Qu'est-ce qu'un seuil de score de fraude SaaS ?

Le seuil de score de fraude SaaS est une limite numérique à partir de laquelle vous entreprenez des actions en fonction du niveau de risque indiqué par votre transaction. Généralement, après qu'un modèle d'apprentissage automatique a analysé une transaction, un score est attribué en fonction du degré de ressemblance avec la fraude. Ce seuil indique quelle action doit être entreprise ensuite : approuver la commande, demander un examen manuel ou la refuser. Le positionnement correct de ce seuil est crucial, car il affecte à la fois la sécurité et les revenus de l'entreprise.

La définition d'un score favorable peut varier, influencée par les critères spécifiques adoptés par chaque fournisseur. Un score de risque faible est généralement associé aux transactions qui ne présentent pas d'anomalies significatives ; un score élevé peut correspondre à des situations nécessitant un examen approfondi, telles que des divergences dans les détails du client ou du compte, un volume de transactions atypique dans un court laps de temps, ou une adresse IP d'origine qui soulève des préoccupations. 

Les marchands SaaS définissent leurs propres fourchettes ; par exemple, 0–30 signifie “approbation”, 31–70 indique “révision” et 71+ signifie “refus”, en fonction principalement de leur tolérance au risque, de la valeur moyenne des commandes et du secteur d'activité.

Généralement, les entreprises SaaS utilisent ces approches :

• Seuil fixe unique — cette technique utilise un seuil fixe unique pour différencier les statuts approuvé et refusé, sans catégorie intermédiaire.
• Seuils échelonnés — les scores sont organisés en plusieurs catégories ou fourchettes (par exemple, “approuver”, “examiner”, “refuser”), ce qui permet l'examen manuel.
• Seuil dynamique — le seuil est influencé par des facteurs de transaction tels que la quantité, le type d'article ou l'historique du client.
• Seuil segmenté — différents seuils sont définis pour différents segments tels que les groupes de clients, les moyens de paiement ou la localisation (par exemple, géographiquement).
• Seuils ajustés par l'apprentissage automatique — le seuil évolue continuellement à mesure que de nouveaux schémas de fraude apparaissent, de sorte que le modèle doit s'adapter en permanence.

Déterminer le bon seuil SaaS repose principalement sur les données historiques. Voici quelques étapes que vous pouvez suivre pour y parvenir :

1. Vérifiez les transactions passées pour localiser où la fraude et les commandes légitimes se sont regroupées selon les plages de scores de risque.
2. Déterminez le nombre de clients légitimes refusés et le nombre de cas de fraude identifiés à travers les différents niveaux de seuil.
3. Au lieu d'employer un seuil unique et généralisé, regroupez les clients par indicateurs de risque tels que la valeur de la commande, la géographie ou la catégorie de produit.

Les marchands considèrent généralement l'équilibre entre le risque et les revenus lors de l'établissement des seuils de score de fraude. Une réduction du seuil de coupure d'autorisation correspond généralement à un nombre plus élevé de commandes qui présentent des risques intrinsèques. Cela peut influencer la fréquence des rejets de débit, la perception des frais, et la gestion des pénalités. Les données suggèrent un lien entre un seuil de coupure plus élevé et le processus que les clients vérifiés entreprennent pour des exigences spécifiques, influençant potentiellement la conversion des ventes, les revenus et la confiance des clients.

La précision d'un seuil de détection de fraude fixe est influencée par les évolutions des tactiques de fraude. La majorité des marchands SaaS révisent leurs seuils au moins trimestriellement, et lors d'événements de ventes majeurs, du lancement de nouvelles gammes de produits, ou d'une augmentation substantielle des rejets de débit (chargebacks) ou des faux refus.

Avant de prendre toute décision sur la façon d'orienter vos efforts, mettez vos idées au clair.

1.   Quels aspects de rejets de débit et faux rejets sont pertinents pour les opérations financières de votre entreprise ?
2.   Avec un volume de transactions élevé, est-il pertinent d'évaluer la faisabilité de l'examen manuel de chaque commande commerciale ?
3.   Y a-t-il eu un changement dans la démographie de la clientèle ou dans les offres de produits ?

Facteurs de décision :

•       Indicateurs spécifiques à l'industrie pour la prévalence de la fraude
•       prévention des fraudes méthodes et ressources disponibles
•       Acceptation de la charge de travail par les examinateurs humains