Desafío

Ben & Frank es la marca de lentes de venta directa al consumidor más popular de América Latina. Con su anterior proveedor de pagos, Ben & Frank tenía un control del fraude e informes de pagos limitados, lo que le impedía optimizar de manera continua el rendimiento de las autorizaciones. La razón radica en los desafíos que presenta el mercado en México:
- América Latina es conocida por contar con un ecosistema de pagos altamente personalizado y adaptado a la región, lo que dificulta alcanzar el éxito cuando no se cuenta con un sistema de pagos personalizados para el usuario o relaciones estrechas con los principales emisores.
- Los índices de fraude por parte de los compradores son elevados en comparación con los estándares mundiales, lo que dificulta definir un enfoque efectivo para cargos sospechosos y la gestión de disputas.
- El apoyo a las funciones del comercio electrónico en México es limitado. Por ejemplo, es difícil para las empresas demostrar a los emisores que los clientes recurrentes presentan menos riesgo que los clientes nuevos.

Como resultado, Ben & Frank experimentó tasas de conversión bajas, lo que generó una experiencia deficiente para los clientes que recibían un rechazo incorrecto.

Solución

Ben & Frank comparó Stripe con su procesador de pagos existente, midiendo las tasas de autorización en diferentes redes de tarjetas. John Campbell, director de operaciones de Ben & Frank, declaró: "Al evaluar un nuevo procesador de pagos, buscábamos tres objetivos medibles: la tasa de aceptación, la tasa de fraude y el NPS de la experiencia de los usuarios con nuestro servicio de atención al cliente".

Ben & Frank logró integrar y activar Stripe en tan solo dos semanas y comenzar sus pruebas. Leonardo Alonso, ingeniero de software de Ben & Frank, afirmó: "Stripe cuenta con un equipo increíble listo para atender nuestras necesidades. Tiene uno de los mejores flujos de trabajo de desarrollo y la documentación es muy fácil de usar, con extensas bibliotecas de clientes y ejemplos de referencia".

Después de los tres meses de prueba, Ben & Frank determinó que Stripe era la mejor solución de pagos para mejorar su conversión y potenciar su continuo crecimiento, gracias a su soporte efectivo y a su moderno conjunto de soluciones que incluyen optimización de pagos y detección de fraude.

Los resultados

En solo tres meses de usar Stripe México, Ben & Frank experimentó un aumento del 10 % en la conversión en comparación con su procesador anterior. Este aumento que experimentó Ben & Frank fue posible gracias a lo siguiente:

La estrecha relación de Stripe con los procesadores y emisores regionales
Stripe contrata a docenas de expertos en pagos locales y desarrolladores para construir sólidas alianzas en todo el ecosistema de pagos de México, incluyendo los intermediarios locales como Prosa y eGlobal, Banco de México y CNBV, y grandes emisores como BBVA y Santander. Para establecer confianza con los emisores locales, Stripe se reúne frecuentemente con ellos para realizar cambios iterativos en la lógica de autorización y prevención de fraude, ayudando a las empresas a captar ingresos que, de otra manera, se perderían.

Reducción de la actividad fraudulenta y del tiempo de resolución
Dado que Radar se basa en Stripe Payments, Ben & Frank ya no tiene que etiquetar manualmente las transacciones que resultan fraudulentas. En su lugar, la empresa confía en el machine learning de Stripe para evaluar en tiempo real el nivel de riesgo de cada pago. Este modelo de machine learning aprende continuamente de los nuevos patrones de compra de los clientes, mientras que el equipo antifraude de Ben & Frank puede utilizar anulaciones de reglas manuales y reglas antifraude personalizadas que permiten una estrategia adaptada a la región para gestionar de manera proactiva las tasas de fraude y contracargos en México.

Dado que en América Latina las tasas de fraude son 5 veces superiores a las de Estados Unidos y Europa, Radar ayuda a Ben & Frank a distinguir entre estafadores y clientes, reduciendo el fraude a un ritmo más significativo. Lourdes García, responsable de producto en Ben & Frank, afirmó: "Al aprovechar el machine learning de Stripe y las reglas personalizadas de fraude, observamos un descenso en nuestras tasas de fraude y contracargos. Incluso notamos un aumento en la satisfacción de nuestros clientes, gracias a que nuestro equipo resuelve las disputas con mayor rapidez ahora que pasa menos tiempo gestionando un proceso manual".

Tasas de autorización optimizadas por el machine learning
Los bancos cuentan con reglas de decisión inconsistentes sobre qué transacciones se aceptan. La única manera de mejorar la aceptación es a través de la ingeniería inversa de las reglas en toda la red de Stripe utilizando el machine learning. Para lograrlo, Stripe creó Adaptive Acceptance, una tecnología de machine learning que optimiza los mensajes de autorización en nombre de sus clientes. De esta forma, los científicos de datos e ingenieros de Stripe mejoran continuamente estos modelos de machine learning para ayudar a las empresas a aceptar el mayor número de transacciones legítimas y generar la mayor cantidad de ingresos posible.