El fraude online aumenta cuando baja la actividad consumista

Tras analizar las operaciones online de cientos de miles de empresas alrededor del mundo en los últimos años, Stripe ha publicado un informe sobre el fraude en el pago con tarjeta de crédito.

Este informe revela, en primer lugar, que el ratio de fraude no es uniforme, sino que varía significativamente según el lugar en el que se expide la tarjeta. De hecho, ese ratio puede llegar a multiplicarse por tres si se compara un país con otro. Stripe dice que España es junto a Singapur uno los países en los que los estafadores consiguen tener menos éxito.

Stripe también explica que, a pesar de que la introducción de las tarjetas con chip ha reforzado las compras físicas, los estafadores están concentrándose en las tiendas online. Y en internet, por cada euro defraudado, el negocio online llegaría a perder 2,2 euros adicionales.

Un dato destacable es que las transacciones fraudulentas que se realizan por internet suelen estar vinculadas a operaciones pequeñas. Esto “es sorprendente”, comentan desde Stripe, “ya que los ciberdelincuentes no están pagando por los productos que compran”. Sus preferencias se orientan a productos que no tienen que enviarse al domicilio del comprador y que, en cambio, tienen la opción de recogida en un lugar público. De este modo, los productos de gama baja y los servicios bajo demanda son populares para los defraudadores.

Al final, los ciberdelincuentes se acabarían delatando por acometer cargos repetidos con la misma tarjeta en las mismas empresas, pero con una velocidad diez veces superior a la de los usuarios legítimos.

Stripe también desvela que los mayores niveles de fraude online se producen en días y horas de menor actividad consumista. Por ejemplo, en pleno día de Navidad o por Reyes, cuando los titulares de las tarjetas ya han realizado sus compras, y no durante las rebajas y fenómenos tipo Black Friday. A los ciberdelincuentes les gustaría actuar durante altas horas de la noche.

“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”, indica Michael Manapat, director de ingeniería para inteligencia y experiencia de pago en Stripe, lo cierto es que “vemos que la fuerza predictiva de estos patrones varía significativamente en función de la ubicación del negocio y del estafador online”.

“Por este motivo”, señala Manapat, “recomendamos la utilización de herramientas antifraude 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”.