Logo E-Commerce Brasil

Machine learning pode otimizar uso de componentes para prevenir fraudes

Por: Rodrigo Sanchez

Diretor de Growth da ClearSale

Formado em Ciências da Computação pela FEI e pós-graduado em Estratégias de TI pelo Senac, atua há mais de 15 anos no mercado de tecnologia da informação com desenvolvimento nas áreas de vendas, gestão e relacionamento com cliente. Atualmente, é chamado para ministrar palestras e congressos na área (Febraban, Banrisul International IT Forum, Gemalto Innovation Forum entre outros).

A gestão de risco está ficando cada vez mais complexa e exigente, tornando essencial a adoção de uma estratégia inteligente para enfrentar as constantes mudanças nas táticas dos fraudadores. Oferecer uma experiência de compra sem atritos não é mais uma opção, mas uma necessidade para garantir segurança e uma experiência de compra positiva.

A gestão de risco está ficando cada vez mais complexa e exigente, tornando essencial a adoção de uma estratégia inteligente para enfrentar as constantes mudanças nas táticas dos fraudadores.

Abordagens

Existem várias abordagens para autenticar transações: desde modelos que aprovam automaticamente mais de 99% das transações até componentes tecnológicos que ajudam a lidar com cenários desafiadores.

Entretanto, abordagens isoladas são inadequadas para combater fraudes desconhecidas, se adaptar a novos padrões de fraude ou lidar com táticas cada vez mais sofisticadas de fraudadores. Quando utilizados de maneira inadequada, esses componentes podem se tornar ineficazes na gestão de riscos, aprovando transações fraudulentas ou causando atritos com consumidores legítimos.

A biometria facial, por exemplo, embora muitas vezes considerada infalível, não é capaz de bloquear todas as tentativas de fraude quando usada sozinha. Se mal implementada, pode, inclusive, prejudicar a experiência do usuário e gerar custos significativos para as empresas. No entanto, seu desempenho é otimizado quando integrada a sistemas de prevenção em várias camadas.

Análises minuciosas

É crucial que cada transação seja analisada minuciosamente, levando em consideração o contexto e os componentes de validação utilizados. Isso é especialmente importante quando se trata de garantir que o portador do cartão de crédito seja a mesma pessoa que está fazendo a compra.

Por exemplo, em situações em que a identidade do portador do cartão pode estar em dúvida, a validação adicional se torna essencial para garantir que a transação seja legítima e proteger tanto o consumidor quanto a empresa contra possíveis fraudes.

Inclusive, essa reflexão nos leva ao quão importante é utilizar todos os artifícios possíveis para barrar os fraudadores, que sempre criam formas de aplicarem golpes. No âmbito profissional, já tive conhecimento de um caso de fraude em que um vendedor mal-intencionado de uma loja física ofereceu um produto a um comprador por um valor menor do que o anunciado pela loja.

Já o comprador, atraído pela oferta, pagou o produto diretamente ao vendedor por meio do Pix. O vendedor, então, utilizou os dados do comprador para fazer uma compra online do mesmo produto no site da loja, usando um cartão de crédito fraudado. O comprador, ao receber o link para a captura de biometria facial, confirmou a compra, pois estava mesmo na loja. A compra foi aprovada e o produto entregue ao comprador. O vendedor, por sua vez, ficou com o dinheiro pago pelo comprador e a loja ficou no prejuízo, pois a compra online foi contestada.

Vale destacar que, somente no primeiro semestre de 2023, o número de tentativas de fraude superou os dois milhões, de acordo com números do Mapa da Fraude. Por isso, é necessário contar cada vez mais com parceiros especializados que tragam uma abordagem abrangente e ao mesmo tempo minuciosa na prevenção de fraudes, em que se analisam os contextos de cada transação e até mesmo a probabilidade de más intenções por parte do comprador.