Stripes team samarbetade med Sendles bedrägerianalytiker för att skapa ett arbetsflöde som var skräddarsytt för Sendles unika affärs- och bedrägeriutmaningar. Det gjorde att Sendle kunde lägga till en serie anpassade regler, utnyttja regelattribut som 3DS, och konfigurera blockerings- och tillåten-listor för att finjustera sitt bedrägeriskydd.

Genom att fokusera på att bygga regler kring validering, 3DS-krav, matchning av IP och geopositionering samt kortvalidering fick Sendle-teamet bättre riskinsyn i kundtransaktionerna redan innan debiteringar på korten genomfördes. Dessutom har blockeringslistor konfigurerade för IP, e-postdomäner och kortfingeravtryck kraftigt minskat förekomsten av bedrägerier och missbruk på hela Sendle-plattformen. På så sätt kan man slippa återkrediteringar i framtiden.

Kombinationen av Stripes maskininlärningsalgoritm och Sendles anpassade regler gjorde det möjligt för Sendle att förbättra bedrägeriskyddet och se till att företaget kan följa sin strategi för expansion i USA.

Resultat

Efter att Sendle började använda Stripe Radar for Fraud Teams har man uppnått en elvafaldig ökning av ROI och minskat förlusterna på grund av bedrägerier med nästan 30 procent i USA. Den ökade skyddsnivån innebar att Sendle kunde fokusera på sin ambitiösa tillväxtstrategi i USA samtidigt som man kunde hålla nere bedrägerinivån.

Inom ett år efter implementeringen av Stripe Radar for Fraud Teams förhindrade lösningen omfattande attacker mot Sendles amerikanska verksamhet och kompletterade företagets egna strikta säkerhetsåtgärder. Det innebar också att det interna teamet för bedrägeribekämpning kunde utvecklas och växa.

Idag har verktyget blivit en integrerad del av Sendles verksamhet. Med hektiska e-handelsperioder som Black Friday, jul- och nyårshelgerna och den ökade näthandeln efter pandemin kan Sendle nu hantera större paketvolymer utan att behöva oroa sig över ekonomiska förluster på grund av bedrägerier. Genom att kombinera Radar med sin interna bedrägerimodell skyddar Sendle proaktivt sina småföretagarkunder, partner och intäkter.