Falsche Ablehnungen: Ein Leitfaden für E-Commerce-Händler

Was ist eine falsche Ablehnung?

Eine falsche Ablehnung ist eine Online-Transaktion, die abgelehnt wird, weil sie fälschlicherweise als Betrug identifiziert wurde. Eine Umfrage von Statista ergab, dass im Jahr 2023 56 Prozent der US-Käufer bei Online-Einkäufen eine Ablehnung ihrer Zahlung erhielten. Dies war der höchste Wert im Vergleich zu anderen Ländern wie China oder dem Vereinigten Königreich.

Falsche Ablehnungen treten typischerweise auf, wenn ein Händler vorsichtig hinsichtlich Betrugs sein möchte – was eine gute Sache ist – aber gute Kunden übermäßig ablehnt, was mit hohen Kosten verbunden ist. Falsche Ablehnungen sollten allein für US-Händler im Jahr 2023 einen Verlust von 157 Milliarden Dollar (Nuvei) verursachen. Weltweit sollten falsche Ablehnungen 443 Milliarden US-Dollar überschreiten (Aite-Novarica), was den prognostizierten Verlust von 48 Milliarden US-Dollar durch tatsächlichen Kreditkartenbetrug im E-Commerce (Statista) bei weitem übersteigt.

Natürlich bedeutet übermäßiges Ablehnen, dass Händler nicht nur Geld auf dem Tisch liegen lassen, sondern auch potenziell Beziehungen zu loyalen Kunden schädigen, was sich negativ auf deren zukünftigen Lifetime Value auswirkt. Falsche Ablehnungen können Unternehmen Kunden kosten, wobei 41 % der Verbraucher weltweit sagen, dass sie nie wieder bei einer Marke einkaufen werden, nachdem eine falsche Ablehnung erfolgt ist.

Häufige Gründe für falsche Ablehnungen

Traditionell haben manuelle Betrugsüberprüfungsteams einen regelbasierten Ansatz für Bestellentscheidungen verwendet. Das bedeutet, dass sie bestimmte Faktoren bestimmen, die Betrug gegenüber Legitimität basierend auf den Details der Bestellung anzeigen könnten. Sobald diese Faktoren zu Entscheidungsregeln werden, werden einige Kunden fälschlicherweise abgelehnt, weil sie nicht in dieses starre Kriterium passen. Einige der häufigsten Gründe für falsche Ablehnungen können anhand spezifischer Verbraucherprofile zusammengefasst werden, wie nachfolgend beschrieben:

5 Arten von Verbrauchern, die falsche Ablehnungen erleben

• Die Büro-Käufer/-Versender: Obwohl dieses Verhalten nach COVID-19 zurückgegangen ist, ziehen es viele Kunden vor, Pakete im Büro zu empfangen, insbesondere in städtischen Gebieten. Diese Art von Käufern erlebt häufig falsche Ablehnungen, da ihre IP-Adresse und Lieferadresse nicht mit ihrer Rechnungsadresse übereinstimmen.
• Der Expat: Menschen, die in anderen Ländern leben, sind oft falschen Ablehnungen ausgesetzt, wenn sie weiterhin eine Kreditkarte aus ihrem Herkunftsland verwenden. Da internationale Kreditkarten in der Regel als Risiko angesehen werden, kann es vorkommen, dass eine Bestellung bei einem australischen Händler mit einer japanischen Kreditkarten-Bankidentifikationsnummer (BIN) automatisch abgelehnt wird.
• Der Tourist: Ähnlich wie Expats erleben auch ausländische Reisende, die während ihrer Reise Online-Bestellungen aufgeben, um Waren zu einem günstigeren Preis zu kaufen (z. B. Nike-Produkte in den USA im Vergleich zu Deutschland oder Burberry-Artikel im Vereinigten Königreich im Vergleich zu China), häufig falsche Ablehnungen. Abgesehen von der Frage der internationalen Kreditkarten können diese Kunden als „grenzüberschreitende“ Besteller angesehen werden, was ebenfalls als Risiko bei der Betrugserkennung gilt.
• Der Hochschüler: Viele Studenten gehen mit den Kreditkarten ihrer Eltern zur Hochschule. Wenn sie anfangen, Dinge online zu bestellen, die an das Studentenwohnheim geliefert werden sollen, kann dies nicht nur zu einer Diskrepanz zwischen Rechnungs- und Lieferadresse führen, sondern auch zu einer Diskrepanz zwischen dem Namen des Kunden und dem Namen des Kreditkarteninhabers. Das Muster vieler Bestellungen unter verschiedenen Namen, die von verschiedenen IP-Adressen an dieselbe Lieferadresse gesendet werden, kann wie Betrug aussehen.

Strategien zur Vermeidung falscher Ablehnungen

Jeder hat wahrscheinlich irgendwann in seinem Leben eines oder mehrere der oben skizzierten Verhaltensweisen gezeigt. Angesichts der Häufigkeit dieser Arten von Situationen könnte man denken, dass Betrugspräventionslösungen besser in der Lage wären, diese Nutzungsszenarien zu navigieren. Und doch kann der durchschnittliche Händler bis zu 5,5 % seines Jahresumsatzes durch diesen Fehler verlieren (laut Riskified Studie), was die Reduzierung falscher Ablehnungen zur obersten Priorität macht. Hier sind einige Strategien, die Händler umsetzen können, um falsche Ablehnungen zu vermeiden:

• Aktualisieren Sie Ihre automatischen Entscheidungsregeln: Einige dieser Regeln lehnen Bestellungen mit einer Diskrepanz zwischen Rechnungs- und Lieferadresse automatisch ab, aber in allen vier Kundenfällen war dies der Fall und die Kunden waren legitim. Generelle Regeln wie diese berücksichtigen nicht die Nuancen im Verbraucherverhalten und führen zu hohen Raten falscher Ablehnungen.
• Verwenden Sie Verhaltensanalytik: Das Verhalten eines Kunden während einer Einkaufssitzung kann ein enormes Indiz für die Legitimität sein. Betrüger gehen typischerweise direkt zur Kasse, während legitime Kunden sich Zeit nehmen, um zu stöbern und Waren zu vergleichen. Solche Indikatoren können Ihren Entscheidungsprozess bereichern und falsche Ablehnungen reduzieren.
• Begrenzen Sie Blocklisten: Das Verbraucherverhalten ändert sich ständig. Wenn Sie also Verhaltensvariablen oder Standorte auf eine Blockliste setzen, kann dies Ihre Möglichkeiten einschränken, weitere gute Bestellungen zu genehmigen. Beispielsweise galt Expressversand früher als sehr betrugsanfällig, doch im Vorfeld wichtiger Feiertage ist dies mittlerweile eine gängige Praxis für Last-Minute-Kunden geworden, die ihre Waren schnell erhalten möchten.
• Nutzen Sie maschinelles Lernen: Menschliche Analysten sind möglicherweise nicht so effektiv darin, größere Betrugsmuster zu erkennen. Eine Lösung zur Betrugsbekämpfung auf Basis von maschinellem Lernen verfügt jedoch über eine umfangreiche Historie mit Tausenden von Datenpunkten, darunter IP-Adressen und Geräte, um die Entscheidungsfindung auf der Grundlage der zu einem bestimmten Zeitpunkt einflussreichsten Datenkombinationen einer Bestellung zu verfeinern. Das Ergebnis ist ein genaueres und anpassungsfähigeres Verständnis von Einkaufsmustern.
• Bewerten Sie digitale Identitäten: Mit einem differenzierteren Verständnis digitaler Identität können Sie das Risiko auf individueller Basis bewerten und mehr als nur Namen und Adressen unterscheiden. KI-gestützte Technologien wie Identity Explore helfen, Ihre Sicht auf die Identität eines Kunden über deren einzelnes Profil hinaus zu erweitern, und stellen Ihrem Betrugsteam Tausende von Datenpunkten über Transaktionen, Cookies, E-Mails und Telefonnummern zur Verfügung. Mit diesen Echtzeit-Einblicken ausgestattet, können Händler gute von schlechten Kunden an der Kasse unterscheiden.