Como criar um perfil de risco eficaz
O que é perfil de risco
O perfil de risco gerencia quais regras de risco aplicar aos pagamentos feitos em uma merchant account.
Perfis de risco padrão
Ao integrar a Adyen, você recebe um perfil de risco padrão, ao qual todas as suas merchant accounts serão alocadas. Esse perfil principal vem com várias regras pré-configuradas, dependendo do nível do produto.
Personalizando perfis de risco
Você pode manter essa configuração ou criar outros perfis de risco com base nas demandas de risco e fraude de uma merchant account específica. Um exemplo é ter um conjunto mais rigoroso de regras para uma determinada região ou linha de negócios que apresente um risco maior de fraude.
Criando um perfil de risco eficaz
Montar um perfil de risco eficaz é um processo contínuo, que envolve compreender seus mercados, configurar regras de risco e monitorar e atualizar continuamente seu perfil com base nas tendências de fraude.
Machine learning e regras de risco
Personalizando um modelo de machine learning para detectar fraudes
A versão mais recente do nosso mecanismo de risco é uma solução híbrida que combina modelos de machine learning com regras de risco personalizáveis. Para montar o perfil de risco mais eficaz, considere suas metas de risco e a otimização na merchant account.
É possível personalizar nosso modelo de fraude de machine learning para decidir quanto risco você está disposto a assumir. Como padrão, a regra "Machine learning: risco de fraude" bloqueia transações com classificação de alto risco. Os limite de risco médio e alto visam a conciliar a taxa de autenticação e a taxa de fraude.
Deve-se selecionar o limite de risco "Muito alto" se o seu objetivo for maximizar as taxas de autorização, sabendo que alguma fraude pode passar. No extremo oposto, um limite de risco "Baixo" deve minimizar as taxas de fraude, com a possibilidade de bloquear transações legítimas. Para ajustar esses limites enquanto monitora os resultados, use nosso painel central "Risco e disputas" na Customer Area.
Criando regras de risco do cliente
Desenvolvendo regras de risco personalizadas eficazes
Para uma camada a mais de mitigação de riscos e fraudes, o mecanismo de risco da Adyen deixa você criar regras de risco personalizadas. Para criar regras de risco personalizadas eficazes, considere os desafios de risco e fraude que a sua empresa enfrenta. Para criar as regras de risco personalizadas mais eficientes, recomendamos enviar o maior número possível de campos de risco necessários. Isso cria regras granulares BLOQUEAR, PERMITIR, ANALISAR e CHECAR 3DS.
Uma regra que bloqueia todas as transações com um valor superior a US$ 5.000,00, por exemplo, inevitavelmente bloquearia bons consumidores.
Já uma regra que bloqueia uma transação com todas as condições abaixo só é acionada em um pequeno subconjunto de tráfego que você determinou como alto risco.
Um montante superior a US$ 5.000,00
Um endereço de entrega em Miami, FL
Um BIN de 12345
Mais de cinco recusas de emissores nas últimas 24 horas (conforme determinado pela ShopperDNA)
Regras de backtesting de risco
Para ter insights sobre o desempenho de uma regra de risco antes de ativá-la, você pode utilizar nosso recurso de backtest.
Ele mostra o desempenho da regra com base em transações passadas em um determinado período. A eficácia da regra pode ser avaliada com base nos resultados de transações passadas.
Se o seu objetivo é criar uma regra BLOQUEAR que impeça atividades fraudulentas, foque a quantidade e o valor dos pagamentos fraudulentos. São transações que teriam acionado sua regra e que, desde então, viraram avisos de fraude ou de chargebacks de fraude. O ideal é ver mais pagamentos fraudulentos do que legítimos. A diferença entre essas duas métricas pode mostrar se há possíveis falsos positivos e se vale a pena criar a regra com base na sua tolerância ao risco.
Com base nos resultados da regra de retorno, você pode iterar ainda mais na regra, ajustando e adicionando campos.
Uma medida de eficácia para uma regra PERMITIR não mostrariam transações passadas que resultaram em fraude.
Os dados relacionados a pagamentos fraudulentos e legítimos podem mudar conforme novos chargebacks de fraude e NoFs são recebidos. A contagem e o valor mostrados nos resultados do teste de retrocesso são baseados nos resultados das transações no momento do teste de retrocesso.