Detta är en strukturerad guide för utvärdering av leverantörer av bedrägeribekämpning. Stripe Radar inkluderas som en referenspunkt genom hela dokumentet; det är ett konkret exempel på hur en infrastruktur för bedrägeribekämpning i toppklass ser ut 2026.

Denna guide inkluderar både avsnittsöversikter och exempeltexter. Du kan utforma ditt eget varumärkta RFP-dokument eller använda den tillhandahållna texten.

Försättsblad

Målet med försättsbladet är att tala om för leverantörerna exakt vad de tittar på och vem de ska prata med. Det innehåller även viktiga datum i förväg och information om hur den slutgiltiga inlämningen ska se ut.

Kontaktinformation

Viktiga datum

Inlämningsformat

Alla svar måste skickas elektroniskt via e-post i PDF-format. Prissättning och poängsättningsmallar (tillhandahålls separat i Excel) måste bifogas i sina ursprungliga format.

Konvention om filnamn

[Vendor name]–[Project name]–RFP–Svar–[Date].pdf

Syftet med denna RFP

[Ditt företag] söker en partner för fakturering som kan stödja säkra transaktioner i flera valutor, enkelt integrera med interna system via moderna API:er och leverera hög tillförlitlighet, proaktiv bedrägeriupptäckt och datatransparens i alla regioner.

Detta dokument beskriver kraven, utvärderingskriterierna och processen för att lämna in förslag.

Kort sekretessmeddelande

Denna RFP innehåller konfidentiell och proprietär information som tillhör [ditt företag]. Den tillhandahålls uteslutande för syftet att förbereda ett svar. Distribution utöver de som är direkt involverade i att förbereda ett förslag är förbjuden. Genom att acceptera denna RFP samtycker mottagaren till att skydda denna information med minst samma grad av omsorg som de tillämpar för att skydda sin egen konfidentiella information.

Avsnitt A: Administrativa instruktioner

Detta avsnitt fastställer grundreglerna. Leverantörsrelationer för bedrägeribekämpning innebär djupgående åtkomst till dina transaktionsdata och din riskinfrastruktur. Tvetydighet här kan skapa juridiska, operativa och säkerhetsmässiga problem senare. Var exakt.

A.1 Förklaring om konfidentialitet och tystnadsplikt

All information i denna RFP är konfidentiell och avsedd uteslutande för att göra det möjligt för leverantören att förbereda ett svar. Leverantörer får inte avslöja, reproducera eller distribuera detta dokument eller någon del av det utan föregående skriftligt medgivande från [ditt företag]. Äganderättslig information som inkluderas i förslag ska vara tydligt märkt; [ditt företag] kommer att hantera den därefter.

A.2 Begränsning av ekonomiskt ansvar

Denna RFP är inte ett avtalserbjudande. [Ditt företag] har ingen skyldighet att tilldela ett avtal eller ersätta kostnader som uppkommit vid förberedelsen av ett svar. Leverantörerna är ensamma ansvariga för sina egna utgifter genom hela denna process.

A.3 Tidslinje för RFP

A.4 Riktlinjer för inlämning

• Alla förslag måste skickas via e-post till [e-postadress för kontakt].

• Leverantörer måste bekräfta kvitto inom tre arbetsdagar efter utfärdandet.

• Frågor måste skickas in skriftligen senast det datum som anges i A.3.

• All kommunikation måste gå genom den utsedda RFP-ansvariga. Direktkontakt med andra anställda på [ditt företag] under utvärderingsperioden kan leda till diskvalificering.

A.5 Obligatoriska inlämningsdokument

A.6 Utvärderingsöversikt

[Ditt företag] kommer att utvärdera förslagen utifrån AI-modellernas kvalitet, bedrägeribekämpningens bredd, antalet falskt positiva, beredskap för agenty-handel, API-tillförlitlighet och leverantörsstabilitet. Leverantörer måste kunna visa upp mätbara förbättringar för minskning av bedrägerier, andel tvister och drifteffektivitet med produktionsbevis. Påståenden utan data kommer inte att poängsättas.

A.7 Leverantörsbekräftelse

Leverantörer måste fylla i och returnera bekräftelsen nedan inom tre arbetsdagar efter att de mottagit denna RFP.

Vi bekräftar kvitto av RFP:n med namnet "[RFP-namn]" och bekräftar vår avsikt ☐ att skicka in / ☐ att inte skicka in ett svar.

Företag: ________________________

Auktoriserad representant: ________________________

Titel: ________________________

Datum: _______

Avsnitt B: Översikt och omfattning av arbetet

En vag översikt ger generiska förslag. Ge leverantörerna den specifika kontext de behöver för att svara intelligent: din affärsmodell, din nuvarande bedrägeriexponering, de attackvektorer du har identifierat och de resultat du behöver förbättra. Bedrägerier utvecklas snabbt och din RFP bör återspegla det.

Här är några ytterligare detaljer som du kan inkludera för att anpassa:

• Huvudkontor och nyckelmarknader
  
• Transaktionsvolym och genomsnittligt beställningsvärde
  
• Uppdelning mellan inhemska och gränsöverskridande transaktioner
  
• Primära betalningsmetoder som används (t.ex. kort, ACH, SEPA, digitala plånböcker)
  
• Interna team involverade (t.ex. teknik, ekonomi, juridik och efterlevnad, drift)
  

B.1 Företagets bakgrund

• [Ditt företag] är en [B2B / B2C / C2C] [marknadsplats / SaaS-företag / e-handelsföretag / plattform] som är verksam i [ange marknader]. Vi behandlar cirka [X] transaktioner per månad över [X] betalningsmetoder och valutor. Vi upplever för närvarande en bedrägerifrekvens på cirka [X] % och en tvistefrekvens på [X] %, och våra bedrägerikostnader är cirka [X] USD per månad. Vi söker en partner för bedrägeribekämpning vars plattform täcker hela stacken – transaktionsbedrägeri, kontobedrägeri och kundmissbruk – utan att kräva betydande löpande tekniskt underhåll.
  

B.2 Projektets syfte

• Denna RFP finns till för att identifiera en partner för bedrägeribekämpning som skyddar vårt företag när bedrägerihoten förändras. Här är vår nuvarande situation: [beskriv bristen (t.ex. vårt regelbaserade system producerar för många falska positiva resultat, vi har ingen täckning för kontobedrägeri eller missbruk, vår tvistefrekvens ökar, vi saknar synlighet i nya bedrägerivektorer)].
  

B.3 Arbetets omfattning

Huvudsakliga leverabler

• Bekämpning av transaktionsbedrägerier: AI-driven bedrägeripoängsättning för varje betalning, med dokumenterade falska positiva frekvenser och siffror för bedrägeriminskning från produktion

• Bekämpning av kontobedrägerier: Automatiserad upptäckt och åtgärd av bedrägliga konton över hela livscykeln från onboarding till aktivitetsövervakning

• Förebyggande av missbruk: Upptäckt och blockering av missbruk av gratisprovperioder, missbruk av pay-as-you-go och första parts bedrägerivektorer

• Tvistehantering: Chargeback-automatisering inklusive inlämning av bevis, spårning av andel vunna tvister och tvisteanalys

• Motor för anpassade regler: Förmågan för vårt riskteam att skapa och testa anpassade regler utan teknisk inblandning

• Enhetlig Dashboard och rapportering: Realtidssynlighet i bedrägerifrekvenser, tvistefrekvenser, regelprestanda och modellresultat på ett ställe

• API-åtkomst: Programmatisk integration för team som behöver bädda in bedrägeriintelligens i anpassade arbetsflöden

Ytterligare leverabler

• Agentiskt handelsskydd: Bedrägeripoängsättning och anomalidetektering för AI-agentinitierade transaktioner

• Stöd för [ange nödvändiga betalningsmetoder (t.ex. ACH, SEPA, plånböcker, BNPL, stablecoins)]

• Bedrägerikontroller på plattforms-nivå för marknadsplatsoperatörer: Reserver, utbetalningsrestriktioner och åtgärder för kontolivscykel

B.4 Arbete utanför omfattningen

Definiera vad som är undantaget så att leverantörer inte prissätter eller tar ansvar för det. Här är några exempel:

• Fullständig infrastruktur för KYC- och efterlevnad av penningtvätt (hanteras separat av vår betalleverantör)

• Kundidentitetsverifiering utöver signaler för bedrägeririsk

• Allmän affärsinformation eller datalagring som inte är relaterad till bedrägeri

B.5 Önskat resultat

• Minskning av bedrägerifrekvensen med minst [X] % inom 90 dagar efter att ha lanserat (för ett riktmärke minskar Radar bedrägerier med 32 % i genomsnitt)

• Tvistefrekvens under [X] % inom 90 dagar

• Falsk positiv frekvens under [X] % – mätt i legitima transaktioner som nekas eller flaggas felaktigt

• Missbruk av gratisprovperioder blockeras med minst 90 % precision (nuvarande riktmärke)

• Teknisk tid för att underhålla bedrägeriinfrastruktur minskad med [X] %

• Kodfri konfiguration slutförd inom [X] dagar efter avtalsingående

Avsnitt C: Offertanvisningar

Standardisera det du får in så att du kan jämföra leverantörer sida vid sida. Förslag på bedrägeribekämpning tenderar att inledas med produktbeskrivningar och ML-jargong. Kräv produktionsresultat i stället.

C.1 Format och struktur för inlämning

Varje förslag måste följa den här strukturen:

• Sammanfattning (max tre sidor)

• Svar på alla krav i avsnitt E, numrerade för att matcha

• Ifylld prissättningsmall i Excel

• Leverantörsprofil och finansiell sammanfattning

• Minst tre kundreferenser från jämförbara företag

• Stödjande dokument: efterlevnadscertifieringar, fallstudier med produktionsmätvärden, API-dokumentation, beskrivning av AI-modellens träningsdata

Inlämningar som avviker avsevärt eller utelämnar nödvändiga element kan anses vara i bristande efterlevnad.

C.2 Formateringskrav

• Berättande svar som PDF, prissättningsmall som Excel-fil

• Minst 11pt typsnitt, 1-tums marginaler, sidnummer krävs

• Alla belopp i USD om inte annat anges

• Filnamngivning: [Leverantörsnamn]–Fraud–RFP–[Datum].pdf

C.3 Vägledning om förslagets innehåll

Exekutiv sammanfattning

• Inled med uppmätta resultat från liknande distributioner: procentandelar för minskning av bedrägerier, förbättringar av tvistfrekvens, falska positiva frekvenser, precision i förebyggande av missbruk. Beskriv inte din produkt. Visa vad den producerar.

• Inkludera din vision för det här partnerskapet över tre år, särskilt hur din AI-modell kommer att fortsätta att springa ifrån utvecklingen av bedrägerier.

Lösningsöversikt och arkitektur

• Beskriv hur din plattform täcker hela bedrägeristacken – transaktionsbedrägeri, kontobedrägeri, förebyggande av missbruk och hantering av tvister – i en enda integration.

• Beskriv datagrunden bakom dina AI-modeller: transaktionsvolymen, den geografiska bredden och utfärdarbredden samt mångfalden av betalningsmetoder. Den här grunden avgör om modellen fungerar i stor skala. Riktmärket för ledande bedrägeriinfrastruktur är AI som tränats på mer än 1,9 biljoner USD i årliga transaktioner.

• Beskriv hur din modell uppdateras när bedrägerimönster ändras och hur snabbt nya bedrägerivektorer införlivas.

Agentisk handel

• Beskriv dina nuvarande produktionsmöjligheter för att upptäcka och förhindra bedrägerier i transaktioner initierade av AI-agenter. Agentisk handel är ett nuvarande krav, inte en framtida post på en färdplan. Förslag som positionerar detta som kommande kommer att poängsättas därefter.
  

Täckning och betalningsmetoder

• Ange exakt vilka betalningsmetoder du täcker (t.ex. kort, ACH, SEPA, plånböcker, BNPL, stablecoins).
  

Säkerhet och efterlevnad

• Bekräfta efterlevnad av PCI DSS v4.0 (trädde i kraft i mars 2024) och senaste revisionsdatum.

• Ge 12 månaders historiska data för upptid. Förväntningen på bedrägeriinfrastruktur i produktionsklass är en upptid på 99,999+ %.

C.4 Förtydliganden och frågor

Frågor måste skickas in skriftligen senast [deadline för frågor] till [RFP-ansvariges e-post]. Svar kommer att distribueras samtidigt till alla deltagare. Inga informella diskussioner med andra anställda på [ditt företag] är tillåtna under processen.

C.5 Förslagets giltighet

Förslag måste förbli giltiga i 90 dagar från inlämningsfristen om de inte förlängs genom skriftlig ömsesidig överenskommelse.

C.6 Rätt att avvisa eller förhandla

[Ditt företag] förbehåller sig rätten att avvisa förslag, begära förtydliganden eller genomföra parallella förhandlingar med en eller flera leverantörer. Deltagande utgör inte ett åtagande om att köpa.

Avsnitt D: Utvärderingsprocessen

Transparens i poängsättningen driver leverantörer att svara med bevis snarare än påståenden. Varje kriterium är direkt kopplat till kraven i avsnitt E.

D.1 Utvärderingsmetod

Alla förslag kommer att granskas av ett tvärfunktionellt team med representanter från teknik, finans, juridik och efterlevnad, risk samt drift.

Utvärderingen sker i tre steg:

• Granskning av efterlevnad: Bekräfta att alla nödvändiga dokument finns på plats och uppfyller formateringskraven.

• Kvalitativ bedömning: Poängsätt varje inlämning mot viktade kriterier med hjälp av en skala på 1–5 (5 = exceptionell, stöds av bevis från produktion; 1 = uppfyller inte grundkraven). En poäng på 5 kräver dokumenterade produktionsmått.

• Demonstration och slutlig granskning: Utvalda leverantörer presenterar live-demonstrationer av plattformen. Demonstrationerna måste använda en testmiljö som motsvarar produktion, inte en förprogrammerad genomgång.

D.2 Utvärderingskriterier och viktning

Skydd mot agentiska och framväxande hot har en viktning på 15 % eftersom förmågan att upptäcka bedrägeri i AI-agentinitierade transaktioner är ett strukturellt funktionsgap mellan leverantörer. Till exempel anser 65 % av företagsledare att bedrägeri utvecklas för snabbt för att deras företag ska hinna med. Leverantörer som inte kan demonstrera agilt skydd i dag kommer att hamna längre efter i takt med att bedrägerivektorer fortsätter att förändras.

D.3 Demonstrationskrav

Utvalda leverantörer kommer att demonstrera följande live i en testmiljö:

• Poängsättning av transaktionsbedrägeri i realtid – utlös en högrisktransaktion och visa hur modellen poängsätter den, med en förklaring av bidragande signaler

• Upptäckt av kontobedrägeri – visa hur plattformen identifierar och vidtar åtgärder för ett bedrägligt konto under onboarding och efter aktivering

• Förebyggande av missbruk i praktiken – demonstrera upptäckt av missbruk av gratisprovperioder med riktmärket 90 % precision

• Skapande av anpassade regler – en riskanalytiker skapar en ny regel utan inblandning av tekniker, testar den i en testmiljö och granskar dess förväntade inverkan

• Arbetsflöde för hantering av tvister – visa automatiserad inlämning av bevis för en chargeback, med spårning av andel vunna tvister

• Skydd för agentisk handel – visa hur plattformen tillämpar poängsättning för bedrägeri på en AI-agentinitierad transaktion och flaggar avvikande agentbeteende

• Enhetlig Dashboard – frekvens för bedrägeri, andel tvister, regelprestanda och granskning av modellutfall på en och samma plats

Leverantörer måste tillhandahålla tillfälliga demo-inloggningsuppgifter som är giltiga i minst 10 arbetsdagar efter demonstrationen.

D.4 Förhandling och kontraktstilldelning

[Ditt företag] förbehåller sig rätten att genomföra förtydligande sessioner, begära in slutgiltiga erbjudanden och föra parallella förhandlingar. Inget kontrakt är bindande förrän det har undertecknats av båda parter.

⚑ Anteckningar för utvärderare – ta bort innan sändning till leverantörer

• Poängsätt oberoende före gruppens överläggning. En poäng på 5 kräver dokumenterade produktionsmått – inte påstådda funktioner.
  
• Be varje leverantör att ange AI-modellens avtryck av träningsdata i specifika termer: transaktionsvolym, antal år av data, geografisk bredd, täckning för utfärdare och mångfald av betalningsmetoder. Svaret avslöjar hur stor del av prestandan för att upptäcka bedrägeri som är verklig respektive påstådd. Riktmärket är 1,9 biljoner USD+ i årliga transaktioner.
  
• Undersök täckningen för betalningsmetoder. För varje metod på din lista (t.ex. ACH, SEPA, plånböcker, BNPL, stablecoins), fråga om modellen har tränats på data från den metoden och hur siffrorna för minskat bedrägeri ser ut specifikt för den.
  
• Demonstrationen av agentisk handel är inte förhandlingsbar. En leverantör som inte kan visa upptäckt av bedrägeri i AI-agentinitierade transaktioner i en testmiljö i dag är inte redo för den riktning din plattform är på väg mot.
  
• Be om falskt positiva frekvenser från produktion, inte prognoser. En modell som blockerar 40 % bedrägeri men avvisar 5 % legitima transaktioner är ett problem för intäkter, inte en lösning på bedrägeri.
  
• Be om 12 månaders data för upptid, inte bara ett SLA. Skillnaden mellan 99,900 % och 99,999 % upptid spelar roll för en infrastruktur för bedrägeri som körs vid varje transaktion.
  

Avsnitt E: Grundläggande krav

Det här är det viktigaste avsnittet. Kräv faktabaserade och bevisade svar. Alla leverantörer som är värda att anlita kan hänvisa till dokumenterade resultat från verkliga implementeringar. För varje krav måste leverantörerna ange dess status: Standard (i produktion i dag), Configurable (kräver konfiguration), Custom (kräver utveckling) eller N/A (ej tillämpligt).

E.1 Kvalitet på AI-modellen och datamängden

AI för bedrägeribekämpning är bara så bra som den data den har tränats på. En modell som tränats på tiotals miljarder transaktioner över marknader, utfärdare och betalningsmetoder ger väsentligt bättre resultat än en modell som bygger på ett smalare dataset. Det är 92 % sannolikhet att ett kort som används på Stripes nätverk har setts tidigare – den nivån av tidigare signaler är riktmärket. Det här är en växande fördel som inte kan kopieras enbart genom tekniska insatser.

E.2 Bekämpning av transaktionsbedrägerier

Transaktionsbedrägerier ökar. Kostnaden för onlinebetalningsbedrägerier beräknas öka med 15 % år 2025. Rätt infrastruktur fångar bedrägerier som andra inte kan eftersom modellen har sett mönstret förut.

E.3 Bekämpning av kontobedrägerier

Kontobedrägeri (bedrägliga konton som skapas för att utnyttja er plattform) sker under hela kontots livscykel. Det är billigare att fånga upp det vid onboarding än efter aktivering. Riktmärket för ledande infrastruktur är att blockera mer än 3,5 miljoner bedrägliga anslutna konton per år.

E.4 Förebyggande av missbruk

Förstapartsbedrägeri (missbruk av testperioder, missbruk av pay-as-you-go och vänligt bedrägeri) kostar företag 200 miljarder USD per år. Under det senaste året har 94 % av företagen drabbats av det. Traditionella bedrägeriverktyg är inte utformade för att fånga upp det. Kräv produktionsbevis, inte en beskrivning av en leverantörs produktplan.

E.5 Tvistehantering

Tvister kostar företag 35 USD för varje 100 USD i chargebacks, om man räknar med driftskostnader, nätverksavgifter och tid. Rätt infrastruktur automatiserar inlämningen av bevis, visar sannolikheten för andelen vunna tvister per tvist så att ditt team kan prioritera fall effektivt, och stoppar i bästa fall tvister innan de inleds.

E.6 Anpassade regler och verktyg för riskteam

En plattform för bedrägeribekämpning som kräver teknisk medverkan för att justera riskstrategin är en flaskhals. Ditt riskteam måste vara snabbare än bedrägeriet. Det innebär att icke-tekniska användare måste kunna skriva, testa och distribuera regler utan att behöva skicka in ett ärende.

E.7 Agentic commerce och framväxande hot

AI-agenter inleder redan kommersiella transaktioner, och bedragare använder samma AI-verktyg som legitima företag använder. Marknadsplatser som inte skyddar AI-agentinledda transaktioner kommer att möta en växande exponering när agentic-volymen ökar. Alla leverantörer som i dag inte kan påvisa bedrägeriupptäckt på agentinledda transaktioner i en testmiljö är inte redo.

E.8 Analys, rapportering och intelligens i realtid

Bedrägerianalys och rapportering är obligatoriskt. Om ditt riskteam inte kan se vad som händer i realtid, undersöka enskilda transaktionsbeslut och få proaktiva varningar när en attack pågår, reagerar de alltid på bedrägerier istället för att förebygga dem.

E.9 Plattformsarkitektur och API-kvalitet

En integration för bedrägeribekämpning som kräver löpande tekniskt underhåll för att förbli effektiv är en dold skatt på ditt produktteam. Utvärdera API:et på samma sätt som du skulle utvärdera kärninfrastruktur.

E.10 Säkerhet, efterlevnad och datasekretess

Bedrägeriinfrastruktur sitter i datasökvägen för varje transaktion. En PCI-granskningsfrekvens på 100 % är standarden.

E.11 Certifiering av leverantör

Jag intygar härmed att alla svar är korrekta från och med inlämningsdatumet och att funktioner märkta Standard eller Konfigurerbar för närvarande är tillgängliga i produktionsmiljöer. Påståenden som inte stöds av dokumentation eller en live-demonstration kommer inte att utvärderas.

Behörig representant: ________________________

Titel: ________________________

Datum: _______

⚑ Utvärderarens anteckningar – ta bort innan du skickar till leverantörer

• Ett betyg på 5 för något av kriterierna kräver dokumenterade produktionsvärden. Att ange "Vi stöder detta" utan bevis är som bäst en 3:a.
  
• Be varje leverantör att ange fotavtrycket för dess AI-modells träningsdata i specifika termer: antal transaktioner, år av data, geografisk bredd och utfärdare samt mångfald av betalningsmetoder. Detta är den enskilt största särskiljande faktorn för prestanda vid upptäckt av bedrägeri.
  
• Undersök täckningen av betalningsmetoder. För varje metod på din lista (t.ex. ACH, SEPA, plånböcker, köpa nu, betala senare, stablecoins), fråga om modellen har tränats på produktionsdata från den metoden och hur bedrägeriminskningen ser ut specifikt för den.
  
• Be om frekvenser för falskt positiva, inte enbart frekvenser för bedrägeriminskning. En modell med 40 % bedrägeriminskning men en frekvens för falskt positiva på 5 % kostar dig intäkter.
  
• Be att få se gränssnittet för regelskrivning på ren engelska live. Icke-tekniska användare bör kunna skriva och simulera en ny regel i demon utan hjälp.
  
• Be leverantörer att demonstrera skuggläge. Kör en ny regel mot historiska data och visa den förväntade effekten innan den går live. Detta är ett centralt arbetsflöde för alla seriösa riskteam.
  
• Fråga om spärr- och tillåtelselistor kan innehålla anpassade affärsdatafält. En leverantör som endast stöder standardtransaktionsattribut kommer snabbt att nå taket.
  
• När det gäller tvister, fråga om Verifi- och Ethoca-integrationer är inbyggda eller kräver separata tredjepartsavtal. Inbyggd integration har betydelse för hur snabbt åtgärder kan vidtas.
  
• Be att få se en varning om bedrägeriangrepp i realtid från produktionen. Hur ser aviseringen ut, hur snabbt utlöses den och vad säger den rekommenderade åtgärden?
  
• Demonstrationen av agentisk handel är ett strikt krav. Varje leverantör som inte kan visa upptäckt av bedrägeri på transaktioner initierade av AI-agenter i en sandlåda i dag är inte redo.
  
• Be om 12 månaders historiska data för upptid och hela PCI-granskningshistoriken. SLA och nuvarande certifieringsstatus är inte tillräckliga.
  

Avsnitt F: Implementering och support

Att aktivera bedrägeribekämpning på en live-plattform medför risker. En felaktigt konfigurerad regel eller en alltför aggressiv modelltröskel kan blockera legitima intäkter. Det här avsnittet fastställer om leverantören har den metodik och erfarenhet som krävs för att hantera den risken.

F.1 Implementeringsmetod

Leverantörerna måste beskriva:

• Dokumenterad tid till första bedrägerisignalen för företag med jämförbar transaktionsvolym med specifika exempel, inte intervall – riktmärket för konfiguration utan kod är aktivering samma dag

• Hur de närmar sig inledande modellkalibrering – processen för att ställa in tröskelvärden som balanserar minskning av bedrägeri mot andelen falska positiva för just din transaktionsmix

• Deras processer för en parallell körning – att testa den nya plattformen mot live-trafik före fullständig implementering så att du kan validera prestandan innan du inaktiverar befintliga kontroller

• Hur de hanterar regelmigrering, om du flyttar över befintliga anpassade regler från en annan plattform

F.2 Resurser och styrning

Leverantörerna bör tillhandahålla:

• Namngiven kontoansvarig och bedrägerispecialist som tilldelats detta uppdrag

• Eskaleringshierarki och beslutsfrekvens under implementeringen

• Om implementeringsteamet är samma team som hanterar support efter lansering – överlämningen är ofta där tjänstekvaliteten sjunker

F.3 Utbildning och dokumentation

Leverantörerna bör beskriva:

• Vilken utbildning som är tillgänglig för team inom Risk, Teknik, Ekonomi och Verksamhet

• Kvalitet och aktualitet för dokumentationen, med de bästa plattformarna i klassen som upprätthåller dokumentation som riskanalytiker föredrar framför att ställa frågor till support

• Hur dokumentationen uppdateras allteftersom modellen och produkten lanserar nya funktioner för att upptäcka bedrägeri

F.4 Supportmodell och SLA:er

Leverantörerna måste ange:

• Supportnivåer och vad som ingår – en topp av falska positiva eller modellförsämring kl. 02:00 är en allvarlighetsgrad 1-incident som kräver ett omedelbart svar

• SLA:er för svarstid per allvarlighetsgrad, med avtalsenliga åtaganden

• Hur kunder meddelas under incidenter med bedrägerimodeller eller försämringshändelser och vad granskningen efter incidenten resulterar i

• Historisk data över svarstider för allvarlighetsgrad 1, inte bara SLA:t

F.5 Kontinuerlig förbättring

Beskriv specifikt hur din plattform använder maskininlärning och produktionsanalys för att förbättra utfallen gällande bedrägeri över tid. Ge exempel med produktionsmått: förbättringar i minskning av bedrägeri levererade till befintliga kunder under 12 månader, ändringar i andelen falska positiva och förbättringar gällande tvister.

F.6 Leverantörsintyg

Jag intygar att all information om implementering och support är korrekt per inlämningsdatumet och återspeglar nuvarande produktionspraxis.

Behörig representant: ________________________

Titel: ________________________

Datum: _______

⚑ Utvärderingsanteckningar – ta bort innan detta skickas till leverantörer

• Be om specifika implementeringsexempel från jämförbara företag (t.ex. transaktionsvolym, andel bedrägeri vid tidpunkten, antal marknader). Avvisa intervall.
  
• Fråga specifikt om processen för tröskelkalibrering. En leverantör som ställer in en enda global tröskel och går vidare behandlar inte din bedrägeriprofil som unik.
  
• Begär faktiska svarstider för allvarlighetsgrad 1 från de senaste 12 månaderna.
  
• Fråga om implementeringsteamet är samma team som hanterar support efter lansering.
  
• Fråga hur snabbt en ny bedrägerivektor – en som ditt företag inte har stött på tidigare – skulle införlivas i modellen efter att den upptäckts.
  

Avsnitt G: Kommersiellt

Prissättningen för bedrägeribekämpning varierar kraftigt mellan olika leverantörer och modeller. Vissa tar betalt per transaktion, andra efter minskning av bedrägerier och vissa efter nivå. Standardisera redovisningen så att du jämför riktig ekonomi.

G.1 Översikt över prisstruktur

Leverantörer måste tillhandahålla:

• Specificerad prissättning för varje komponent (grundläggande bedrägeribekämpning, tillgång till anpassade regler, avancerat förebyggande av missbruk, verktyg för tvistehantering, API-åtkomst och tillägg)

• En beskrivning som förklarar antaganden om prissättning (transaktionsvolym, genomsnittligt ordervärde, bedrägerifrekvens och mix av betalningsmetoder)

• Tydlig identifiering av minsta månatliga åtaganden eller volymtrösklar som påverkar prissättningen

• Alla siffror i USD, inklusive omvandlingslogik om andra valutor anges

G.2 Priskomponenter

G.3 Volymkänslighet

Ange uppskattad total kostnad vid följande transaktionsvolymer:

G.4 Avtalsvillkor

• Tillgängliga avtalslängder och prisincitament för respektive

• Huruvida prissättningen automatiskt skalas ned vid volymminskningar

• Utträdesklausuler och dataportabilitet – hur bedrägerisignaler, regelkonfigurationer och historiska data returneras, i vilket format och med vilken tidslinje

• Krav på minimiutgifter

G.5 Antaganden och beroenden

Lista alla kommersiella antaganden som ligger till grund för er prissättning. Oredovisade antaganden som upptäcks efter avtalets genomförande kan behandlas som väsentlig felaktig framställning.

G.6 Leverantörscertifiering

Jag intygar att all prissättning och kommersiell information är fullständig och korrekt från och med inlämningsdatumet.

Behörig representant: ________________________

Datum: _______

⚑ Utvärderarens anteckningar – ta bort innan detta skickas till leverantörer

• Stäm av beskrivningen mot Excel-arket. Avvikelser är en signal.
  
• Prissättning för bedrägeribekämpning döljer ofta kostnaden för anpassade regler och avancerat förebyggande av missbruk i högre nivåer. Modellera den totala kostnaden för ditt bedrägeribekämpningsteams arbetsflöde, inte bara basnivån.
  
• Fråga hur prissättningen förändras om din bedrägerifrekvens förbättras. Vissa modeller straffar framgång genom att minska produktens uppenbara värde när bedrägerifrekvensen sjunker.
  
• Dataportabilitet är ofta den verkliga inlåsningsmekanismen. Bedöm utträdesvillkor innan du skriver på, inte efteråt.
  
• Be leverantörer modellera den totala kostnaden vid 10× din nuvarande transaktionsvolym. Priskurvan vid tillväxt har lika stor betydelse som dagens pris.
  

Avsnitt H: Leverantörsprofil

Din partner för bedrägeribekämpningsinfrastruktur sitter i datasökvägen för varje transaktion. Förstå företaget i sin helhet: dess finansiella hälsa, djupet i dess AI-utveckling, förbättringstakten och meriter med företag som liknar ditt.

H.1 Företagsöversikt

Ge en sammanfattning på två till tre stycken som förklarar er historia, ert uppdrag och er marknadsposition. Fokusera på er erfarenhet av företag i [din bransch eller ditt segment (t.ex. e-handel, SaaS, marknadsplats, AI-företag, plattformar)]. Beskriv era meriter för att upprätthålla detekteringskvaliteten i takt med att bedrägerimönster har utvecklats och er historia av att lansera funktioner för bedrägeribekämpning i förväg på nya hot.

H.2 Kundbas och meriter

Ange specifika data om er kundbas:

• Antal företag som använder er infrastruktur för bedrägeribekämpning

• Total transaktionsvolym som skyddas per år

• Branscher och affärsmodeller som finns representerade i er kundbas

• Andel företag i ert målsegment (t.ex. e-handel, SaaS, plattformar) som ni skyddar

• Dokumenterad total minskning av bedrägerier över hela er kundbas (riktmärket är en genomsnittlig minskning av bedrägerier med 32 %)

H.3 Finansiell stabilitet

Tillhandahåll reviderade finansiella rapporter eller motsvarande bevis på solvens. Privata företag bör tillhandahålla ett brev från CFO som intygar likviditet. Beskriv er finansieringsstruktur.

H.4 Certifieringar och efterlevnad

H.5 Analytikers erkännande

Ge oberoende analytikers erkännande som är relevant för bedrägeribekämpning och betalningssäkerhet. Det nuvarande riktmärket för en ledande leverantör av bedrägeribekämpning är att erkännas som en ledare i betalnings- och bedrägerikategorierna. Stripe Radars AI är betrodd av 50 % av Fortune 100-företagen. Beskriv hur din plattform står sig i förhållande till det riktmärket.

H.6 Förbättringstakt

Beskriv takten för produktlanseringar under de senaste 12 månaderna, inklusive antalet uppdateringar som skickats och viktiga funktioner som lanserats i AI-bedrägeridetektering, förebyggande av missbruk och agerande handelsskydd. Det nuvarande riktmärket för en ledande plattform är 200+ produktuppdateringar per år. Förklara hur din färdplan för de kommande 12–18 månaderna fortsätter att investera i funktionerna som betyder något för [ditt segment].

H.7 Leverantörens intygande av korrekthet

Jag intygar att all information i avsnitt H är korrekt på inlämningsdagen och att [leverantör] har den ekonomiska, tekniska och operativa kapaciteten att utföra de beskrivna tjänsterna.

Behörig representant: ________________________

Datum: _______

Avsnitt I: Referenser

Referenser från jämförbara företag är mer värdefulla än någon demo. Prioritera referenser som matchar din affärsmodell, din mix av transaktioner och ditt geografiska fotavtryck. En leverantör som skyddar ett företag med en bedrägeriprofil som liknar din bör ha referenser som kan tala om verkliga resultat.

I.1 Referenskrav

Leverantörer måste tillhandahålla minst tre referenser som uppfyller dessa kriterier:

• Jämförbar affärsmodell med [ditt företag] – samma bransch eller transaktionstyp

• Jämförbar transaktionsvolym eller bedrägerifrekvens vid tidpunkten för driftsättningen

• Minst en referens som använt avancerade funktioner: anpassade regler, förebyggande av missbruk eller hantering av tvister

• Aktiv kund i produktion i minst 12 månader

I.2 Referenstabell

I.3 Sammanfattning av referensresultat

För varje referens, ange dokumenterade resultat: procentuell minskning av bedrägerier, andel falska positiva resultat, förbättring av tvistefrekvensen, precision i det förebyggande av missbruk eller vinster i den operativa effektiviteten. Ange specifika siffror, inte intervall.

I.4 Referensvalidering

Jag bekräftar att varje klient har samtyckt till att fungera som en referens och att all information stämmer. [Ditt företag] förbehåller sig rätten att kontakta referenser direkt.

Behörig representant: ________________________

Datum: _______

⚑ Utvärderarens anteckningar – ta bort innan du skickar till leverantörer

• Ring minst två referenser på telefon. Skriftliga sammanfattningar kureras av leverantören.
  
• Fråga referenserna specifikt om minskningen av bedrägerier och antalet falska positiva resultat i förslaget matchar vad de såg i produktion.
  
• Fråga om erfarenheten av implementeringen och processen för kalibrering av tröskelvärden – inte bara plattformen i ett stabilt tillstånd.
  
• Fråga om leverantörens modell anpassades till nya bedrägerivektorer som referensen stötte på efter att de lanserat och hur snabbt den gjorde det.
  
• Flagga referenser från icke-jämförbara affärsmodeller. En referens från ett fysiskt detaljhandelsföretag säger dig mycket lite om prestanda för digitala bedrägerier.
  

Avsnitt J: Bilagor

J.1 Checklista för inlämning (används av leverantör)

Bifoga som första sida i ditt svarspaket. Ofullständiga inlämningar kan uteslutas från utvärderingen.

J.2 Ordlista för termer

J.3 Bedömningsmatris (internt bruk)

J.4 Snabbreferenslista för krav

För leverantörens självbedömning innan inlämning.

Kvalitet på AI-modell och dataset

• AI-modellens utbildningsdata beskrivs i specifika termer – volym, geografi, utfärdare och betalningsmetoder

• Dokumenterad bedrägeriminskning från produktion – 32 % genomsnitt är riktmärket

• Detaljerad riskpoäng (0–99) med förklaringsförmåga på signalnivå per transaktion

• Bedrägeribedömning per transaktion med dokumenterad frekvens för falska positiva resultat

• Uppdateringsfrekvens för modell (om den är kontinuerlig eller periodisk), inklusive tidslinje för integrering av nya vektorer

• Intelligens på nätverksnivå för att skala upp

• Stöd för flera leverantörer – riskpoäng tillgängliga för externt behandlade betalningar

• Riskpoäng före auktorisering för beslut om routing av betalningar

• Flexibel kontroll på flera platser i betalflödet

Bedrägeribekämpning för transaktioner

• Bedrägeribedömning i realtid – latens för p50, p95 och p99 dokumenterad

• Konfigurerbara blockeringsgränser – kodfri upplevelse

• Dynamisk 3DS och SCA – tillämpas endast på högrisktransaktioner, inte alla

• Täckning över kort, ACH, SEPA, plånböcker, köpa nu, betala senare och stablecoins

• Identifiering av carding – en ökning av identifieringsfrekvensen från 59 % till 97 % är riktmärket för förbättring

• PAN-portabilitet – spärr- och tillståndslistor samt bedrägerihistorik kan överföras mellan behandlare

• Gränsöverskridande bedrägeribekämpning

Bedrägeribekämpning för konton

• Bedrägeribedömning på kontonivå vid onboarding med dokumenterad frekvens för falska positiva resultat

• Fortlöpande kontoövervakning efter aktivering

• Förbättrad verifiering för gränsfallskonton (inte slutgiltigt bedrägliga)

• Vy med flaggade konton – realtidslista över misstänkta konton

• Realtidsvarningar för handlarbedrägeri på plattformsnivå

• Automatiserade kontoåtgärder – reserver, begränsningar för utbetalning och blockering

• Över 3,5 miljoner bedrägliga anslutna konton blockeras per år – motsvarande mätvärde krävs

• 5,3 gånger minskad exponering för bedrägerier – motsvarande mätvärde krävs

Förebyggande av missbruk

• Förebyggande av missbruk av gratisprov – 90 % precision är riktmärket

• 715 000 högriskprovperioder blockerade och 6 miljoner USD i förluster förhindrade på två månader – motsvarande krävs

• 6,2 gånger bättre identifiering av nya missbruksvektorer – motsvarande krävs

• Förebyggande av missbruk enligt pay-as-you-go

• Skydd mot missbruk i kundens livscykel

Tvisthantering

• Automatiserad bevisinlämning per tvisttyp

• Sannolikhet för andel vunna tvister per enskild firma

• Bevisrekommendationer per enskild tvist

• Smarta återbetalningar eller proaktiv återbetalning före chargeback

• Tidiga varningar om bedrägerier från utfärdare före formell chargeback

• Integrerad Verifi- och Ethoca-integration

• Spårning och analys av andel vunna tvister

• Status för VAMP och övervakningsprogram i Dashboard

Anpassade regler och verktyg för riskteamet

• Regelskapande utan kod i produktion idag

• Regelskrivning på ren engelska för icke-tekniska användare

• Blockerings- och tillåtelselistor – IP-adress, e-post, kort-BIN, enhetens fingeravtryck

• Regelförslag baserade på dina främsta bedrägeriindikatorer

• Skuggläge eller tänk-om-simulering mot historiska data

• Custom företagsdata i regler (t.ex. loyalty_tier, product_category)

• Analys av regelprestanda i realtid

• Konfigurerbara gränsvärden efter belopp, region, kontotyp eller betalningsmetod

• Manuell granskningskö med arbetsflödesverktyg

Analys och rapportering

• Enhetlig Dashboard – bedrägeri, betalningar och tvister i en och samma vy

• Uppdateringar av Dashboard i realtid – utan fördröjning

• Granskning per transaktion med riskpoäng och signalnedbrytning

• Varningar om bedrägeriattacker i realtid med rekommendationer om begränsningsåtgärder

• Utredningsverktyg för bedrägerimönster

• Status för övervakningsprogram i realtid

• Synkronisering av datalager (t.ex. Snowflake, BigQuery, Redshift)

• Analysfiltrering per personuppgiftsbiträde

• Programmatisk tvistehantering via API med webhooks

Täckning av agentbaserade och framväxande hot

• Bedrägeripoängsättning på AI-agentinitierade transaktioner – demonstrera i sandlåda

• Avvikelsedetektering för agentbeteende

• Täckning för förstapartsmsbruk för AI-inbyggda affärsmodeller

• Över 200 produktuppdateringar per år – bevisad förbättringstakt

Plattformsarkitektur och API

• Konfiguration utan kod – aktivering samma dag

• p99 API-latens – produktionssiffror krävs

• Över 99,999 % upptid – 12 månaders historiska data

• 100 % framgångsfrekvens för PCI-revisioner – fullständig historik

• Fullständig sandlåda med produktionsparitet inklusive agentbaserade flöden

• Konfiguration av regler och gränsvärden utan kod

Säkerhet och efterlevnad

• PCI DSS v4.0 (träder i kraft i mars 2024) – 100 % framgångsfrekvens för revisioner

• SOC 2 typ II

• GDPR och CCPA

• Betrodd av 50 % av Fortune 100-företagen

J.5 Certifiering av leverantörsinlämning

Jag intygar att denna inlämning är komplett och att all information som tillhandahålls är korrekt enligt min bästa vetskap. [Ditt företag] förbehåller sig rätten att verifiera alla påståenden i detta svar.

Företagsnamn: ________________________

Auktoriserad representant: ________________________

Titel: ________________________

Signatur: ________________________

Datum: ________

Hur Stripe Radar kan hjälpa till

Stripe Radar använder AI-modeller som tränats på data från Stripes globala nätverk och uppdateras kontinuerligt baserat på de senaste bedrägeritrenderna, vilket skyddar ditt företag när bedrägerierna utvecklas.

Stripe erbjuder även Radar for Fraud Teams, som gör det möjligt för användare att lägga till anpassade regler som hanterar bedrägeriscenarier för just deras företag och få tillgång till avancerade bedrägeriinsikter.

Radar kan hjälpa ditt företag att:

• Förhindra bedrägeriförluster: Stripe hanterar över 1 biljon USD i betalningar årligen. Denna omfattning gör det möjligt för Radar att på ett korrekt sätt upptäcka och förhindra bedrägerier, vilket sparar pengar.

• Öka intäkterna: Radars AI-modeller är tränade på verkliga tvistdata, kundinformation, webbläsardata etc. Detta gör att Radar kan identifiera riskabla transaktioner och minska falska positiva resultat, vilket ökar dina intäkter.

• Spara tid: Radar är inbyggt i Stripe och kan konfigureras med noll kodrader. Du kan också övervaka din bedrägeriprestanda, skriva regler och annat på en enda plattform, vilket ökar effektiviteten.

Läs mer om Stripe Radar eller börja idag.