Toko Daring Kecil Akan Menghabiskan $ 2,62 untuk Setiap $ 1 dari Transaksi Penipuan

Daftar Isi:

Anonim

Satu pesanan online yang curang bisa menelan biaya pengecer kecil hampir tiga kali lipat dari biaya transaksi. Itulah yang ditemukan Stripe dalam laporan Tren dan Perilaku Fraud Online Desember 2017.

Laporan Tren Penipuan Online

Prosesor pembayaran online baru-baru ini merilis laporan dan memberi Tren Usaha Kecil perspektif unik melalui komentar email eksklusif.

$config[code] not found

“Salah satu tujuan kami dalam menerbitkan laporan ini adalah untuk membantu usaha kecil lebih memahami bagaimana dan kapan perilaku curang muncul, sehingga mereka dapat membuat strategi spesifik yang secara langsung memenuhi kebutuhan mereka,” kata Michael Manapat, manajer teknik intelijen pembayaran dan pengalaman di Stripe, dalam email dengan Tren Bisnis Kecil.

Laporan Stripe menemukan bahwa bisnis ritel online kecil akan menghabiskan $ 2,62 untuk melawan penipuan online untuk setiap $ 1 dari pesanan penipuan. Itu mencapai $ 3,34 untuk toko ritel seluler. Oleh karena itu, masuk akal bahwa yang terbaik adalah memasang pertahanan sebelum menjadi korban transaksi penipuan.

Tetapi seberapa banyak pertahanan yang cukup?

Memang benar bahwa kejahatan dunia maya sedang meningkat dan juga benar bahwa usaha kecil semakin menjadi sasaran para penipu. Dan ketika keamanan transaksi di toko-toko batu bata dan mortir meningkat, kemungkinan bahwa transaksi online akan lebih sering ditargetkan juga naik.

Namun, juga benar bahwa usaha kecil dapat berinvestasi berlebihan dalam perlindungan penipuan online. Laporan dari Stripe ini mencoba membantu pengecer online kecil mengidentifikasi di mana mereka perlu melindungi diri mereka sendiri.

“Mengingat sumber daya mereka yang terbatas, sebagian besar bisnis kecil perlu melakukan trade-off antara pemalsuan penipuan dan memaksimalkan keuntungan. Perusahaan kecil dapat menggunakan laporan ini untuk mengidentifikasi pola perilaku penipuan yang konsisten, ”kata Manapat.

Toko ritel online kecil mungkin akhirnya harus memutuskan apakah akan menginstal beberapa perangkat lunak anti-penipuan di toko mereka. Tetapi tidak setiap bisnis kecil akan memiliki uang atau sumber daya untuk mengerahkan pertahanan seperti itu. Dalam kasus lain, kata Manapat, toko online perlu mengidentifikasi tren di antara penipu untuk melihat aktivitas mencurigakan saat itu terjadi.

Sebagai permulaan, toko-toko kecil perlu menangkap lebih banyak informasi tentang pelanggan mereka di muka. Ini sangat mengurangi kemungkinan transaksi penipuan.

“Sementara setiap bisnis berbeda, memahami bagaimana penipuan muncul tidak hanya akan membantu pengecer kecil lebih efektif memerangi penipuan, tetapi juga membantu mereka memahami mengapa menetapkan aturan yang lebih baik sangat penting,” tambah Manapat.

Tanda-tanda kunci lain dari penipuan transaksi online adalah pembelian dengan harga tinggi yang tidak wajar. Aktor penipuan kadang-kadang akan membeli 10 kali dari kecepatan normal yang biasanya terlihat di situs. Mereka juga suka memukul pada jam malam, menurut Stripe. Dan Anda dapat mengharapkan aktivitas ini selama waktu lalu lintas yang lebih rendah di suatu situs.

"Misalnya, tingkat penipuan tidak naik terutama pada hari-hari belanja berat seperti Black Friday, tetapi pada hari-hari seperti Natal ketika banyak orang tidak berbelanja," laporan itu menjelaskan.

Temuan kunci lain dari laporan menunjukkan bahwa sebagian besar transaksi penipuan bukan untuk barang-barang berharga besar. Sebaliknya, itu adalah transaksi yang lebih kecil yang cenderung bersifat penipuan.

"Di Amerika Serikat, data Stripe menunjukkan bahwa jumlah transaksi penipuan hanya sedikit lebih besar dari jumlah transaksi biasa," kata laporan itu.

Stripe menunjukkan bahwa pengecer online kecil bekerja dengan prosesor pembayaran yang menggunakan teknologi pembelajaran mesin untuk membantu mengenali transaksi palsu. Tetapi perusahaan juga mencatat bahwa hanya mengandalkan AI untuk mendeteksi kecurangan tidak cukup. Kewaspadaan secara manual juga diperlukan.

“Model pembelajaran mesin mengatasi tantangan ini dengan memasukkan banyak nuansa konteks khusus untuk menolak hanya transaksi yang paling mencurigakan, daripada memberlakukan aturan selimut yang dapat dengan mudah mengakhiri pemblokiran transaksi yang baik. Pedagang harus bekerja dengan pemroses pembayaran dengan pembelajaran mesin dan teknologi lainnya untuk mengoptimalkan pertukaran yang rumit ini antara menghentikan penipuan dan memaksimalkan keuntungan, ”tambah laporan itu.

Foto melalui Shutterstock

1 Komentar ▼