¿Qué medidas podemos tomar en contra del fraude en el e-Commerce?

June 12, 2018

Como en cualquier cosa, siempre hay una parte oscura de la cual no nos gustaría hablar, pero sabemos que ahí está,  y por desgracia, el e-Commerce tampoco se salva. Una de las principales razones por la que aún hay muchos usuarios que no dan el salto a vender, y sobre todo a comprar en línea, es el miedo a ser víctimas de un fraude. Ninguna de las dos partes está del todo a salvo, ya que las marcas (sobre todo las pequeñas), pueden ser el objeto de estas actividades.

 

El fraude en la industria del e-Commerce ha venido en aumento desde hace 23 años, y parece que esto no va a la baja. El 43% del total de las transacciones que se realizaron de manera mensual vía online el año pasado, implican intentos de fraudes que equivalen a 10 mil millones de dólares al año.

 

¿Por qué el mundo online es más propenso a recibir fraudes? Por tres razones principales:

 

En primer lugar, aquellas personas que buscan cometer estos actos, prácticamente tienen un número ilimitado para poder cometerlo con éxito en algún intento. Su identidad está resguardada porque no se exponen directamente. En segundo lugar, porque en el mercado negro se venden de manera “de oferta” datos de tarjetas bancarias, con las que se pueden realizar compras con cargo a otras personas. Por último, hay servicios y productos que se encuentran listos para su entrega de manera digital, y son productos que por su naturaleza, pueden ser “revendidos” por otras personas o sitios. Claramente, cuando esto sucede, hay que realizar un reembolso al usuario afectado, y esto significa un coste que la marca no esperaba pagar. La industria más afectada por este tipo de fraudes es la de Turismo, la cual reporta una pérdida de mil millones de dólares en pérdidas al año, y de los cuales 639 millones son asumidos por las aerolíneas.

 

Aquí es donde la responsabilidad del consumidor, juega un papel importante. Muchas veces, sobre todo en grupos de Facebook, se ofrecen pagos de servicio “a mitad de precio”. A menos que la marca o empresa haya colocado esta promoción, es algo legal, sino, probablemente el usuario que ofrece este servicio, está haciendo uso de una tarjeta clonada. Las consecuencias pueden ser desde el rebote del pago, la cancelación permanente del servicio hasta una demanda por intento de fraude.

 

Aunque han habido avances en el método de pago y por hacer estos métodos más eficientes y seguros para todos, hay medidas que debemos tomar:

 

PIN’s más complicados. Muchos usuarios cuentan con PIN para aceptar cargos a sus tarjetas muy fáciles de adivinar e incluso, tienen uno mismo para todas sus cuentas. Los expertos recomiendan cambiar estos PIN’s cada tres meses y usar dígitos que no usamos comúnmente.

 

Los datos de las transmisiones inalámbricos no están encriptados. En lugares que no conozcamos, es preferente pagar directamente en caja, en lugar de pedir una terminal móvil.

 

Actualizar las aplicaciones. Muchos usuarios no actualizan sus aplicaciones, lo que pone en riesgo sus datos y los de otros usuarios. Sí, a veces ya no tenemos espacio en los dispositivos móviles, pero hay que actualizar las aplicaciones cada que sea necesario, ya que se instalan nuevas credenciales de seguridad.

 

Eliminar datos de tarjetas bancarias. Al término de una compra en línea, hay que borrar los datos bancarios de las tarjetas y no guardarlos. Evitamos que cualquier intruso, haga mal uso de nuestra información.

 

Algunas marcas están haciendo uso del machine learning para combatir fraudes, y parece ser la forma más eficaz hasta el momento para hacerlo. ¿Cómo funciona? En vez de un sistema tradicional basado en reglas, el machine learning analiza grandes flujos de datos y evalúa múltiples señales para calcular el puntaje de riesgo de una transacción. También puede aprender sobre patrones de comportamiento, teniendo en cuenta los resultados reales y la retroalimentación proporcionada por los analistas y el uso de esos datos para ajustar continuamente sus habilidades de predicción.
 

En pocas palabras, el aprendizaje automático elimina el uso de preprogramados
reglas a favor de una mucho más flexible y enfoque autónomo: uno que aumenta el humano decisiones con mayor precisión. PayPal, por ejemplo, ha visto fenomenal éxito mediante el uso de una solución machine learning para la protección contra el fraude. PayPal debe de tomar estas precauciones dado a su alta visibilidad y volúmenes masivos de pagos.

 

Por supuesto que no todas las marcas pueden tener el mismo grado de reacción y  adaptación que PayPal, pero en la medida de lo posible, se pueden adoptar ciertas medidas.

 

 

 

 

 

Please reload

Our Recent Posts

¿Qué esperan los consumidores sobre el Buen Fin?

November 13, 2019

¿Qué es el packaging inteligente, y por qué usarlo en tu marca?

November 12, 2019

AMVO Recap del 4 al 8 de noviembre.

November 8, 2019

1/1
Please reload

Tags

Please reload

AMVO ©2017

Dirección Comercial: WeWork Cervantes, piso 10, Blvd. Miguel de Cervantes Saavedra 169, Granada, CP 11520, CDMX.

Dirección Fiscal: Avenida Horacio 340 - PH, Col. Chapultepec Morales, Del. Miguel Hidalgo, CP 11570, CDMX.

Tel. (55) 85 26 22 13 Horas de atención: 09:00 - 18:00 de lunes a Viernes

Para medios, favor de mandar un email a medios@amvo.org.mx