I takt med att transaktionsvolymen online växer över tid nekas allt fler legitima köp. Förutom den ekonomiska smällen från förlorade intäkter kan dessa "falska nekade betalningar" urholka kundernas förtroende och minska varumärkeslojaliteten, eftersom frustrerade kunder är mer benägna att överge sina kundvagnar och vända sig till konkurrenter.

Företag måste hitta en balans mellan att förebygga bedrägerier och att erbjuda sina kunder snabba, intuitiva och bekväma köpupplevelser. Men först måste företag förstå orsakerna bakom falska nekade betalningar innan de implementerar strategier för att minska dem.

Nedan går vi igenom de viktiga aspekterna av falska nekade betalningar: vad de är, varför de inträffar, vad som orsakar dem och de bästa metoderna för att förhindra dem – utan att äventyra en enkel och säker transaktionsupplevelse för kunderna. Här är vad du behöver veta.

Vad innehåller den här artikeln?

• Vad är falska nekade betalningar?
  
• Varför inträffar falska nekade betalningar?
  
• Så förhindrar man falska nekade betalningar
  
• Så förebygger Stripe falska nekade betalningar
  

Vad är falska nekade betalningar?

Falska nekade betalningar, även kallade "falska positiva resultat", inträffar när en legitim transaktion avvisas eller nekas av en bank eller betalleverantör.

Varför inträffar falska nekade betalningar?

Falska nekade betalningar inträffar ofta på grund av de system och algoritmer som identifierar och förhindrar bedräglig aktivitet. Även om dessa system är utformade för att skydda både kunder och finansinstitut kan de ibland vara överdrivet försiktiga eller innehålla felaktigheter som leder till att giltiga transaktioner avvisas.

Att förstå orsakerna till falska nekade betalningar kan hjälpa kunder och företag att vidta förebyggande åtgärder och hantera sådana händelser mer effektivt. Här är några vanliga orsaker till att falska nekade betalningar inträffar:

• Ovanliga utgiftsmönster
  Det är standardpraxis för banker och kreditkortsföretag att övervaka sina kunders utgiftsmönster. Om en transaktion inte stämmer överens med tidigare utgiftsbeteende, som t.ex. ett ovanligt stort inköp eller en serie snabba transaktioner, kan dessa övervakningssystem flagga den som potentiellt bedräglig. Även om denna åtgärd kan förhindra bedrägeri fångar den ibland upp legitima transaktioner.

• Tekniska fel
  Behandling av transaktioner involverar komplexa system och nätverk. Ibland kan ett tekniskt fel, en nätverksfördröjning eller ett kommunikationsfel mellan olika system leda till att en transaktion nekas. Detta kan inträffa även om det inte finns något misstänkt eller ovanligt med transaktionen.

• Överskridande av gränser
  Finansinstitut sätter ofta dagliga gränser eller gränser för transaktionsbelopp på konton för att minska de potentiella förlusterna från bedrägerier. Om en kund försöker göra ett köp som överskrider dessa fördefinierade gränser kan transaktionen nekas. Sådana gränser kan vara en användbar åtgärd för att förebygga bedrägerier, men de kan också orsaka frustration för kunder som vill göra ett stort – men legitimt – köp.

• Felaktiga uppgifter
  Under en transaktion måste kundens uppgifter – såsom faktureringsadress, kortets säkerhetskod och utgångsdatum – verifieras. Om där är någon avvikelse mellan dessa uppgifter och uppgifterna som banken har i sina register kan transaktionen nekas. Detta är en vanlig säkerhetsåtgärd för att säkerställa att personen som gör transaktionen är den legitima kortinnehavaren.

• Föråldrade auktoriseringstekniker
  Vissa betalleverantörer kan använda föråldrade algoritmer för identifiering av bedrägerier. I takt med att bedrägerimetoderna utvecklas måste även algoritmerna som är utformade för att upptäcka dem göra det. Föråldrade system kanske inte kan skilja mellan legitim och bedräglig aktivitet, vilket leder till fler falska nekade betalningar.

• Strikta algoritmer för identifiering av bedrägerier
  Vissa algoritmer för identifiering av bedrägerier är överdrivet försiktiga och flaggar legitima transaktioner som har små likheter med potentiellt bedrägliga mönster.

• Geografiska platser som utlösande faktorer
  Transaktioner som görs från geografiska platser som ligger långt från en kunds hem eller region, eller från regioner som ofta förknippas med bedräglig aktivitet, betraktas ofta som misstänkta. Om till exempel en kund i USA som sällan eller aldrig reser utomlands plötsligt gör ett köp i ett annat land, kan detta utlösa en varningsflagga.

• Utlöpta kort eller konton
  Att använda ett kreditkort som löpt ut eller ett avslutat konto kan också leda till att transaktionen nekas. Kunden kanske inte är medveten om att kortet har gått ut eller att kontots status har ändrats, vilket leder till ett nekande när de försöker göra en legitim transaktion.

Kunder kan vidta åtgärder för att förhindra falska nekade betalningar, inklusive att meddela sin bank innan de gör stora köp eller köp utomlands. Företag kan samarbeta med betalleverantörer som använder mer sofistikerade och anpassningsbara algoritmer för identifiering av bedrägerier för att minska förekomsten av falska nekade betalningar. Nedan finns mer information om hur företag kan bygga ett mycket känsligt system för identifiering av bedrägerier som stör legitima transaktioner så lite som möjligt.

Så förhindrar man falska nekade betalningar

För att minska förekomsten av falska nekade betalningar måste företagen balansera bedrägeribekämpning med en smidig kundupplevelse. Här följer några viktiga strategier och metoder som företag kan använda för att hantera falska nekade betalningar:

• Använd avancerade verktyg för identifiering av bedrägerier
  Aktivera moderna system för identifiering av bedrägerier som använder maskininlärning och artificiell intelligens. Dessa system kan analysera stora mängder data i realtid, vilket gör dem skickliga på att skilja mellan äkta och bedrägliga transaktioner utan att orsaka onödiga falska nekade betalningar.

• Anpassa inställningar för identifiering av bedrägerier
  Många betalleverantörer tillåter företag att anpassa inställningarna för sina verktyg för identifiering av bedrägerier. Genom att ändra dessa inställningar så att de är mindre stränga eller bättre återspeglar företagets kundbas och transaktionsmönster kan företag minska antalet falska nekade betalningar.

• Implementera multifaktorautentisering (MFA)
  Istället för att neka en transaktion helt och hållet kan företag kräva ytterligare verifiering för transaktioner som flaggas som misstänkta. Att till exempel skicka ett engångslösenord till kundens registrerade mobilnummer eller e-postadress kan lägga till ytterligare ett säkerhetssteg utan att avvisa transaktionen direkt.

• Uppdatera kunddata regelbundet
  Håll kunddata, som adresser och telefonnummer, uppdaterade. Detta kommer att säkerställa att de uppgifter som används för verifiering under transaktioner är aktuella, vilket minskar risken för nekande på grund av att uppgifter inte stämmer överens.

• Informera kunder om kontogränser
  Informera kunderna om eventuella dagliga utgiftsgränser eller begränsningar i deras konton och lär dem hur de kan ändra dessa gränser om det behövs. Detta kan förhindra att äkta transaktioner nekas på grund av att förinställda gränser överskrids.

• Förteckna betrodda kunder
  Om ett företag har återkommande kunder som har en historik av legitima transaktioner kan dessa förtecknas i en lista över betrodda kunder. Detta innebär att transaktioner från dessa kunder genomgår mindre stränga kontroller, vilket minskar sannolikheten för falska nekade betalningar.

• Analysera data
  Genom att analysera transaktionsdata kan företag identifiera mönster och trender som kan hjälpa dem att förstå vilka transaktioner som sannolikt är falska nekade betalningar. Denna information kan sedan användas för att finjustera systemen för identifiering av bedrägerier.

• Be om feedback från kunder
  Uppmuntra kunderna att lämna feedback om de drabbats av en falsk nekad betalning. Den här feedbacken kan vara ovärderlig för att förstå orsakerna bakom falska nekade betalningar och göra nödvändiga justeringar i systemen för identifiering av bedrägerier.

• Övervaka och granska nekade transaktioner
  Granska regelbundet transaktioner som har nekats för att identifiera eventuella mönster eller gemensamma nämnare bland falska nekade betalningar. Detta kan hjälpa till att justera åtgärderna för identifiering av bedrägerier på lämpligt sätt.

För alla dessa strategier är det viktigt att välja rätt betalleverantör. Hur din betalleverantör hanterar falska nekade betalningar kan antingen göra processen enkel eller frustrerande.

Så förebygger Stripe falska nekade betalningar

Stripes sofistikerade metod för att identifiera och förebygga bedrägerier minskar antalet falska nekade betalningar genom en kombination av maskininlärning och dataanalys. Här följer en översikt över hur Stripe utvecklar betalningssystem som är så motståndskraftiga som möjligt mot falska nekade betalningar:

• Stora datamängder
  Stripe behandlar transaktioner för miljarder dollar varje år och skapar omfattande datamängder som maskininlärningsalgoritmer kan använda för att identifiera mönster och trender mer effektivt. Stripes algoritmer analyserar dessa data för att bättre förstå vad som utgör en typisk transaktion och vad som är bedrägeri.

• Inlärning och anpassning i realtid
  Stripes maskininlärningsmodeller klarar inlärning i realtid. När de bearbetar transaktioner analyserar de fortlöpande resultaten och anpassar sig därefter. Denna anpassning i realtid gör det möjligt för modellerna att hålla sig uppdaterade med de senaste bedrägerimönstren utan att äventyra godkännandeandelen för legitima transaktioner.

• Anpassning till olika företag
  Stripe förstår att företag är olika och att det som kan betraktas som en normal transaktion för ett företag kan vara ovanligt för ett annat. Därför anpassar sig Stripes maskininlärningsmodeller till enskilda företags specifika transaktionsmönster. Denna anpassning minskar sannolikheten för att en legitim transaktion felaktigt flaggas som bedräglig på grund av branschspecifika normer.

– Riskbedömning
Stripe tilldelar varje transaktion en riskpoäng, som representerar sannolikheten för att transaktionen är bedräglig. Företag kan använda denna riskpoäng till att ställa in sina egna tröskelvärden för när en transaktion automatiskt ska nekas eller flaggas för manuell granskning. Detta ger företag mer kontroll och flexibilitet i hanteringen av bedrägeribekämpning.

• Stripe Radar
  Stripe Radar använder maskininlärning för att utvärdera transaktioner för bedrägeri. Radar tar hänsyn till hundratals signaler om varje transaktion och använder data från hela Stripe-nätverket för att identifiera och förhindra bedrägerier, samtidigt som den automatiskt anpassar sig till de förändrade bedrägerimönstren. Företag kan också ställa in anpassade regler så att de passar deras egna behov.

• Autentiseringsverktyg
  Stripe stödjer 3D Secure, ett autentiseringsverktyg som lägger till ytterligare ett verifieringssteg för kortbetalningar. Även om en transaktion flaggas som potentiellt riskfylld kan kunden fortfarande slutföra köpet genom att tillhandahålla ytterligare verifiering, vilket minskar risken för en falsk nekad betalning.

Genom att införliva dessa delar i sina åtgärder för att identifiera och förebygga bedrägerier minskar Stripe antalet falska nekade betalningar samtidigt som ett starkt skydd mot bedrägliga transaktioner behålls. För att läsa mer och komma igång med Stripe, gå hit.