El fraude está en alza y así lo revela un estudio realizado por Stripe, que desvela nuevos patrones para ayudar a los negocios online a combatir la actividad de los ciberdelincuentes durante la época de compras más importante del año.

Si bien las tarjetas de crédito habilitadas con chip han conseguido que las compras físicas sean más seguras, los estafadores orientan sus esfuerzos hacia las tiendas online. A diferencia de las tiendas tradicionales, los negocios en Internet son los responsables de los costes asociados, lo que supone que por cada euro defraudado, el negocio online pierde 2,2 euros adicionales [0].

Stripe ha analizado los datos de cientos de miles de operaciones realizadas durante los últimos años con el objetivo de hallar patrones de conducta fraudulentos en cada país, periodo de tiempo, sector y otros factores que puedan ayudar a las empresas a combatir el fraude online. Algunas de las conclusiones más relevantes son las siguientes:

• En función de dónde haya sido expedida la tarjeta de crédito, los ratios de fraude por país varían significativamente (se pueden multiplicar por dos o tres).
• Al contrario de lo que pueda parecer, los niveles más elevados de fraude online tienen lugar durante los días y horas de menos actividad consumista, como el día de Navidad o el día de Reyes, cuando muchas personas ya tienen sus compras hechas. Precisamente durante esos días de baja actividad, los estafadores siguen trabajando, especialmente a altas horas de la noche. Así, el porcentaje de fraude sobre el tráfico total aumenta durante el verano y a finales de diciembre, pero no durante grandes días de rebajas y compras como Black Friday, como sería de esperar.
• Otro aspecto interesante sobre las transacciones fraudulentas es que a menudo corresponden a pequeñas operaciones. Es sorprendente, ya que los ciberdelincuentes no están pagando por los productos que compran.
• Los ciberdelincuentes se delatan realizando rápidas compras en los mismos negocios y con la misma tarjeta de crédito, con una velocidad hasta diez veces superior a la que comprarían los titulares legítimos de las tarjetas.
• Estos estafadores se inclinan por productos que no necesitan ser entregados a domicilio y que pueden ser recogidos en lugares públicos, de manera que pueden conseguirlos antes de que la transacción sea invalidada. Esto explica la prevalencia del fraude en servicios bajo demanda, así como los productos de consumo de gama baja.

“Mientras que apreciamos algunos patrones consistentes en la conducta de los estafadores, por ejemplo la elevada velocidad de compra, su propensión a comprar a altas horas de la noche y su deseo por productos baratos o de entrega inmediata, vemos que la fuerza predictiva de estos patrones varía significativamente en función de la ubicación del negocio y del estafador online”, explica Michael Manapat, director de ingeniería para inteligencia y experiencia de pago en Stripe. “Por este motivo, recomendamos la utilización de herramientas anti fraude basadas en machine learning sobre grandes volúmenes de datos para asegurar que las empresas están haciendo el balance correcto entre la lucha contra el fraude y maximizar beneficios».

“Es crucial para los negocios online contar con una defensa robusta frente al fraude, especialmente durante las campañas de compra masivas”, sostiene Jordan McKee, analista principal de 451 Research. “El fraude online es muy complejo y cada vez más global, por lo que los responsables de negocios online deberían considerar externalizar las herramientas de protección frente al fraude y confiar en terceros especializados, que tienen acceso a grandes volúmenes de información en bases de datos fiables. Los proveedores más efectivos optimizan conjuntos de datos globales procedentes de cientos de miles de empresas para entrenar sus algoritmos de aprendizaje automático (machine learning) e identificar incluso patrones sutiles de fraude”.

Puedes descargar el informe completo en el blog de Stripe. Para más información sobre Radar, la herramienta de prevención de fraude, visita http://www.stripe.com/radar.

Metodología

Para realizar este estudio, Stripe ha analizado transacciones de cientos de miles de clientes en 25 países. El mapa de temperatura de ratios de fraude global por transacciones compartidas (página 2) incluye datos de 2016 y no contempla aquellos países con un volúmenes muy bajos de transacciones. El gráfico de fraude por día del mes (página 3) toma en consideración datos agregados del periodo 2014-2016 en todos los países donde Stripe opera, normalizado por horas de trabajo en cada franja horaria. El ratio de fraude por transacciones compartidas por hora y día (página 3, gráfico de abajo a la derecha) incluye datos de 2016 solamente y está normalizado en comparación con los de volumen de transacción por hora y día (página 3, debajo a la izquierda). Los gráficos por países (páginas 4 y 5) contemplan datos de 2016 y las distribuciones fraudulentas y no fraudulentas se normalizaron con el objetivo de la comparación. Finalmente, la compra del mismo proveedor y distribución de intervalo de tiempo entre transacciones (página 6) también incluye únicamente datos de 2016.