Cómo construir perfiles de riesgo efectivos
Comprender los perfiles de riesgo
Los perfiles de riesgo te permiten gestionar qué reglas de riesgo aplicas a los pagos efectuados en una cuenta de merchant.
Perfiles de riesgo por omisión
Cuando te incorpores a Adyen, recibirás un perfil de riesgo por omisión al que se asignarán todas tus cuentas de merchant. Este perfil por omisión (principal) viene con una serie de reglas preconfiguradas en función del nivel del producto.
Personalizar los perfiles de riesgo
Puedes optar por mantener esta configuración o crear varios perfiles de riesgo en función de las necesidades de riesgo y fraude de una cuenta de merchant concreta. Por ejemplo, tal vez quieras tener un conjunto de normas más estricto para una determinada zona geográfica o línea de negocio que plantee un mayor riesgo de fraude.
Crear un perfil de riesgo eficaz
Crear un perfil de riesgo eficaz es un proceso continuo que implica comprender tus mercados, configurar reglas de riesgo y supervisar y actualizar continuamente tu perfil basándote en las tendencias del fraude.
Aprendizaje automático y reglas de riesgo
Personalizar los modelos de aprendizaje automático para el fraude
La última versión de nuestro motor de riesgo es una solución híbrida que combina potentes modelos de aprendizaje automático con reglas de riesgo personalizables. Para crear el perfil de riesgo más eficaz, ten en cuenta tus objetivos de riesgo y optimización para la cuenta de merchant.
Puedes personalizar nuestro modelo de fraude con aprendizaje automático para decidir cuánto riesgo podrías asumir. De forma predeterminada, la regla “Machine learning: fraud risk” (Aprendizaje automático: riesgo de fraude) bloqueará las transacciones con una clasificación de riesgo alto. Los umbrales de riesgo medio y alto buscan un enfoque equilibrado entre la tasa de autenticación y la de fraude.
Deberías seleccionar el umbral de riesgo “Very High” (Muy alto) si tu objetivo es maximizar los ratios de autorización, sabiendo que es posible que se produzca algún fraude. En el extremo opuesto, el umbral de riesgo Low (Bajo) tendrá como objetivo minimizar las tasas de fraude, con la posibilidad de bloquear transacciones legítimas. Puedes ajustar estos umbrales mientras supervisas sus resultados utilizando nuestro Risk & Disputes Dashboard (Panel de riesgos y disputas), situado en el Customer Area.
Crear reglas de riesgo personalizadas
Diseñar reglas de riesgo personalizadas efectivas
Si quieres una capa adicional para mitigar el riesgo y el fraude, el motor de riesgo de Adyen te ofrece la posibilidad de crear reglas de riesgo personalizadas. Para crear reglas de riesgo personalizadas eficaces, ten en cuenta los retos de riesgo y fraude a los que se enfrenta tu negocio. Para crear las reglas de riesgo personalizadas más potentes, te recomendamos que envíes tantos campos de riesgo requeridos como sea posible. Esto permite crear reglas detalladas de BLOCK, ALLOW, REVIEW y CHECK FOR 3DS.
Por ejemplo, una regla que bloquee todas las transacciones con un importe superior a 5000,00 $ bloquearía inevitablemente a los buenos compradores.
Pero una regla que bloquee una transacción con todas las condiciones siguientes solo se activará en un pequeño subconjunto de tráfico que hayas determinado como de alto riesgo.
Una cantidad superior a 5000,00 $
Una dirección de entrega en Miami, FL
Un BIN de 12345
Más de cinco rechazos de emisores en las últimas 24 horas (según lo determine ShopperDNA)
Backtesting de reglas de riesgo
Para conocer el rendimiento de una regla de riesgo antes de activarla, puedes utilizar nuestra característica de backtesting.
Un backtesting te mostrará el rendimiento de la regla basándose en transacciones pasadas durante un periodo de tiempo determinado. La eficacia de la regla puede determinarse en función del resultado de las transacciones pasadas.
Si tu objetivo es crear una regla BLOCK que detenga la actividad fraudulenta, te centrarás en el recuento y la cantidad de pagos fraudulentos. Esto representa las transacciones que habrían activado tu regla y que desde entonces se han convertido en notificaciones de fraude o devoluciones de cargo por fraude. Lo ideal sería ver más pagos fraudulentos que legítimos. La diferencia entre estas dos métricas puede darte una idea de los posibles falsos positivos y decidir si merece la pena crear la regla en función de tu tolerancia al riesgo.
Basándote en los resultados del backtesting de la regla, puedes iterar más sobre la regla, ajustando y añadiendo campos.
Una medida de la eficacia de una regla ALLOW es que no mostraría ninguna transacción pasada que haya resultado en fraude.
Ten en cuenta que los datos relativos a los pagos fraudulentos y legítimos pueden cambiar a medida que se reciban devoluciones de cargo por fraude y NoF adicionales. El recuento y el importe que aparecen en los resultados del backtesting se basan en los resultados de las transacciones en el momento del backtesting.