La sfida

Ben & Frank è il brand di occhiali B2C più popolare in America latina. Con il fornitore di pagamenti cui si affidava in precedenza, l'azienda aveva un controllo limitato delle frodi e della reportistica di pagamento, il che rendeva impossibile ottimizzare in modo costante le prestazioni di autorizzazione. Questo perché il mercato messicano presenta alcune complessità peculiari:
- L'America latina è nota per essere un ecosistema di pagamento altamente personalizzato e localizzato, il che rende difficile avere successo senza sistemi di pagamento personalizzati o una collaborazione continua con le principali società emittenti.
- I tassi di frode per gli acquirenti sono alte per gli standard globali, il che rende difficoltoso definire un approccio efficace rispetto agli addebiti sospetti e alla gestione delle contestazioni.
- È presente una compatibilità molto ridotta con le funzionalità di e-commerce. Ad esempio è difficile per le aziende dimostrare alle società emittenti che i clienti che effettuano acquisti ripetuti con i dati delle carte salvati presentano meno rischi rispetto ai clienti che effettuano il loro primo acquisto.

Come risultato di questa situazione, Ben & Frank registrava tassi di conversione ridotti con un'esperienza cliente scarsa per chi riceveva un rifiuto errato.

La soluzione

L'azienda ha messo a confronto Stripe con l'elaboratore di pagamenti precedente misurando i tassi di autorizzazione per i diversi circuiti. John Campbell, direttore operativo presso Ben & Frank, ha detto: "Durante la valutazione del nuovo elaboratore di pagamenti, cercavamo obiettivi misurabili: tassi di accettazione, di frode e punteggio NPS per l'esperienza d'uso con il servizio clienti".

Ben & Frank ha potuto integrare e lanciare Stripe in sole due settimane per iniziare i test. Leonardo Alonso, sviluppatore software presso Ben & Frank, ha raccontato: "Stripe conta su un team eccellente in grado di rispondere alle nostre esigenze. Dispone di uno dei migliori flussi di sviluppo e la documentazione è facile da usare, con librerie estese ed esempi da copiare e incollare".

Dopo tre mesi di test, l'azienda ha deciso che Stripe rappresenta la migliore soluzione di pagamento per aumentare la conversione e supportare la crescita continua, grazie all'assistenza reattiva e alla moderna suite di soluzioni per l'ottimizzazione dei pagamenti e il rilevamento delle frodi.

I risultati

Ben & Frank ha registrato un aumento del 10% della conversione rispetto all'elaboratore precedente in soli tre mesi di utilizzo di Stripe in Messico. Questo è stato reso possibile grazie a:

Stretta collaborazione di Stripe con elaboratori e società emittenti locali
Stripe collabora con decine di esperti e sviluppatori di pagamenti locali per creare relazioni solide nell'ecosistema di pagamenti in Messico, ad esempio con gli elaboratori locali Prosa e eGlobal, Banco de México e CNBV e con le società emittenti più importanti come BBVA e Santander. Per favorire la fiducia delle società emittenti locali, Stripe collabora fianco a fianco con loro per apportare modifiche ripetitive alla logica che regolamenta autorizzazioni e frodi, aiutando le aziende a ricevere ricavi che altrimenti andrebbero persi.

Riduzione dell'attività fraudolenta e dei tempi di risoluzione
Poiché Radar è stato implementato sulla base di Stripe Payments, Ben & Frank non deve più contrassegnare manualmente le transazioni fraudolente. Il modello di machine learning apprende di continuo dai nuovi schemi di acquisto dei clienti, mentre il team addetto alle frodi di Ben & Frank può utilizzare le eccezioni manuali per le regole e le regole personalizzate per le frodi che supportano una strategia localizzata per gestire in modo proattivo i tassi di frode e di storno in Messico.

Con tassi di frode registrati in America Latina pari a cinque volte quelli di Stati Uniti e area EMEA, Radar permette a Ben & Frank di distinguere i truffatori rispetto ai clienti, riducendo le frodi in una percentuale ancora maggiore di casi. Lourdes García, Responsabile di prodotto presso Ben & Frank, ha raccontato: "Grazie al machine learning e alle regole personalizzate per le frodi di Stripe, abbiamo registrato una riduzione dei tassi di frode e di storno. Anche la soddisfazione dei clienti è migliorata perché il team risolve eventuali contestazioni più rapidamente riuscendo a ridurre i tempi di gestione delle procedure manuali".

Tassi di autorizzazione ottimizzati dal machine learning
Le regole decisionali delle banche circa le transazioni da accettare sono incoerenti. Il solo modo per migliorare i tassi di accettazione è eseguire il reverse engineering delle regole nell'intera rete Stripe per mezzo del machine learning. Per farlo, Stripe ha implementato Adaptive Acceptance, una tecnologia di machine learning che ottimizza i messaggi di autorizzazione per conto dei clienti. I data scientist e gli sviluppatori di Stripe migliorano di continuo tali modelli di machine learning per permettere alle aziende di accettare il numero più alto possibile di transazioni legittime aumentando i ricavi.