Sono sempre più numerose le imprese che si affidano al BNPL, ma come contrastare le frodi?

Per migliorare l’esperienza di acquisto dei clienti e favorire un aumento dei tassi di conversione, un numero sempre più elevato di imprese sceglie di fornire i propri servizi in modalità Buy-Now-Pay-Later (BNPL). Considerando che il 78% dei consumatori in tutto il mondo afferma che la propria opinione di un brand migliora se può optare per il BNPL al momento del checkout, è chiaro che offrire questa modalità di pagamento è ormai essenziale nel panorama dell’e-commerce.

Secondo una ricerca condotta da Experian su oltre 3.000 consumatori, 3 intervistati su 4 hanno utilizzato il BNPL nell’ultimo anno e l’11% lo utilizza settimanalmente per effettuare acquisti, a riprova dell’ampia diffusione e la popolarità di questo metodo di pagamento alternativo. Per l’Italia, il Rapporto sul Credito Italiano – Trends & Insights di Experian ha rilevato una costante crescita degli utilizzatori, con +300% di richieste rispetto a giugno 2020 e uno spaccato sociodemografico sempre più trasversale: se, da un lato, Millennial e GenZ utilizzano regolarmente il BNPL per i loro acquisti, rappresentando il 63% degli utenti totali, dall’altro Experian ha rilevato come l’utilizzo di questa forma di finanziamento digitale sia aumentata anche tra over-75 (+135% rispetto a giugno 2020) e Baby Boomers (+44,5% rispetto a giugno 2020).

Tuttavia, proprio questa rapida ascesa ha attirato l’attenzione dei truffatori.

Il fulcro del BNPL è la velocità e la facilità con cui i consumatori possono accedere al credito, ma proprio queste qualità lo rendono più vulnerabile alle frodi. Esistono tuttavia tecnologie all’avanguardia per contrastarle, pur continuando a fornire un servizio agile e conveniente agli esercenti.

Perché le frodi sono un problema per il BNPL?

Le ragioni principali per cui le piattaforme BNPL sono particolarmente vulnerabili alle frodi sono tre: la prima è dovuta al modo in cui i pagamenti BNPL sono strutturati. I clienti pagano inizialmente solo una piccola somma – di solito il 25% – del costo totale del bene/servizio. Questo rende la piattaforma attraente per i truffatori, che possono accedere ai beni a una frazione del loro valore reale.

Le piattaforme BNPL sono progettate per essere il più possibile prive di attriti, dal momento che la decisione di accedere a questo credito viene presa in pochi secondi. Rispetto a una tradizionale richiesta di prestito o all’utilizzo della carta di credito, questo processo prevede un numero molto inferiore di passaggi per l’autenticazione dell’identità e la verifica del merito creditizio e raramente include l’autenticazione a due fattori. Ecco, quindi, che i truffatori possono accedere alle credenziali di accesso dei clienti attraverso complessi attacchi di phishing e poi utilizzarle per condurre frodi BNPL.

In molte regioni si sta lavorando allo sviluppo di regolamenti per disciplinare l’uso del BNPL, ma l’implementazione potrebbe richiedere ancora anni. In assenza di un quadro normativo, sono i fornitori di questo metodo di pagamento a dover sviluppare proprie strategie di controllo sull’identità e sul credito. La sfida consiste nel bilanciare un processo di checkout rapido e semplice con un’adeguata prevenzione delle frodi, che dipende in larga misura dall’accuratezza della soluzione antifrode utilizzata.

Quali tipi di frode colpiscono i fornitori di BNPL?

La maggior parte dei casi di frode che colpiscono chi fornisce servizi di BNPL rientrano nell’ambito del furto di identità. I truffatori ottengono informazioni da attacchi di phishing o acquistandole nel dark web per creare identità sintetiche – che combinano dati reali con dati falsi – per dare vita a nuovi conti BNPL o rilevare conti esistenti.

Esistono però anche altri tipi di frode:

• Acquisizione del conto: rispetto al tempo e allo sforzo necessari per creare un’identità sintetica, è molto più facile per un truffatore appropriarsi di un conto BNPL esistente. In questo modo è possibile modificare i dettagli dell’indirizzo di consegna e fare acquisti beneficiando anche di limiti del credito più elevati di cui godono i clienti acquisiti.
• Buy-Now–Pay-Never: può accadere sia nel caso di un cliente regolare che di un truffatore che utilizzi dati rubati per accedere a beni e servizi con un piano BNPL. Una volta che il commerciante ha consegnato il prodotto, il truffatore sparisce senza completare i pagamenti rimanenti.
• Addebiti: ogni volta che un acquisto viene contestato e segnalato direttamente alla banca del cliente, il risultato è solitamente un chargeback. In alcuni casi si tratta di clienti legittimi che abusano di questo sistema con l’intenzione di tenersi il prodotto e di essere rimborsati: è la cosiddetta “frode amichevole”. Tuttavia, i chargeback sono anche una tattica comunemente utilizzata dai truffatori professionisti.
• Abuso di restituzione: la maggior parte dei commercianti digitali offre un qualche tipo di politica di reso, che può essere abusata dai truffatori che restituiscono l’articolo dopo averlo già utilizzato o addirittura ne restituiscono uno completamente diverso. Questo tipo di frode è difficile da individuare, poiché i truffatori spesso utilizzano la propria identità e poi affermano falsamente che l’articolo non è stato consegnato o che mancano dei componenti o che è stato danneggiato.

In un contesto sempre più competitivo, i provider di BNPL in grado di fornire ai propri clienti una protezione avanzata contro le frodi saranno in vantaggio. Dato l’ambiente non regolamentato, è essenziale che i commercianti si assicurino che il loro fornitore di BNPL utilizzi la tecnologia più recente per verificare proattivamente i clienti e ridurre le perdite dovute alle frodi.

Come possono i fornitori di BNPL ridurre le frodi?

La ragione principale del successo del modello BNPL è che offre ai consumatori un accesso istantaneo al credito: il mantenimento di questo semplice prestito presso il punto vendita è un elemento essenziale di questo metodo di pagamento. Come possono quindi i fornitori di BNPL offrire un servizio senza attriti, pur disponendo del miglior sistema possibile di prevenzione delle frodi?

Per continuare a offrire un’esperienza di checkout veloce e sicura, i fornitori di BNPL devono utilizzare le nuove tecnologie per valutare più accuratamente le frodi, ma in modo passivo, senza interferire con l’esperienza del cliente. A tal fine, le aziende si rivolgono sempre più all’intelligenza artificiale, al Machine Learning (ML) e al fingerprinting dei dispositivi per esaminare in maniera discreta i potenziali clienti in tempo reale.

La potenza del machine learning

La potenza analitica ad alte prestazioni del ML consente ai fornitori di BNPL di identificare le frodi in modo molto più accurato rispetto all’utilizzo delle sole regole di frode. Il ML è in grado di creare connessioni tra i casi di frode precedenti e le nuove transazioni nel momento in cui si verificano, per identificarle e prevenirle in modo proattivo.

Con la tecnologia ML, i fornitori di BNPL possono analizzare le transazioni in modo molto più efficiente, non solo individuando schemi che sarebbero sfuggiti ai sistemi tradizionali, ma automatizzando larga parte delle decisioni tradizionalmente condotte manualmente dai team interni che si occupano di frodi.

Un altro importante vantaggio del ML è che i modelli possono essere continuamente aggiornati per includere le minacce di frode più recenti. Ogni nuovo caso può essere aggiunto al modello per consentirgli di essere all’avanguardia nei trend di frode. Anche i casi di revisione manuale possono essere aggiunti al modello, in modo da fornire progressivamente raccomandazioni più accurate.

Tracciamento e verifica dei dispositivi

Il rilevamento delle impronte digitali dei dispositivi è un’altra tecnologia che può migliorare notevolmente lo screening delle frodi per i fornitori di servizi BNPL, in quanto consente di raccogliere e analizzare i dati di identità univoci da ogni dispositivo che utilizza la piattaforma.

Combinando il ML con il fingerprinting dei dispositivi in un approccio multilivello, i fornitori di servizi BNPL possono analizzare il comportamento dei clienti e i dati dei dispositivi in una frazione di secondo per identificare i truffatori prima che effettuino un acquisto. Questo processo avviene automaticamente, in modo che i clienti legittimi non subiscano alcun tipo di inconveniente, in quanto passano direttamente al checkout.

Analizzando la posizione del dispositivo, il sistema operativo, il timestamp e altri dati, ML e fingerprinting consentono di identificare anche il minimo cambiamento nel comportamento dell’utente che possa essere indicativo di un tentativo di frode. Monitorando gli accessi agli account per i nuovi dispositivi, i cambiamenti di indirizzo IP e le reimpostazioni delle password, i fornitori di servizi BNPL possono segnalare comportamenti sospetti prima che il truffatore passi alla fase di pagamento.

Francesca Boncompagni

Head of Customer Solution, Italy, Experian