Como evitar fraudes combinando comportamento de navegação e inteligência artificial?

A Neoatlas mal publicou o delicioso relatório E-Commerce Radar – 1º Semestre de 2018 e nós já aproveitamos o material para mostrar a você, profissional sedento por conhecimento e por faturamento, uma combinação bastante eficiente para evitar fraudes e maximizar o resultado financeiro da sua loja virtual: comportamento de navegação e compra e inteligência artificial.

O E-Commerce Radar é um estudo sobre o comércio eletrônico brasileiro, divulgando informações práticas e altamente relevantes sobre o mercado. No relatório, é possível conferir taxas de conversão, rejeição e abandono; participação de compras por gêneros, faixas etárias, Estados e cidades, dispositivos preferidos em compras on-line; ticket médio; quantidades de itens por pedido; tempo de navegação e até as formas de pagamento favoritas da e-consumidora nacional. Muitas destas métricas estão disponíveis, inclusive, por categoria de produto!

Sim, eu sei! É tanta informação útil que o olho chega até a brilhar.

E a Konduto, que adora estudos e adora dados, aproveitou o relatório para falar sobre fraude on-line. Não, desta vez não iremos compartilhar informações (nós fazemos isso com frequência, inclusive com o nosso super estudo Raio-X da Fraude). Queremos, sim, mostrar como os resultados do E-Commerce Radar podem te ajudar a olhar de uma maneira diferente para a análise de risco.

Conhece-te a ti mesmo

O relatório da Neoatlas desmembra muitos resultados em até 24 categorias de lojas virtuais, como por exemplo calçados, moda, moda íntima, pet shop, games, eletrônicos, livraria… com isso, muitos segmentos podem ter uma noção geral sobre o perfil da sua consumidora. Idade, gênero (ainda dentro de uma classificação binária, homem/mulher), Estado…

Informações assim nos ajudam a entender melhor quem compra mais em determinados tipos de e-commerce. O estudo indica que a participação feminina no comércio eletrônico brasileiro é (ligeiramente) superior à masculina, com 50,6% delas contra 49,4% deles (por isso, generalizações indefinidas sobre “consumidoras” neste artigo sempre estarão no gênero feminino).

Mas será que esta proporção é equivalente em todas as lojas virtuais?

Claro que não, né?

Por exemplo: em moda íntima, 84% do público consumidor é feminino. Já em games a razão praticamente se inverte: 80% homens. Elas predominam em categorias como materiais artísticos (83%), beleza (82%), alimentos (64%), livraria (64%)…  Para se ter uma ideia, os homens só se sobressaem em 6 das 24 categorias: ferramentas (76%), acessórios automotivos (72%), tabacaria (61%), eletroeletrônicos, materiais para construção e sex shop (todos com 56%).

A idade das clientes também tem grande variação entre as categorias. Em games, por exemplo, 87% de quem compra tem entre 18 e 34 anos. Já em moda íntima, 60% possui entre 25 e 44 anos. Quando o assunto é saúde, 44% das consumidoras tem entre 25 e 34 anos; já quando falamos de tabacaria, a faixa etária muda: 43% tem entre 35 e 44.

Com estas informações básicas já é possível ter uma ideia de quem compra na sua loja, não acha? Bom, mas pode ficar ainda melhor. Para isso, você precisa entender…

Como meu público compra?

Você sabe qual o tempo médio de uma navegação na sua loja virtual? Bom, seu Google Analytics certamente vai mostrar isso. Mas será que este tempo está acima ou abaixo da média do e-commerce nacional? Ou do seu segmento?

olist
Smarthint

Segundo o estudo, o tempo médio de navegação é de 1min39 (não tempo médio até a conversão, ok?). Mas este número não é muito útil se você possuir uma loja virtual de moda íntima, em que a navegação dura, em média, 4min30. Ou um e-commerce de moda e acessório, em que o tempo de navegação está em torno de 3min48.

Além disso, quantos itens a consumidora coloca no carrinho antes de concluir um pedido? A média brasileira é de 2,9, mas esse número não é nada perto de uma compra de materiais de construção (11,1), ou então… alimentos: 17,2! Calçados, por outro lado, tem uma média de 1,1 item por carrinho. Isso te surpreende?

(É, você mesmo, que adora julgar a variedade dos calçados alheios)

E o que tem a ver com fraude, gente?

Tudo! Quer dizer… para a gente, que acredita muito no comportamento de navegação e compra, todas essas informações divulgadas pelo E-Commerce Radar são uma mina de ouro. E mostram, de fato, que a nossa aposta em adicionar inteligência artificial e monitoramento de comportamento de navegação e compra às técnicas de detecção de fraude faz total sentido.

O padrão de compra de uma cliente em um e-commerce de alimentos é totalmente diferente das características de um pedido de games in-app, por exemplo.

Uma pessoa tem um perfil de comportamento de navegação e compra totalmente diferente de quem está comprando, por exemplo, vidas e itens dentro de um joguinho on-line, por exemplo. Quem está fazendo um pedido de entrega de comida pesquisa de um determinado jeito, coloca em média (como vimos) mais de 17 itens em um carrinho no checkout e está disposto a pagar uma determinada quantia de frete. Já em um game, não. As transações tendem a ser concluídas mais rapidamente, e várias e várias vezes em um dia.

E está tudo bem! São apenas maneiras diferentes de se comportar durante uma compra.

Só que, diante destes fatos, você tem duas opções: cadastrar uma interminável lista de regras condicionais de “aprovar/cancelar” em sua ferramenta antifraude de acordo com o comportamento esperado da sua consumidora, mas correndo o risco de comer bola e abrir a porteira para fraudadores…

… ou confiar em um sistema de inteligência artificial que aprende com cada um dos pedidos recebidos pela sua loja virtual, aperfeiçoando-se dia após dia, minuto após minuto, tornando-se ainda mais eficaz e capaz de potencializar os seus resultados financeiros.

É claro que não dá para se basear somente nisso. Assim como não dá para se basear somente em checagem de dados cadastrais, ou somente em informações de fingerprint. Já falamos aqui que um antifraude deve recorrer às mais variadas técnicas de análise de risco e levar em consideração o máximo possível de informações para realizar uma análise precisa. A Konduto, como você bem deve saber, analisa mais de 2 mil variáveis por pedido.

Moral da história…

Conhecer o comportamento de compra da sua cliente é um movimento fundamental. Não apenas para fins “marqueteiros” de fazer a sua loja virtual aumentar vendas. Saber quem compra você e como ela compra também te dá a oportunidade de saber quem não quer comprar com você, mas apenas tirar proveito em transações fraudulentas.

E, para isso, você pode recorrer a sistemas manuais, com cadastro e gerenciamento de milhares de regras condicionais, ou inteligentes e automáticos.

Vai de você.

Tom Canabarro
Tom Canabarro é cofundador da Konduto, startup brasileira especializada em análise de fraude e comportamento de compra na internet.
  • Todos Fornecedores
  • Armazenamento
  • Consultoria
  • Entrega
  • Marketplace
  • Performance
  • Plataformas
    • Gestão de Anúncios
    • Atendimento ao Cliente
    • E-Mail Marketing
    • Sistema de ERP
    • Pagamento Online
    • Mídias Sociais
    • Plataforma de E-Commerce
    • Precificação Dinâmica
    • Vitrine Personalizada
  • Serviços
    • Escola Especializada
    • Logística
    • Agência Especializada
    • Redirecionamento de Encomendas
  • Soluções
 
Moovin
EZ Commerce
Rakuten
Bling
Accesstage
Mailbiz
LojaMestre
E-Goi
Neoassist
DLojavirtual
Dotstore
Ciashop
Seri.e Design
GhFly
E-Millennium
Bis2Bis
Bluefoot
F1soluções
Xtech Commerce
ComSchool
Brasil na Web
Nação Digital
Trezo
E-Commerce Logística
World Pay
Socialrocket
E-completo
Precode
IHouse Web
Smarthint
JET e-business
Ciclo
 

DEIXE UMA RESPOSTA

Please enter your comment!
Please enter your name here

This site uses Akismet to reduce spam. Learn how your comment data is processed.