Défi

Ben & Frank est la marque de lunettes grand public leader d'Amérique latine. Avec son précédent prestataire de services de paiement, elle ne disposait que de capacités limitées de génération de rapports sur la fraude et les paiements, ce qui l'empêchait d'optimiser son taux d'autorisation. En effet, le Mexique présente des défis bien spécifiques pour les marchands :
- L'Amérique latine dans son ensemble est connue pour disposer d'un écosystème de paiement très particulier. Il est difficile de réussir sur ce marché sans systèmes de paiement personnalisés ou relations étroites avec les principaux émetteurs de cartes.
- Le taux de fraude des acheteurs est élevé par rapport au reste du monde, ce qui complique la mise en place d'une stratégie efficace de gestion des débits suspects et des contestations.
- Les fonctionnalités d'e-commerce sont limitées au Mexique. Par exemple, il est difficile pour les entreprises de prouver aux émetteurs de cartes que les clients fidèles dont les informations de carte sont enregistrées représentent un risque moins élevé que les nouveaux clients.

Le taux de conversion de Ben & Frank était donc médiocre, à l'image de l'expérience vécue par les personnes dont le paiement était refusé à tort.

Solution

Ben & Frank a comparé Stripe à son prestataire de services de paiement en place en mesurant le taux d'autorisation sur les différents réseaux de cartes. John Campbell, directeur des opérations de la marque, explique : « Pour évaluer le nouveau prestataire de services de paiement, nous nous sommes intéressés à trois objectifs mesurables : le taux d'acceptation, le taux de fraude et le taux de satisfaction de notre clientèle à l'égard de notre service client. »

Ben & Frank a pu intégrer et lancer Stripe en seulement deux semaines et commencer ainsi rapidement les tests. Leonardo Alonso, ingénieur logiciel, témoigne : « l'équipe de Stripe est vraiment à l'écoute de nos besoins. Elle propose des workflows de développement très efficaces et la documentation est très claire, avec de nombreuses bibliothèques client et des exemples à copier/coller. »

À l'issue de l'essai de trois mois, Ben & Frank a conclu que Stripe constituait la solution de paiement idéale pour améliorer son taux de conversion et accompagner sa croissance continue, grâce à une assistance réactive et un ensemble de solutions modernes permettant l'optimisation des paiements et la détection des fraudes.

Résultats

En changeant de prestataire de services de paiement, Ben & Frank a pu améliorer son taux de conversion au Mexique de 10 % en seulement trois mois. Cette augmentation trouve ses origines dans les facteurs suivants :

La relation étroite nouée par Stripe avec les prestataires de services de paiement et émetteurs locaux
Stripe fait appel à des dizaines d'experts en paiements et de développeurs locaux pour nouer de solides partenariats avec les acteurs de l'écosystème des paiements mexicain, notamment des agents locaux comme Prosa et eGlobal, ou Banco de México et CNBV, ainsi que des émetteurs de cartes d'envergure comme la BBVA et Santander. Pour gagner la confiance des émetteurs locaux, Stripe les rencontre régulièrement afin de faire évoluer sa logique d'autorisation et de détection de la fraude, permettant ainsi aux entreprises de sécuriser des revenus qui seraient autrement perdus.

Réduction de la fraude et des délais de résolution
Radar s'appuie sur Stripe Payments, ce qui évite à Ben & Frank de devoir identifier manuellement les transactions frauduleuses, comme la marque était contrainte de le faire précédemment. Elle peut désormais faire confiance au machine learning de Stripe pour évaluer le niveau de risque de chaque paiement en temps réel. Le modèle de machine learning apprend en continu des nouvelles habitudes d'achat de la clientèle, et l'équipe de lutte contre la fraude de la société peut mettre en place des règles manuelles et des règles personnalisées pour adapter sa stratégie de gestion des taux de fraudes et de contestations au Mexique.

Le taux de fraude en Amérique latine est 5 fois supérieur à celui observé aux États-Unis et dans la région EMEA. La capacité de Radar à distinguer les fraudeurs des internautes honnêtes permet ainsi à Ben & Frank de réduire considérablement la fraude. Lourdes García, responsable produits chez Ben & Frank, explique : « Avec le machine learning et les règles personnalisées de lutte contre la fraude de Stripe, nous sommes parvenus à réduire le taux de fraudes et de contestations de paiements. Nous avons même remarqué une hausse de la satisfaction de notre clientèle, car notre équipe parvient à résoudre les litiges plus rapidement grâce à la disparition des processus manuels. »

Taux d'autorisation optimisé par le machine learning
Les règles utilisées par les banques pour décider si une transaction doit être acceptée ne sont pas cohérentes. La seule façon d'améliorer le taux d'acceptation est ainsi de procéder à une ingénierie inverse des règles sur le réseau Stripe à l'aide du machine learning. Pour y parvenir, Stripe a mis au point la technologie Adaptive Acceptance, qui optimise les messages d'autorisation au nom de sa clientèle. Les spécialistes des données et ingénieurs de Stripe améliorent en permanence ces modèles pour aider les entreprises à accepter autant de transactions et de revenus légitimes que possible.