Uitdaging

Ben & Frank is het meest populaire direct-to-consumer-brillenmerk in Latijns-Amerika. Met de vorige betaaldienstverlener had Ben & Frank beperkte mogelijkheden voor fraudecontrole en betalingsrapportage, waardoor continue optimalisatie van de autorisatiepercentages niet mogelijk was. Dit komt doordat de markt in Mexico een aantal unieke uitdagingen kent:
- Latijns-Amerika staat bekend om zijn uiterst aangepaste en gelokaliseerde financiële ecosysteem. Daardoor is het moeilijk om succesvol te zijn zonder betaalsysteem dat op de gebruiker is afgestemd of zonder nauwe relatie met grote kaartverstrekkers.
- Afgezet tegen internationale standaarden is het percentage fraude door kopers hoog. Het heeft dan ook heel wat voeten in de aarde om tot een effectieve aanpak van verdachte betalingen te komen en chargebacks te beheren.
- Er is beperkte ondersteuning voor e-commercefuncties in Mexico. Dat maakt het voor bedrijven bijvoorbeeld lastig om kaartverstrekkers duidelijk te maken dat terugkerende klanten met opgeslagen kaartgegevens minder risicovol zijn dan klanten die voor het eerst een aankoop doen.

Als gevolg hiervan kampte Ben & Frank met lage conversiepercentages, wat leidde tot een slechte ervaring voor klanten van wie de betaling ten onrechte werd geweigerd.

Oplossing

Ben & Frank vergeleek Stripe met zijn bestaande betalingsverwerker door de autorisatiepercentages van kaartnetwerken te meten. John Campbell, Operations Director bij Ben & Frank, zegt het als volgt: “Bij het evalueren van een nieuwe betalingsverwerker hanteerden we drie meetbare doelen: acceptatiepercentage, fraudepercentage en NPS-score van de ervaring van gebruikers met onze klantenservice.”

Ben & Frank kon Stripe al binnen twee weken integreren en introduceren om met testen te beginnen. Leonardo Alonso, Software Engineer bij Ben & Frank, zegt: “Stripe heeft een geweldig team dat klaarstaat om ons met van alles en nog wat te helpen. Het heeft een van de allerbeste developmentworkflows en de documentatie is heel gebruiksvriendelijk met uitgebreide clientlibrary's en voorbeelden die je kunt kopiëren en plakken.”

Na een proef van drie maanden was Ben & Frank ervan overtuigd dat Stripe de perfecte betaaloplossing was om de conversie te verbeteren en de ononderbroken groei van het bedrijf te ondersteunen, dankzij de responsieve ondersteuning en het moderne pakket oplossingen met optimalisatie van betalingen en fraudedetectie.

Resultaten

Al in de eerste drie maanden na ingebruikname van Stripe in Mexico zag Ben & Frank een stijging van 10% van de conversie vergeleken met de vorige betalingsverwerker. Deze stijging werd mogelijk gemaakt door de volgende factoren:

De nauwe relatie van Stripe met regionale verwerkers en kaartverstrekkers
Stripe huurt talloze lokale betaalexperts en developers in om sterke partnerships op te bouwen in het financiële ecosysteem van Mexico. Daaronder bevinden zich lokale switches zoals Prosa en eGlobal, Banco de México en CNBV, maar ook grote kaartverstrekkers zoals BBVA en Santander. Om het vertrouwen te winnen, gaat Stripe regelmatig in gesprek met lokale kaartverstrekkers om iteratieve wijzigingen door te voeren in autorisatie- en fraudelogica. Dit helpt bedrijven om omzet binnen te halen die anders verloren zou gaan.

Afname van frauduleuze activiteit en minder tijd nodig om tot een oplossing te komen
Omdat Radar een uitbreiding van Stripe Payments is, hoeft Ben & Frank frauduleuze transacties niet meer handmatig te markeren. In plaats daarvan kan het bedrijf vertrouwen op de machine-learning van Stripe voor de realtime evaluatie van het risiconiveau van elke betaling. Het machine-learningmodel leert voortdurend van nieuwe patronen in het aankoopgedrag van klanten, terwijl het fraudeteam van Ben & Frank regels handmatig kan aanpassen en met frauderegels op maat kan werken. Dit maakt een gelokaliseerde strategie mogelijk om het fraudepercentage en het aantal chargebacks in Mexico proactief te beheren.

Met een fraudepercentage in Latijns-Amerika dat vijf keer hoger ligt dan dat in de Verenigde Staten en EMEA, helpt Radar Ben & Frank om onderscheid te maken tussen fraudeurs en klanten, waardoor fraude sneller kan worden teruggedrongen. Lourdes García, Product Manager bij Ben & Frank, zegt: “Dankzij de machine-learning en frauderegels op maat van Stripe zien we een afname van fraudepercentages en het aantal chargebacks. Zelfs onze klanttevredenheid is verbeterd omdat onze medewerkers chargebacks sneller kunnen afhandelen nu ze minder tijd kwijt zijn aan handmatige processen.”

Autorisatiepercentages geoptimaliseerd door machine-learning
Banken hanteren inconsistente regels om te besluiten welke transacties worden geaccepteerd. De enige manier om de acceptatie te verbeteren, is door reverse-engineering van de regels in het Stripe-netwerk met behulp van machine-learning. Stripe heeft hiervoor Adaptive Acceptance ontwikkeld, een machine-learningtechnologie die autorisatieberichten namens klanten optimaliseert. De datawetenschappers en engineers van Stripe werken voortdurend aan verbetering van deze machine-learningmodellen om bedrijven te helpen zo veel mogelijk legitieme transacties te accepteren en omzet te genereren.