退款滥用是指客户试图利用商家的退款政策，以不正当方式获取金钱或商品的行为。据零售商估计，2025 年其年销售额的 15.8% 将被退回，总计达 8499 亿美元。尽管退款滥用给零售商造成了损失，但它并不总是像其他类型的欺诈那样受到同等重视。这在一定程度上是因为退款滥用隐藏在本应为客户提供帮助的流程之中，同时也因为退款滥用的信号分散在各个系统中，而这些系统之间并不总是互相连通，因此难以发现和制止。
下文将介绍退款滥用的运作机制、如何识别相关规律和警示信号，以及哪些管控措施能够拦截滥用行为而不误伤真实客户。
要点
退款滥用绕过卡组织。如果没有刻意建立跨系统的可见性，您的风控团队可能永远无法察觉。
退款滥用的一个常见且可靠的信号是，共用基础设施、身份属性或设备指纹的账户之间反复出现的行为模式。
有效的缓解措施涵盖多项管控手段，可包括阈值规则、异常检测以及对已确认滥用者的限制措施。
什么是退款滥用？
退款滥用是指系统性地利用商家的退款或退货流程，以不正当方式骗取金钱或商品。如果有人谎称商品从未收到（但实际上已收到）并借此获得退款，这就是退款滥用。同样，如果有人退回空盒、假冒商品或穿过一次后的服装以获得退款，也属于退款滥用。
退款滥用与拒付欺诈有何区别？
退款滥用与拒付欺诈相关但有所不同。拒付欺诈发生在持卡人向银行对真实交易提出异议时，这将启动正式争议流程。收款将在卡组织层面被撤销，商家将损失交易金额及争议处理费——除非其成功通过证据对申诉提出抗辩。
退款滥用绕过了银行和卡组织。退款滥用者通过商家的常规退款流程套取资金。整个过程没有外部正式流程，这意味着通常不会留下任何异常记录。
正因如此，您的拒付率无法反映退款滥用率。而且由于退款申诉通常由客服人员处理，除非已建立专门的预防流程，否则您的风控团队可能无法发现退款滥用。
常见的退款滥用模式有哪些？
有几种常见的退款滥用类型值得学会识别。
以下是主要模式：
空箱或以次充好退货：当申请退款的客户退回空包装或以破损、仿冒品替换原收到的商品时，即发生此类行为。这在消费电子产品和服装领域较为常见。
借用式退货：在这种滥用方式中，商品（通常是服装，但也包括工具和设备）被购买、使用后在退款期限内退回。商品退回时从技术上符合退货条件，但往往无法以原价转售，甚至根本无法转售。
虚假未收货申诉：在虚假未收货申诉中，商品已按计划发货，但客户声称从未收到。由于发货量大，此类申诉往往难以逐一提出争议。
跨账户退款循环：从事退款循环滥用的人会创建多个账户，在所有账户上重复相同的模式，以保持在每个账户的阈值以下。部分退款循环行为涉及有组织的团队，这些团队通过使用代理服务器和虚拟卡号来保持账户分离。
钻政策漏洞：在这种情况下，有人仔细研读您的政策，寻找边界情形（例如，无最低消费额限制的免费退货运费、低于某一金额自动审批退款、无需检验即可获得即时店铺积分）。此类滥用者通常拥有多个账户，以便反复实施欺诈。
与员工或承运商勾结：退款滥用可能涉及故意批准本不应批准的申诉的员工，或将实际已送达的包裹标记为未送达的承运商员工。2024 年，涉及员工勾结的退货欺诈占零售退款滥用案例的 39%\。
退款滥用的常见迹象有哪些？
某些同时出现的信号表明存在退款滥用，尤其是在这些信号反复出现的情况下。
需留意以下问题：
共用基础设施的多个账户：如果电子邮件域名、收货地址、设备指纹或支付方式在明显不同的账户之间共享，则可能表明存在退款滥用。
异常退款频率：如果某位客户或某一群体的退款率远高于您所在品类的基准水平，则值得深入调查。每 10 笔订单退货 1 次可能属于正常情况，但 6 笔订单退货 5 次则需要仔细审查。
高价值或难以核实的商品申诉：总体而言，退款滥用往往集中于商品价值较高且难以远程评估其状况的品类。
退款申诉恰逢政策临界点：在退货窗口期即将结束时才提交的申诉，可能表明有人在刻意利用系统漏洞。
网络与设备信号：通过虚拟私人网络 (VPN)、代理服务器、与以往滥用行为相关联的网络协议 (IP) 地址或多个账户共享的设备指纹下单，可能表明存在有组织的滥用行动常用的身份伪装手段。
与转运服务相关联的收货地址：货运代理和转运地址通常与退款滥用相关联。
商家应如何为退款滥用构建分层预防框架？
为缓解退款滥用，需叠加多项管控措施，且每项措施针对不同情况。目标是让滥用行为的难度足够大，使其不值得一试。
以下是需要落实的措施：
阈值规则：对 90 天内提交超过 3 次退款申诉，或累计退款金额超过其总购买金额一定比例的账户进行标记。这些规则会将潜在的退款滥用标记以供审核。
异常检测：异常检测建立在阈值规则之上。该流程将退款行为与群体基准进行比较，使您能够参照参考分布并了解真正的异常情况。例如，如果某品类的基准退款率为 8%，则某账户 40% 的退款率就更为可疑。
身份关联：身份关联通过匹配设备指纹、IP 地址、电子邮件模式、收货地址和支付工具，将不同账户的线索串联起来。共用基础设施但以不同姓名注册的账户可能存在欺诈行为。Stripe Radar 通过利用整个 Stripe 网络的信号来完成部分身份关联工作，因此能够识别单个商家的数据无法独立发现的模式。
基于风险的审核：为可疑申诉建立人工审核队列。例如，首次消费且无任何异常标记的客户提交的 12 美元退款申诉可自动审批。但如果一笔 300 美元的申诉来自一个有 3 次先前退款记录、且与 2 个已标记账户共享设备指纹的账户，则应进入审核队列。
递进式限制：如果某账户存在退货滥用行为，仅拒绝当前申诉是不够的。该账户及任何关联账户都应在后续受到限制。限制措施可包括：退货时要求提供照片证据、取消即时退款选项，或将订单标记为人工审核。
如何在退款滥用管控与客户体验之间取得平衡？
如果您的欺诈管控范围过广或过于严格，可能会矫枉过正，导致拒绝合理客户的退款请求。因此，把握好这一平衡至关重要。
具体做法如下：
可以使用哪些指标来追踪退款滥用？
退款滥用指标可帮助您追踪问题规模、将其细化到特定细分群体，并评估解决方案的有效性。
以下是需要衡量的指标：
按群体划分的退款率：按客户资历、获客渠道、产品品类和地域拆分整体退款率。滥用行为往往集中于特定细分群体。
重复退款者比率：统计过去 90 天内提交过超过 1 次申诉的客户所占退款申诉的百分比。随时间追踪这一数字，可以判断您的退款滥用管控措施是否有效。
误判率：努力降低误判率。抽取一批被标记的申诉进行人工审核，以了解您拒绝或延迟真实申诉的频率。
追回率：确定已确认欺诈案例中成功追回商品或价值的百分比。以此评估确认欺诈后退款滥用应对措施的有效性。
Stripe Radar 如何提供帮助
Stripe Radar 使用 AI 模型来检测和预防欺诈，这些模型基于 Stripe 全球网络的数据进行训练。随着欺诈手段的不断演变，它会根据最新的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，该版本允许用户添加自定义规则，以应对特定于其业务的欺诈情境，并支持获得高级欺诈洞察。
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。
了解有关 Stripe Radar 的更多信息，或立即开始使用。如果您有兴趣进一步了解 Radar 针对退款滥用的解决方案，请加入我们的候补名单。
本文中的内容仅供一般信息和教育目的，不应被解释为法律或税务建议。Stripe 不保证或担保文章中信息的准确性、完整性、充分性或时效性。您应该寻求在您的司法管辖区获得执业许可的合格律师或会计师的建议，以就您的特定情况提供建议。