Warum verlieren Händler Käufer mit hoher Kaufabsicht?

Im Jahr 2019 gaben deutsche Unternehmen 7.28 Milliarden Euro für digitale Werbung aus – dies ist ein Anstieg von 9.8% im Vergleich zu 2018. Händler investieren so viel Geld, um mehr Käufer anzulocken sowie durch den Funnel bis zum Checkout zu geleiten. Der Anteil an Käufern, die letztendlich auf den Jetzt-Kaufen-Button klicken, um ein Produkt kostenpflichtig zu erwerben ist jedoch verschwindend gering. Dazu kommt noch, dass viele Käufer am Checkout abgelehnt werden. Resultat dieser Ablehnungen sind verlorene Umsätze und vor den Kopf gestoßene Kunden, die mitunter nie wieder bei diesem Händler einkaufen werden. In diesem Blogpost möchte ich daher auf die Hauptgründe eingehen, warum Käufer mit einer hohen Kaufabsicht am Checkout abgewiesen werden und was Händler dagegen unternehmen können.

Warum werden Kunden mit hoher Kaufabsicht abgelehnt?

Von allen Käufern, die eine Website besuchen sehen sich weniger als 50% ein bestimmtes Produkt an. Von diesen fügen weniger als ein Drittel ein Produkt dem Einkaufswagen hinzu und nur ein Bruchteil dieser Käufer – in etwa 3% – gehen letztendlich zum Checkout. Bei diesen Käufern handelt es sich um Kunden mit einer hohen Kaufabsicht. Sie sind fest dazu entschlossen ein Produkt zu erwerben.

Erstaunlicherweise werden viele Käufer am Checkout abgelehnt, obwohl es sich bei diesen um legitime potentielle Kunden handelt, die sich den Kauf durchaus leisten können. Diese Ablehnungen sind ein Ergebnis von Filtern zur Betrugsprävention sowie Entscheidungsfindungen von Herausgeberbanken. Die Gründe, warum es zu einer Ablehnung kommt sind unterschiedlich, von ungewöhnlichen Einkaufsmustern bis hin zu Unstimmigkeiten von Daten.

Andere Käufer wiederum verlassen eine Website, wenn das Einkaufserlebnis nicht so nahtlos war, wie erhofft. Diese Friktion könnte das Resultat eines unnötigen Verifizierungsprozesses sein, der für den Käufer zu umständlich oder Zeitintensiv war. Kunden können zum Beispiel gebeten werden, ihre Identität per E-Mail, SMS oder 3D-Secure zu verifizieren.

Hinter den meisten fälschlich abgelehnten Transaktionen stecken zu strenge oder veraltete regelbasierte Betrugspräventionssysteme. Einige Betrugspräventionssysteme blocken zum Beispiel ganze Regionen oder lehnen alle Bestellungen ab, die eine unterschiedliche Rechnungs- und Lieferadresse aufweisen. 

Andere Käufer werden von Banken, die Kreditkarten herausgeben, aufgrund von Verarbeitungssystemen abgelehnt, da diese oft kein Risiko eingehen wollen und nicht Umsatzorientiert agieren. Bei diesen abgelehnten Bestellungen handelt es sich um nicht traditionelle Einkaufsmuster, wie zum Beispiel Bestellungen, die einen hohen Wert haben, Bestellungen, die große Mengen aufweisen oder einfach Bestellungen, die ungewöhnlich erscheinen. Ungewöhnliche Bestellungen sind zum Beispiel, wenn ein älterer Mitbürger 20 iPhones der neuesten Generation kauft oder ein Kunde der über Jahre Produkte für kleine Geldbeträge erworben hat plötzlich Gold im Wert von 10.000 Euro erwirbt.

Zusätzlich macht Friktion den Käufern das Leben schwer. Für Händler ist es jedoch regelrecht ein Balanceakt ihre Websites sowie ihre Kunden vor Betrug zu schützen und ihnen dennoch ein nahtloses Einkaufserlebnis zu ermöglichen. Wenn Händler ihre Websites oder Apps optimieren, oder neue Omnichannel-Strategien in ihre Verkaufsstrategie integrieren schaffen sie unbeabsichtigt neue Schwachstellen, von denen Betrüger profitieren können. Wenn Käufer um eine zusätzliche Identifizierung gebeten werden kann dies das Einkaufserlebnis unnötig erschweren. Das Ergebnis ist, dass Kunden, die bereits fest dazu entschlossen waren ein bestimmtes Produkt zu erwerben, den Kaufvorgang abbrechen und damit nicht in zahlende Kunden konvertiert werden. Schlimmer noch, sie könnten das Produkt bei einem Konkurrenten erwerben, dessen Website besser optimiert ist und weniger Friktion aufweist.

Was können Händler dagegen tun?

Um Friktion gegenzusteuern oder sich nicht mehr auf diese verlassen zu müssen brauchen Händler ein System auf dessen Entscheidungen sie vertrauen können. Mit Hilfe adäquater Technologie kann dieses System den Kunden, sein Gerät sowie seine IP genau identifizieren. In anderen Worten, das System muss sicherstellen, dass die Geschichte eines jeden Kunden, die jeder Bestellung zugrunde liegt, stimmig ist. Händler müssen sich dann nicht mehr auf Friktion verlassen oder sich sorgen über falsche Ablehnungen machen. Ein Betrugspräventionssystem, das auf maschinellem Lernen beruht, anstatt auf strikten Regeln, kann diese Probleme angehen, indem es sich weniger auf einzelne Datenpunkte stützt, die als riskant empfunden werden können.

Stattdessen kann es Risikofaktoren, die auf dem Einkaufsverhalten der Kunden basieren, sowie sich entwickelnde Betrugsmuster ermitteln. Wenn das ML-Modell gut trainiert ist, kann es sich schnell an Veränderungen der Einkaufs- und Betrugstrends anpassen, unabhängig davon, von welchem Gerät oder woher diese kommen, um legitime Bestellungen besser von betrügerischen unterscheiden zu können.

Es gibt jedoch verschiedene Gründe, warum Herausgeberbanken Kunden ablehnen. Händler können einen Teil entgangener Einnahmen, welche aus abgelehnten Bestellungen von Herausgeberbanken zustandekommen, wieder wettmachen, indem sie alternative Zahlungsmethoden anbieten, die veraltete Banksysteme umgehen. Genau aus diesem Grund sollten Händler ein Betrugspräventionssystem nutzen, welches sich das Know-How im Bereich der Betrugsaufdeckung zu Nutze macht, um keine Einnahmen einzubüßen.

Hohe Kaufabsicht: Steigern Sie Ihren Umsatz

Angesichts des Zeitaufwands, der Ressourcen und des Aufwands, den Händler benötigen, um Käufer auf ihre Websites zu bringen, sollten sie keine zusätzlichen Kosten auf sich nehmen müssen, die durch das Ablehnen legitimer Kunden entstehen. Im Gegenteil! Genehmigungen legitimer Bestellungen sowie die Minimierung falscher Ablehnungen wird einfacher, wenn Händler Systeme zur Betrugsprävention in Ihre Websites integrieren, die riesige Datenmengen in Echtzeit überprüfen können.

Diese Art von Betrugspräventionslösung nutzt Verhaltensanalysen und stützt sich auf ein ausgedehntes Netzwerk branchenübergreifender Datenverknüpfungen, um Verbraucher und ihre Einkaufshistorie zu identifizieren. Dank dieser innovativen Technologie können Händler Zustimmungsraten erhöhen und ihren Gewinn steigern sowie sich voll und ganz auf das konzentrieren, was sie am besten können: online verkaufen und Kunden mit einer hohen Kaufabsicht glücklich machen. Wenn Sie Fragen haben oder mehr erfahren möchten besuchen Sie bitte unsere Website oder wenden Sie sich bitte an [email protected].