Utmaning

Det kan gå snabbt i modebranschen, eftersom trender och försäljningscykler till sin natur är dynamiska. Det är vanligt med försäljningstoppar, som är svåra att förutspå, inte minst för små säljare. För Yoycol skapar de en utmaning i arbetet med att identifiera bedrägerier, då det kan vara svårt att skilja försäljningstoppar som beror på bedrägerier från tillfälliga försäljningsuppgångar i samband med kampanjer.

Yoycol fokuserar på automation och effektivitet som sina viktiga styrkor, men hanteringen av bedrägerier är inte lika effektiv. Inte minst finns det en risk för att kortföretag ser till att man placeras i övervakningsprogram och ställer krav på detaljerade åtgärdsplaner. Produkter som specialanpassade plagg gör att den komplexitet som uppstår på grund av bedrägerier ökar ytterligare. De produkter som levererats är ofta unika och svåra att ersätta eller ha i lager. Och eftersom många av de fristående e-handelsplattformar som Yoycol integrerar med arbetar med små säljare är det viktigt att man kan behålla sitt rykte som en pålitlig partner.

Lösning

Yoycol samarbetade med Stripes professionella tjänster för att under åtta veckor ta fram en strategi mot bedrägerier och identifiera möjligheter och förbättringar som kan få stort genomslag. Målet var att på ett mer effektivt och ändamålsenligt sätt minska förekomsten av misstänkt beteende som kan övergå i bedrägerier.

Etablering av en process för kontinuerlig bedrägeriövervakning

Bedrägeribekämpning bygger på vaksamhet. Stripe rekommenderar en kontinuerlig, datadriven strategi för bedrägerihantering med hjälp av Stripe Radar for Fraud Teams och Stripe-dataprodukter, som Stripe Sigma eller Stripe Data Pipeline. De här verktygen förser Yoycol med tillförlitliga data som är avgörande för att kunna övervaka bedrägeritrender och ta fram korrekta prognoser från övervakningsprogram samt agera utifrån detta.

Stripe inledde samarbetet med en övning i hotmodellering med fokus på Yoycols individuella riskexponering och riskvilja. Yoycols kombination av olika användartyper, från stora organisationer med höga volymer till små och medelstora företag, innebar att man måste mappa uppsättningar av Radar-regler till var och en av de här användartyperna. Genom att analysera mönstren som dessa olika användartyper uppvisade och bygga upp statistik för att spåra dem kunde Stripe komma med specifika rekommendationer med fokus på olika typer av bedrägerier. Inget av detta påverkade användarna.

"Stripe-teamet arbetade professionellt med bedrägeribekämpning. De gjorde en tydlig och exakt tolkning av vår plattforms och kortutfärdarens policyer och tog fram en optimal lösning hur ett kort kunde tas bort från övervakningslistan för kreditkort", säger Wang Xiao Xi, CFO för Yoycol.

Resultat

När samarbetet inleddes var Yoycols interna riskteam pressat på grund av antalet tvister i ett företag som samtidigt växte. Teamen fick lägga mycket arbete på att följa upp kortföretagens övervakningsstatistik. Stripes professionella tjänster började omgående använda verktyg som hotmodellering för att minska Yoycols operativa belastning under samarbetet. Antalet tvister och tidiga bedrägerivarningar föll till de lägsta nivåerna i kundens historia.

Med hjälp av Stripe Checkout och Link kunde Yoycol aktivera avancerad bedrägeriidentifiering med Radar for Fraud Teams, som hade en stark påverkan på Radars maskininlärningsmodell. Det gjorde att frekvensen för falska bedrägerilarm låg på under 0,2 procent för Radar-blockeringar med hög risk. Dessutom föll chargeback-nivån till under 0,1 procent (inklusive tvister på grund av bedrägerier) medan konverteringsgraden förblev stabil för legitima transaktioner.

"Vi hanterade bedrägerikrisen genom ett bra samarbete med Stripes professionella tjänster-team", säger Wang.