Cómo la inteligencia artificial frena el fraude en las compras y el abuso en las devoluciones
En el sector minorista de la moda, ha surgido una nueva tendencia en Asia Oriental: colocar enormes etiquetas de seguridad de neón tamaño A4 en el exterior de las prendas. El objetivo es evitar el "wardrobing", que consiste en comprar una prenda para usarla una sola vez (por ejemplo, para una sesión de fotos en las redes sociales o para salir por la noche) y luego devolverla como "nueva". Algunos minoristas han recurrido incluso a añadir botellas de agua lastradas o complejos precintos de plástico para crear una barrera física a esta práctica.
Aunque estas medidas dan lugar a titulares interesantes, representan una actuación desesperada ante el problema. Las acciones son reactivas, degradan la experiencia de unboxing premium para los clientes honestos y, lo que es más importante, no consiguen detener a los defraudadores de devoluciones más sofisticados, que saben cómo manejar el sistema.
En Prime AI, creemos que no se puede resolver un problema físico sin entender primero los datos digitales que lo impulsan. Nuestro reciente análisis para un cliente durante un periodo de 24 meses puso de manifiesto la impactante magnitud del problema de los "devolvedores en serie":
- Un pequeño segmento de sólo 95 clientes fue responsable de 5,1% del total de restitucionescontribuyendo al mismo tiempo nada a las ventas totales.
No se trata sólo de clientes que se equivocaron de talla. Se trata de personas que abusan sistemáticamente de las políticas de devolución, y las enormes etiquetas de neón no les detendrán si saben cómo explotar las vulnerabilidades del sistema.
Los datos reales de la crisis
La laguna del pago por invitados
Uno de los retos más importantes para los minoristas modernos es Fraude a través de Guest Checkout. Cuando un minorista intenta tomar medidas enérgicas contra las devoluciones en serie marcando las cuentas o prohibiendo las direcciones de correo electrónico, los estafadores astutos simplemente cambian de estrategia. Lo utilizan:
- Comprobación de invitados: Eludir por completo el historial de la cuenta para aparecer como un nuevo comprador anónimo.
- Múltiples alias de correo electrónico: Utilizando trucos como "[email protected]" para crear identidades aparentemente únicas.
- Tarjetas de crédito virtuales: Cambiar con frecuencia los métodos de pago para pasar desapercibido.
La vulnerabilidad central es la falta de "continuidad de los datos" en las cajas de los clientes. Si su estrategia de prevención se basa en que un humano compruebe manualmente una hoja Excel de los clientes que más han devuelto, se está perdiendo el 95% de actividad fraudulenta que se produce al amparo de las compras anónimas de los clientes.
Qué minoristas pueden probar hoy
Antes de implantar una solución completa de IA, los minoristas pueden tomar medidas para comprender mejor el alcance del problema y empezar a recopilar datos.
Aquí tienes algunas ideas para probar por ti mismo o Prime AI puede hacerlo por ti:
- Analizar las devoluciones por tipo de pago: Segmente sus datos de devoluciones para ver si las compras realizadas por invitados tienen un índice de devoluciones desproporcionadamente alto en comparación con las cuentas registradas. Busque patrones en los motivos de las devoluciones, ¿son las reclamaciones por "artículo defectuoso" más elevadas en el caso de los invitados?
- Pista "Velocidad" y Agrupación: Incluso sin una cuenta, se pueden vigilar grupos de órdenes que contengan la misma variable, una dirección IP en un corto espacio de tiempo, mientras se utilizan nombres y correos electrónicos diferentes. Hay muchas otras variables que nos permiten detectar a los malos actores.
- Aplicar la fricción selectiva: Considere la posibilidad de añadir una pequeña cantidad de fricción para las sesiones de pago de invitados de alto riesgo. Por ejemplo, si un pedido de invitado contiene múltiples tamaños de los artículos de alto valor. Prime AI puede ayudarle a prevenir este tipo de reembolso antes de que ocurra.
- Audite su política de devoluciones en busca de vacíos legales: Revise su póliza a través de los ojos de un defraudador. Hay ambigüedades o términos generosos fáciles de explotar?
Utilizar Prime AI para establecer la continuidad de los datos y detener el fraude
Aunque estas pruebas manuales pueden proporcionar información inicial, no son una solución escalable. Los modelos de detección de fraude se basan en la continuidad de los datos, el historial, los patrones y las conexiones. Aquí es donde entra en juego la inteligencia artificial avanzada de Prime AI.
Prime AI va más allá de los simples sistemas basados en reglas. Nuestra plataforma utiliza IA sofisticada para:
- Establecer la continuidad de los datos entre sesiones de invitados: Mediante el análisis de miles de datos, además del correo electrónico y el nombre, nuestra IA puede vincular registros de clientes aparentemente no relacionados para identificar a la misma persona.
- Detectar patrones de fraude sofisticados: Identificamos pautas de comportamiento complejas indicativas de fraude, como el wardrobing, el bracketing con intención de devolución y el abuso sistemático de las políticas, incluso cuando se ocultan tras las cajas de los clientes y las tarjetas virtuales.
- Tome medidas proactivas y específicas: En lugar de castigar a todos los clientes con etiquetas físicas o políticas restrictivas, Prime AI le permite tomar medidas específicas contra los defraudadores identificados, como bloquear dispositivos específicos, métodos de pago o direcciones de envío sin afectar a la experiencia de sus clientes leales y honestos.
Empiece a utilizar los datos para proteger su cuenta de resultados. Solicite una demostración hoy mismo para saber cómo nuestras soluciones basadas en IA pueden ayudarle a identificar y detener el abuso en las devoluciones y el pago por parte de los invitados.
