Herausforderung

Ben & Frank ist die beliebteste Brillenmarke in Lateinamerika. Doch bei seinem bisherigen Zahlungsdienstleister hatte das Unternehmen kaum Kontrolle über Betrugsbekämpfung und Berichterstattung, was die kontinuierliche Verbesserung der Autorisierungsleistung erschwerte. Das liegt an den besonderen Herausforderungen, die sich auf dem mexikanischen Markt stellen:
- Das Zahlungsökosystem ist in Lateinamerika bekanntermaßen besonders fragmentiert und unterscheidet sich von Land zu Land. Das macht es schwer, ohne maßgeschneiderte Zahlungssysteme oder enge Beziehungen zu großen Ausgabebanken zum Erfolg zu kommen.
- Die Betrugsraten sind im weltweiten Vergleich hoch, was die Herangehensweise an verdächtige Abbuchungen und das Anfechtungsmanagement erschwert.
- In Mexiko sind E-Commerce-Funktionen kaum verbreitet. So haben die Unternehmen beispielsweise kaum Möglichkeiten, den Ausgabebanken zu erklären, dass Wiederholungskund/innen mit gespeicherten Kartendaten ein geringeres Risiko als Neukund/innen darstellen.

Aus diesen Gründen war die Konversionsrate bei Ben & Frank sehr niedrig. Und fehlerhafte Ablehnungen beeinträchtigten darüber hinaus das Kundenerlebnis.

Lösung

Ben & Frank verglich Stripe mit seinen bisherigen Zahlungsabwickler und ermittelte dazu die Autorisierungsraten in den verschiedenen Kartennetzwerken. John Campbell, der bei Ben & Frank für das operative Geschäft zuständig ist, stellt es folgendermaßen dar: „Bei der Evaluierung neuer Zahlungsdienstleister geht es uns vor allem um drei Dinge: die Akzeptanzquote, die Betrugsrate und den NPS mit Blick auf die Zufriedenheit mit unserem Kundenservice.“

Innerhalb von gerade einmal zwei Wochen konnte Ben & Frank Stripe integrieren und mit der Erprobung beginnen. Leonardo Alonso, der bei Ben & Frank als Softwareingenieur arbeitet, sagt: „Stripe verfügt über ein erstklassiges Team, das uns sehr engmaschig betreut. Das Entwicklungsverfahren zählt zu den besten überhaupt. Und auch die Dokumentation ist sehr anwenderfreundlich und enthält umfangreiche Client-Bibliotheken und anwendungstaugliche Beispiele.“

Nach einer dreimonatigen Probephase kam man bei Ben & Frank zu dem Ergebnis, dass Stripe als Zahlungslösung für die Steigerung der Konversionsrate und das weitere Unternehmenswachstum am besten geeignet war. Hauptargumente waren der schnelle Support und die zeitgemäße Lösung mit Funktionen wie Zahlungsoptimierung und Betrugsbekämpfung.

Ergebnisse

Ben & Frank verzeichnete im Vergleich zu seinem bisherigen Anbieter eine zehnprozentige Steigerung der Konversionsrate, nachdem das Unternehmen Stripe in Mexiko drei Monate lang genutzt hatte. Ursächlich für diesen Zuwachs waren die folgenden Faktoren:

Die enge Zusammenarbeit zwischen Stripe und regionalen Zahlungsabwicklern und Dienstleistern
Stripe beschäftigt zahlreiche lokale Zahlungsexpert/innen und Entwickler/innen, um starke Partnerschaften im mexikanischen Zahlungsökosystem aufzubauen. Hierzu zählen auch lokale Vermittler wie Prosa und eGlobal, Banco de México und CNBV sowie große Ausgabebanken wie BBVA und Santander. Zur Stärkung des Vertrauens der Ausgabebanken vor Ort nimmt Stripe an regelmäßigen Besprechungen teil, um Autorisierung und Betrugsbekämpfung kontinuierlich nachzuschärfen und den Unternehmen so Umsätze zu sichern, die ihnen ansonsten entgehen würden.

Weniger Betrug und eine schnellere Bearbeitung
Da Radar die perfekte Ergänzung für Stripe Payments ist, müssen Betrugsversuche bei Ben & Frank nun nicht mehr manuell erkannt werden. Stattdessen kann sich das Unternehmen auf das maschinelle Lernen (ML) verlassen, um das individuelle Zahlungsrisiko in Echtzeit zu ermitteln. Das ML-Modell wird dabei anhand des Kaufverhaltens der Neukund/innen kontinuierlich weiterentwickelt. Die Betrugsprävention von Ben & Frank kann die festgelegten Regeln zudem manuell ergänzen und individuelle Präventionsregeln festlegen. So kann eine lokal angepasste Strategie entwickelt werden, um auf dem mexikanischen Markt Betrugsversuche und Rückbuchungen zu verhindern.

In Lateinamerika ist die Betrugsquote fünfmal so hoch wie in den USA und EMEA. Radar hilft Ben & Frank dabei, Betrüger von legitimen Kunden zu unterscheiden und auf diese Weise Betrug wirksam zu bekämpfen. Lourdes García, Produktmanagerin bei Ben & Frank, sagt: „Dank der ML-Funktionen und der individuellen Präventionsregeln von Stripe sind Betrug und Rückbuchungen bei uns zurückgegangen. Außerdem hat die Kundenzufriedenheit zugenommen, da wir Anfechtungen nun schneller bearbeiten können, weil wir weniger Zeit mit manuellen Arbeitsschritten verschwenden.“

Höhere Autorisierungsquoten dank maschinellem Lernen
Die Banken legen bei der Entscheidung über die Annahme von Transaktionen ganz unterschiedliche Kriterien an. Die einzige Möglichkeit zur Verbesserung der Annahmequote besteht also darin, diese Kriterien mithilfe des maschinellen Lernens in das Stripe-Netzwerk zu überführen. Deshalb hat Stripe mit Adaptive Acceptance eine ML-Technologie entwickelt, die die Autorisierungsbenachrichtigungen im Sinne der Kund/innen optimiert. Diese ML-Modelle werden von den Daten- und Technikexpert/innen von Stripe kontinuierlich weiterentwickelt, damit die Unternehmen möglichst viele legitime Transaktionen annehmen und so ihre Umsätze steigern können.