零售欺诈防范始于了解欺诈如何针对商家的支付和退货系统，从结账到退款。退货政策有助于建立客户信任，而争议权利保护持卡人。欺诈分子利用了两者。但在 2025 年，美国和加拿大有 44% 的机构主要或完全依赖人工流程来应对欺诈。这可能难以捕捉复杂和新兴类型的欺诈。

在下文中，我们将讨论对零售商家影响最大的欺诈类别、商家如何在交易数据中识别欺诈，以及哪些控制措施可减少跨在线和实体店渠道的风险敞口。

要点

• 零售欺诈涵盖无卡 (CNP) 欺诈、退货滥用和友好欺诈。每种类型都有不同的模式，需要采用不同的检测方法。

• 有效的零售欺诈检测结合了订单行为、设备数据和交易历史记录。任何单一信号都不是完全可靠的。

• 全渠道零售商面临着独特的风险敞口。源自在线的欺诈模式通常会出现在实体店中。

什么是零售欺诈？

零售欺诈是通过商家依赖的支付和退货系统发生的盗窃。这种欺诈包括各种方法，无论是在店内还是在线，欺诈分子都会使用这些方法从零售商家那里获取商品、服务或资金。

零售中常见的欺诈类型有哪些？

零售欺诈出现在购买生命周期的不同环节。每种类型涉及不同的参与者，并需要不同的应对措施：

• 无卡 (CNP) 欺诈：在没有实体银行卡的情况下，使用被盗的支付凭证完成购买。通过违规行为、网络钓鱼或暗网市场获取被盗的银行卡数据，然后在合法持卡人发现之前使用这些数据下达订单。

• 银行识别码 (BIN) 攻击：使用自动化脚本针对商家的结账流程测试数千种卡号组合，以寻找有效号码。商家要为每次尝试承担授权费用，如果攻击成功，则会导致欺诈性订单，从而通常会引发交易争议。

• “衣橱”退货 (Wardrobing)：购买商品（通常是服装、电子产品或工具）的目的是短暂使用，然后退回以获得全额退款。这通常会给商家留下无法以全价转售的商品。

• 收据欺诈：使用欺诈或伪造的收据退回商品，以索取高于购买价格的退款。

• 退款不退货计划：声称商品从未到达或到达时已损坏，以获得退款同时保留商品。

• 友好欺诈：与发卡行对合法的扣款提出争议，声称交易未经授权或物品未送达。尽管订单是真实的，但这仍会引发交易争议。

零售商如何检测欺诈模式？

零售欺诈检测涉及交叉引用多个信号。单独来看，这些信号可能会被忽视，但综合来看，它们指向较高的风险。

这些输入最为重要：

• 订单速度：从同一设备或互联网协议 (IP) 地址，或运往同一收货地址快速连续下达的多个订单。

• 收货地址和账单地址不匹配：计费地址和收货地址位于不同州或国家/地区的订单。当收货地址是隐藏最终目的地的货运代理或转运服务时，这需要更仔细的审查。

• 设备信号：浏览器类型、操作系统和设备指纹可揭示订单是来自与账户关联的已知设备，还是来自不熟悉的环境。通过虚拟专用网络 (VPN) 下达的订单显示的地理位置与持卡人的历史记录不一致。

• 电子邮件和账龄：在几分钟前创建账户并下达高价值订单的首次客户，或者使用一次性电子邮件地址（随机字符串或来自一次性电子邮件服务的地址）创建的账户。

• 退货历史记录：退货率异常高的客户，尤其是在相同产品类别中的退货。此信号与退货欺诈和退款不退货计划特别相关。

商家应使用哪些零售欺诈防范策略？

有效的零售欺诈防范在三个层面运作：授权之前、订单下达之后以及在退货柜台。没有一种控制措施可以涵盖所有三个层面，但是结合使用这些方法可以创建一层保护：

• 地址验证服务 (AVS)：AVS 检查会将结账时提供的计费地址与发卡行存档的地址进行比较。AVS 和银行卡验证码 (CVV) 检查都不是万无一失的——被盗的银行卡数据通常包括计费地址和 CVV 号码——但两者都增加了 CNP 欺诈的成本和复杂性。

• 3DS 验证 (3DS)：3DS 验证为 CNP 交易增加了身份验证层。当交易被标记为高风险时，3DS 验证会将持卡人引向其银行以执行验证步骤。它通常将欺诈性交易的责任从商家转移给发卡行。

• 订单后审查队列：高风险订单应该在履行之前，而不是之后进入人工审查队列。明确定义标准（例如，超过特定价值的订单、订购多个相同高价值商品的首次客户、收货地址和计费地址不匹配），并为队列配备了解您的产品类别中欺诈行为的人员。

• 退货政策执行：要求提供收据、限制退货窗口以及标记退货率高的账户都是有效的控制措施。跨渠道在客户层面跟踪退货对于高频率滥用非常重要；在过去 20 次购买中退货 15 次的客户与首次退货的客户具有不同的风险情况。

全渠道零售中的欺诈风险如何变化？

全渠道零售商面临着纯在线和纯实体店商家所没有的欺诈风险。当您跨渠道运营时，在一个环境中开始的欺诈模式通常会在另一个环境中结束。

以下是一些示例：

• 在线购买，店内退货 (BORIS)：欺诈分子使用被盗凭证在线下单，然后在店内将商品退还以换取现金或商店积分。店员会看到交易记录和退款请求，但最初的购买是欺诈性的。如果您的在线和店内系统无法实时共享数据，那么退款可能会在欺诈被标记之前得到处理。

• 在线购买，店内提货 (BOPIS)：在线下达的店内提货欺诈订单可能会让欺诈分子在欺诈审查标记该订单之前取走商品。高价值、当日 BOPIS 订单需要与加急送货的在线订单一样的审查。

• 分散的客户数据：跨渠道的一致欺诈控制需要一体化客户数据。如果您的销售点和电商平台不共享账户级别的购买和退货历史记录，那么您运行的就是两个独立的欺诈防范系统，其中存在允许欺诈进入的漏洞。

欺诈防范工具如何帮助零售商家？

欺诈检测系统并不是根据清单审查每个订单，而是根据数百个信号对交易进行实时评分。该系统使用在跨商家交易数据上训练的机器学习模型对每笔支付进行评分。因此，一张在其他商家出现过欺诈交易的银行卡在到达您的结账流程之前，将带有较高的风险评分。欺诈防范工具会将高风险订单引向审查队列或自动拒绝。

可以在机器学习模型的基准之上创建针对零售特定风险的自定义规则。销售消费电子产品的商家可以标记运往货运代理的订单、过去 24 小时内创建的账户下达的超过特定价值的订单，或者在多个账户中使用同一张银行卡的订单。商家可以随着欺诈模式的变化更新这些规则。

Stripe Radar 如何提供帮助

Stripe Radar 使用基于 Stripe 全球网络数据训练的 AI 模型检测和预防欺诈。随着欺诈手段的不断演变，Stripe Radar 会根据最新欺诈趋势不断更新模型，从而保护您的业务。

Stripe 还提供 Radar 风控团队版，支持用户针对业务特有的欺诈场景，添加自定义规则，并获取更深入的欺诈洞察。

Radar 可以帮助您的企业：

• 避免欺诈损失：Stripe 每年处理超过 1 万亿美元的支付交易。这种交易规模赋予了 Radar 独特的能力，使其能够精准检测并预防欺诈，为您避免经济损失。

• 增加收入：Radar 的 AI 模型基于真实的争议数据、用户信息、浏览数据等多维度信息进行训练。赋予 Radar 识别高风险交易并减少误报的能力，从而增加您的收入。

• 节省时间：Radar 内置在 Stripe 中，无需编写任何代码即可启用。您还可以在同一个平台上监控反欺诈表现、编写规则等，从而提高效率。

了解更多 Stripe Radar 信息，或立即开始使用。