¿Qué es un Umbral de Puntuación de Fraude SaaS?

El umbral de puntuación de fraude SaaS es un límite numérico en el que se toman acciones según el nivel de riesgo indicado por su transacción. Normalmente, después de que un modelo de aprendizaje automático ha analizado una transacción, se asigna una puntuación basada en el grado de similitud con el fraude. El umbral indica qué acción debe tomarse a continuación, ya sea aprobar el pedido, solicitar una revisión manual o rechazarlo. La correcta ubicación del punto de corte es crucial, ya que afecta tanto a la seguridad como a los ingresos de la empresa.

La definición de una puntuación favorable puede variar, influenciada por los criterios específicos adoptados por cada proveedor. Una puntuación de bajo riesgo se asocia típicamente con transacciones que no presentan anomalías significativas; una puntuación alta puede corresponder a situaciones que requieren una revisión adicional, como discrepancias en los detalles del cliente o de la cuenta, un volumen de transacciones atípico en un corto período de tiempo o una dirección IP de origen que genere inquietudes. 

Los comerciantes SaaS establecen sus propios rangos; por ejemplo, 0-30 significa “aprobación”, 31-70 indica “revisión” y 71+ significa “rechazo”, dependiendo principalmente de su tolerancia al riesgo, el valor promedio del pedido y la industria.

Comúnmente, las empresas SaaS utilizan estos enfoques:

• Umbral fijo único — esta técnica utiliza un único umbral fijo para diferenciar entre estados aprobados y rechazados, sin una categoría intermedia.
• Umbrales escalonados — las puntuaciones se organizan en múltiples categorías o rangos (p. ej., “aprobar”, “revisar”, “rechazar”), permitiendo así el aspecto de revisión manual.
• Umbral dinámico — el nivel de corte se ve afectado por factores de transacción como la cantidad, el tipo de artículo o el historial del cliente.
• Umbral segmentado — se establecen umbrales diferentes para distintos segmentos, como grupos de clientes, medios de pago o ubicación (p. ej., geográficamente).
• Umbrales ajustados por aprendizaje automático — el nivel de corte evoluciona continuamente a medida que aparecen nuevos patrones de fraude, por lo que el modelo tiene que autoajustarse sobre la marcha.

Encontrar el umbral de SaaS adecuado se basa principalmente en datos históricos. Aquí hay algunos pasos que puedes seguir para lograrlo:

1. Revisa transacciones pasadas para localizar dónde el fraude y los pedidos genuinos se han agrupado en rangos de puntuación de riesgo.
2. Determina las cantidades de clientes habituales rechazados y las cantidades de casos de fraude identificados en los diferentes niveles de corte.
3. En lugar de emplear un único umbral general, agrupa a los clientes por indicadores de riesgo como el valor del pedido, la geografía o la categoría del producto.

Los comerciantes suelen considerar el equilibrio entre el riesgo y los ingresos al establecer umbrales de puntuación de fraude. Una reducción en el punto de corte de autorización suele corresponder a un mayor número de pedidos que presentan riesgos intrínsecos. Esto puede influir en la frecuencia de las devoluciones de cargo, cobro de tarifas, y la gestión de las penalizaciones. Los datos sugieren una conexión entre un punto de corte más alto y el proceso que los clientes verificados realizan para requisitos específicos, lo que podría influir en la conversión de ventas, los ingresos y la confianza del cliente.

La precisión de un umbral fijo de detección de fraude está influenciada por los cambios en las tácticas de fraude. La mayoría de los comerciantes SaaS revisan sus umbrales al menos trimestralmente, y cuando se lanzan eventos de ventas importantes, nuevas líneas de productos, o hay un aumento sustancial en los contracargos o rechazos falsos.

Antes de tomar cualquier decisión sobre dónde dedicar sus esfuerzos, aclare algunas de sus ideas.

1.   ¿Qué aspectos de contracargos y falsos rechazos son relevantes para las operaciones financieras de su negocio?
2.   Con un alto volumen de transacciones, ¿es pertinente evaluar la viabilidad de revisar manualmente cada pedido comercial?
3.   ¿Ha habido un cambio en la demografía de los clientes o en las ofertas de productos?

Factores de decisión:

•       Métricas específicas de la industria para la prevalencia del fraude
•       prevención de fraude métodos y recursos disponibles
•       Aceptación de la carga de trabajo por parte de los revisores humanos