I pagamenti come problema di ottimizzazione in più fasi

L'ottimizzazione dei pagamenti viene spesso inquadrata come un problema di tasso di autorizzazione, ma l'autorizzazione è solo un componente di un sistema più ampio. Ogni transazione passa attraverso checkout, valutazione delle frodi, autenticazione, autorizzazione, liquidazione e contestazioni, con punti decisionali distinti in ogni fase. Queste decisioni sono interdipendenti: un modello di frode che blocca in modo troppo aggressivo potrebbe ridurre la percentuale delle contestazioni ma anche la conversione, mentre una strategia di autenticazione che riduce al minimo le problematiche senza tenere conto del rischio aumenterà i respingimenti e le contestazioni.

Stripe applica le ottimizzazioni in ogni fase, dalla personalizzazione del modulo di checkout alla decisione se richiedere l'autenticazione 3DS o un'esenzione, fino alla formattazione dei campi di un messaggio di autorizzazione. Durante l'intero ciclo di pagamento, queste ottimizzazioni producono ricavi incrementali per 27 miliardi di dollari all'anno, riducono le frodi in media del 38% e riducono i costi di elaborazione fino al 3,3% per le attività che utilizzano Stripe.

1. Checkout

La maggior parte delle transazioni non andate a buon fine non arriva mai all'autorizzazione; si perdono al momento del checkout. Un cliente nei Paesi Bassi che non vede iDEAL potrebbe abbandonare il carrello. Un cliente in Brasile che vede i prezzi in USD potrebbe esitare perché il costo finale con le commissioni di cambio è incerto. Un cliente che sta valutando un acquisto di importo elevato senza la possibilità di frazionare i pagamenti con un fornitore di servizi di pagamento a rate potrebbe decidere di non acquistare affatto.

Personalizzazione del modulo di checkout

Il checkout ottimale varia a seconda della transazione. La scelta dei metodi di pagamento, il loro ordine, la valuta visualizzata, i campi obbligatori da mostrare nel modulo e la decisione di avviare un intervento antifrode dipendono tutti da chi è il cliente, dove si trova, cosa sta acquistando e quale dispositivo sta utilizzando.

Stripe considera questi aspetti come una serie di decisioni in tempo reale. La selezione del metodo di pagamento ne è un esempio: i modelli di IA di Stripe, addestrati su miliardi di transazioni, selezionano quali metodi di pagamento visualizzare per ogni sessione di checkout in base a segnali relativi alla sessione stessa, come il tipo di dispositivo, le impostazioni locali del browser e la disponibilità dei metodi di pagamento, oltre a segnali a livello di rete, come quali metodi di pagamento funzionano meglio per attività e clienti simili. E poiché l'insieme ottimale di metodi di pagamento cambia al variare del comportamento dei clienti, delle preferenze regionali e della disponibilità dei metodi di pagamento, il sistema esplora continuamente anche le prestazioni di nuove configurazioni.

La valuta è un'altra variabile ad alto impatto. La maggior parte dei clienti preferisce pagare nella propria valuta locale e Adaptive Pricing di Stripe utilizza un modello di IA che prevede la preferenza valutaria del cliente, contribuendo a generare un aumento del 17,8% dei ricavi transfrontalieri.

L'effetto di rete delle credenziali salvate

Anche un checkout ottimizzato crea comunque attrito se il cliente deve digitare il numero della carta. Per i clienti abituali, tale attrito è superfluo. Link, un wallet creato da Stripe, lo elimina. Se un cliente ha un metodo di pagamento salvato con Link, Stripe può riconoscerlo utilizzando cookie, dettagli dell'account o altri segnali di autenticazione. Il cliente può quindi effettuare il pagamento più rapidamente presso qualsiasi attività commerciale che supporti Link, comprese quelle che non ha mai visitato prima.

Ogni nuova attività commerciale che adotta Link migliora l'esperienza dei clienti su tutta la rete, e ogni credenziale aggiuntiva aumenta il valore di Link per le attività. Link conta ora oltre 200 milioni di metodi di pagamento salvati, e le attività con un'ampia base di clienti abituali hanno registrato un aumento della conversione degli utenti abituali pari in media al 14%.

Le attività su Stripe Checkout hanno registrato una crescita del volume dei pagamenti in media due volte superiore rispetto a quelle che non utilizzano la suite di ottimizzazione dei pagamenti di Stripe.

2. Valutazione delle frodi

Dopo un tentativo di pagamento, l'obiettivo passa dalla conversione alla valutazione della legittimità della transazione, utilizzando un'intelligenza artificiale addestrata su dati provenienti da milioni di attività e da un volume di pagamenti annuo superiore a un trilione di dollari. Per i pagamenti con carta, c'è una probabilità superiore al 92% che Stripe abbia già visto una determinata carta. E la rete di Stripe si estende ben oltre le carte: osserviamo correlazioni tra metodi di pagamento, dispositivi e modelli di transazione che aiutano a distinguere l'attività legittima dalla frode. I modelli antifrode di Stripe utilizzano questi segnali aggregati per valutare il rischio di ogni transazione.

Valutazione del rischio

Modalità di frode diverse richiedono modelli e segnali diversi. Il testing delle carte, ad esempio, presenta una firma diversa rispetto alla frode con carta rubata, in cui una persona reale tenta di acquistare qualcosa utilizzando il metodo di pagamento di qualcun altro. Anche nell'ambito della frode con carta rubata, Stripe mantiene diverse previsioni distinte: se è probabile che la carta sia stata rubata, se è probabile che la transazione dia luogo a una contestazione per frode, se è probabile che inneschi un preavviso di frode da parte della rete della carta e se Stripe valuta in modo indipendente la transazione come fraudolenta, anche se è improbabile che la banca la contesti.

I modelli di rilevamento delle frodi di Stripe Radar si basano su tre livelli di segnali. Il primo è la rete Stripe stessa: modelli aggregati relativi a tutte le attività e le transazioni su Stripe. Il secondo è costituito da dati esterni, tra cui credenziali di carte compromesse raccolte da Internet. Il terzo utilizza segnali specifici per le attività: Radar apprende modelli unici per ogni attività e li utilizza per confrontare le nuove attività con il comportamento abituale di quell'attività.

Le previsioni possono essere utilizzate in modo diverso a seconda della propensione al rischio di un'attività. Un'attività altamente avversa al rischio potrebbe bloccare tutte le frodi previste, indipendentemente dal fatto che la società emittente le contesti o meno. Un'attività orientata a massimizzare la conversione potrebbe scegliere di bloccare solo le transazioni che potrebbero comportare una contestazione per frode. Un'attività che si avvicina alla soglia di monitoraggio del brand della carta potrebbe bloccare sia le contestazioni per frode, sia le transazioni che potrebbero attivare dei preavvisi di frode.

L'ambito di queste previsioni si sta espandendo. Storicamente, i modelli di frode si concentravano sulle carte rubate e sul testing delle carte. Tuttavia, stanno emergendo nuovi modelli di frode e abuso, soprattutto perché i malintenzionati prendono sempre più di mira i servizi di IA con elevati costi di calcolo, sfruttando le prove gratuite o accumulando fatture di utilizzo che non vengono pagate. Non si tratta di forme tradizionali di frode nei pagamenti, ma richiedono la stessa disciplina per essere affrontate: previsioni distinte, addestrate sui segnali giusti, utilizzate per guidare la risposta giusta.

Scegliere l'intervento giusto

La valutazione del rischio non specifica una politica di intervento. La risposta più semplice è bloccare una transazione rischiosa, ma un falso positivo comporta una perdita di ricavi. La domanda è se esiste un modo meno costoso per mitigare il rischio.

Stripe considera la scelta dell'intervento come un problema di banditismo contestuale, scegliendo tra una serie di azioni, come la presentazione di un CAPTCHA o la richiesta di 3DS, e modellando il risultato atteso di ciascuna. L'impatto varia a seconda del contesto: molti emittenti statunitensi, ad esempio, hanno bassi tassi di completamento del 3DS e l'aggiunta di una richiesta di 3DS su tali emittenti potrebbe non ridurre le frodi, ma danneggerà sicuramente la conversione.

Per ogni potenziale intervento, Stripe stima l'impatto sulla conversione, sui costi e sui tassi di frode. Il modello seleziona l'intervento che massimizza il profitto atteso, tenendo conto del profilo di rischio della transazione, delle preferenze di rischio dell'attività e della società emittente e del metodo di pagamento specifici coinvolti.

In base a queste previsioni e interventi, Radar riduce le frodi in media del 32% per le attività che utilizzano Stripe, bloccando al contempo meno dello 0,05% di transazioni legittime.

3. Autenticazione

La sezione precedente ha descritto come Stripe decide se richiedere l'autenticazione. Questa sezione si concentra su ciò che accade quando si sceglie il percorso 3DS. Il 3DS non è un flusso unico. Si tratta di una famiglia di opzioni con implicazioni diverse in termini di conversione, costo e conformità, e la scelta giusta dipende dal rischio della transazione, dal contesto normativo e dalla specifica società emittente coinvolta.

Ottimizziamo contemporaneamente tre obiettivi in competizione tra loro: conformità normativa, prevenzione delle frodi e conversione. Ciò richiede decisioni specifiche per ogni transazione che tengano conto dei segnali di rischio, del contesto del dispositivo e del comportamento della società emittente per scegliere tra una verifica completa, un'esenzione senza attrito, uno scambio di dati dietro le quinte o nessuna autenticazione.

Esenzioni e richieste di autenticazione

Il motore di autenticazione di Stripe utilizza i punteggi di frode di Radar per instradare le transazioni idonee attraverso il percorso con il minor attrito disponibile. Le transazioni a basso rischio al di sotto della soglia normativa utilizzano un'esenzione di basso valore, saltando completamente l'autenticazione. Al di sopra di tale soglia, il motore richiede un'esenzione TRA, ove applicabile. Le transazioni a rischio moderato potrebbero utilizzare l'autenticazione "Data Only", che condivide le impronte digitali del dispositivo e il contesto della transazione con la società emittente dietro le quinte, in modo che il cliente non veda mai una richiesta di verifica. Una richiesta di verifica 3DS completa è riservata ai casi in cui il rischio lo giustifichi o non sia disponibile alcuna esenzione.

Il punteggio di frode è la variabile che determina la ramificazione in ogni nodo e il motore si adegua al comportamento della società emittente: alcune società emittenti approvano i flussi dei soli dati in modo affidabile, altri non lo fanno e Stripe esegue l'instradamento di conseguenza. In base ai volumi europei, l'autenticazione dei soli dati produce 147 milioni di $ di aumento del volume dei pagamenti autorizzati e oltre 2,5 milioni di $ di risparmio mensile per le attività.

Ottimizzazione del timeout dell'impronta

La scelta di un percorso di autenticazione è solo una parte della sfida. Anche i dettagli di implementazione all'interno di un determinato percorso sono importanti. Considera il fingerprinting, il primo passaggio opzionale di qualsiasi flusso 3DS. Il fingerprinting 3DS acquisisce informazioni sul dispositivo e sul browser tramite un iframe per aiutare la banca emittente a valutare il rischio della transazione. È un passaggio opzionale del protocollo, supportato dal 60% delle transazioni elaborate su Stripe, e può migliorare la conversione quando ha esito positivo. Tuttavia, introduce anche una latenza aggiuntiva, a causa del quale l'autenticazione completa potrebbe non andare a buon fine.

Stripe ha eseguito un test A/B multivariato per determinare il tempo ottimale di attesa per il fingerprinting prima di procedere senza di esso. Si tratta di un compromesso diretto: se si aspetta troppo a lungo, la conversione fallisce a causa della latenza; se si procede troppo rapidamente, la società emittente perde le informazioni che avrebbero potuto migliorare la sua decisione. Il timeout ottimale varia a seconda del dispositivo e della società emittente. Da marzo 2025, questa ottimizzazione ha recuperato più di 39 milioni di $ in pagamenti.

3DS come strategia di ripetizione dei tentativi

La maggior parte degli elaboratori considera definitivo un rifiuto legato al rischio. Sorprendentemente, i nostri test hanno rilevato che l'aggiunta dell'autenticazione a posteriori può recuperare il pagamento. Detto questo, l'autenticazione 3DS aggiunge latenza, introduce attrito e comporta un proprio costo di elaborazione. Quindi, la domanda non è semplicemente: "Il 3DS aiuterebbe a recuperare questo pagamento?", ma piuttosto: "Il valore atteso di un nuovo tentativo con il 3DS supera il costo di tale tentativo?"

Stripe lo determina direttamente in base al particolare motivo del rifiuto del pagamento, alla società emittente, al tipo di carta e al profilo della transazione. Alcuni codici di rifiuto del pagamento sono quasi deterministici (la carta non è effettivamente valida e nessuna autenticazione cambierà quel dato). Altri indicano che la società emittente vorrebbe essere maggiormente certa della presenza del titolare della carta e una richiesta 3DS fornirebbe appunto questa certezza. Il modello apprende quali codici, e di quali società emittenti rispondono all'autenticazione, e procede con i nuovi tentativi solo quando il recupero previsto giustifica il costo. Questa ottimizzazione ha aumentato di oltre 1 miliardo di $ all'anno il volume globale dei pagamenti autorizzati.

4. Autorizzazione

Una volta che è stato valutato se una transazione è fraudolenta ed è stata eventualmente autenticata, viene sottoposta alla banca emittente per l'autorizzazione. In questo caso Stripe migliora i risultati attraverso l'instradamento, l'ottimizzazione dei messaggi di autorizzazione e i tentativi successivi.

Instradamento

Stripe può instradare i pagamenti su più gateway e percorsi, come le reti di addebito regionali, e può selezionare il percorso più conveniente per il primo tentativo. Per molti pagamenti, in realtà i percorsi alternativi danneggiano la conversione, quindi i modelli imparano dove i percorsi riducono i costi senza sacrificare l'accettazione. Il calcolo cambia a ogni nuovo tentativo: se una transazione di addebito con firma viene rifiutata, l'instradamento del nuovo tentativo attraverso i percorsi di addebito può recuperarla.

Messaggi di autorizzazione

Il contenuto del messaggio ISO 8583 ricevuto dalla società emittente e il contesto che lo circonda influiscono in modo significativo sull'approvazione di un pagamento. Stripe lo ottimizza su diversi fronti.

In primo luogo, Stripe sperimenta continuamente la formattazione e il contenuto dei campi ISO tra società emittenti, tipi di carte e aree geografiche diverse. Il volume della rete Stripe significa che anche gli esperimenti con effetti previsti di piccole dimensioni raggiungono la significatività statistica nel giro di poche ore. Molte modifiche andate a buon fine sono piccole, ma in scala di rete anche i miglioramenti delle dimensioni con effetto ridotto possono essere misurati rapidamente e producono un impatto aggregato del valore di decine di milioni di dollari all'anno. Stripe esegue decine di questi esperimenti ogni settimana e i guadagni aumentano nel tempo.

Il secondo è la condivisione dei segnali di rischio di frode con le società emittenti. Le società emittenti hanno una propria visione del rischio, spesso basata sulla cronologia di spesa del titolare della carta, sulla posizione dell'account e sul comportamento del portafoglio. Tuttavia, non vedono gli stessi modelli di business nella rete che Stripe è in grado di vedere, ad esempio i modelli fraudolenti associati a un determinato indirizzo email o recapito di spedizione. Per colmare questo divario, Stripe ha creato la Enhanced Issuer Network, cioè integrazioni dirette di Radar per la condivisione dei dati con le società emittenti, tra cui Capital One, Discover e American Express. Quando Stripe ritiene che una transazione è a basso rischio, la condivisione di quella segnalazione aiuta a evitare i falsi rifiuti.

Il terzo punto riguarda le credenziali della carta. Le credenziali obsolete sono una fonte significativa di rifiuti inutili. Stripe utilizza token di circuito e utilità di aggiornamento carte per mantenere aggiornate le credenziali, ma l'ottimizzazione non si limita ad abilitare questi strumenti. I token di circuito migliorano generalmente i tassi di autorizzazione e riducono i costi, ma ci sono sacche di traffico in cui ciò non avviene: società emittenti con scarso supporto dei token che incide sui tassi di autorizzazione o schemi di transazioni in cui aumentano le frodi. Stripe impara quali sono i punti in cui i token sono o non sono d'aiuto, applicandoli in modo selettivo.

Ripetizioni dei tentativi

Alcuni pagamenti rifiutati possono essere recuperati. Un pagamento rifiutato per motivi non gravi, come i fondi insufficienti o la temporanea indisponibilità della società emittente, potrebbe andare a buon fine al secondo tentativo con tempistiche o percorsi diversi. Stripe ripete i tentativi in modo sincrono al momento dell'addebito, selezionando un gateway alternativo o modificando il messaggio in base al motivo del rifiuto del pagamento. Per i pagamenti esterni alla sessione, come gli abbonamenti, Stripe ripete i tentativi in modo asincrono mediante solleciti intelligenti, utilizzando modelli che prevedono quando è più probabile che siano disponibili i fondi, anziché ripetere i tentativi con una frequenza fissa.

Nel complesso, l'Authorization Boost di Stripe-che comprende routing, ottimizzazioni dei messaggi e della società emittente e gestione delle credenziali-aumenta i tassi di accettazione in media del 3,8% e riduce i costi di elaborazione fino al 3,3% per le attività IC+.

5. Liquidazione

Un'autorizzazione riuscita non esaurisce l'area ottimizzabile. Tra l'autorizzazione e il regolamento dei pagamenti, Stripe ottimizza per due motivi: ridurre il costo del regolamento della transazione e individuare le frodi che sono visibili solo dopo l'autorizzazione.

Riduzione dei costi

Il rimborso di una transazione già liquidata è costoso. Con gli addebiti negli Stati Uniti, le commissioni d'interscambio non vengono restituite, e questo rende un rimborso dopo la liquidazione del pagamento fino a 24 volte più costoso rispetto allo storno dell'autorizzazione prima della liquidazione. Stripe prevede quali transazioni potrebbero dover essere rimborsate poco dopo l'acquisizione, quindi ritarda la liquidazione per un breve periodo di tempo, in modo da convertire i rimborsi in storni. Quasi il 25% dei rimborsi avviene entro le prime 48 ore, per cui anche un breve ritardo delle transazioni ad alta probabilità di rimborso può ridurre significativamente i costi.

Quando sono previste piccole modifiche del valore di una transazione, come una mancia aggiunta a un importo base, Stripe mantiene aperta l'autorizzazione e addebita l'intero importo una sola volta per non incorrere in una seconda serie di commissioni. Inoltre, per le attività che elaborano transazioni con carta aziendale, l'invio di dati dettagliati su prodotti e imposte al momento della liquidazione può qualificare le transazioni per commissioni d'interscambio più basse, grazie a programmi come il Commercial Enhanced Data Program di Visa.

Riduzione delle frodi

Nelle ore successive al completamento della transazione, Stripe continua a osservare i segnali provenienti da altre transazioni nella rete, ad esempio una carta utilizzata per un attacco fraudolento confermato altrove, o l'impronta digitale di un dispositivo collegata a uno schema di contestazione. Questi segnali possono cambiare sensibilmente il profilo di rischio di un pagamento già autorizzato.

Questo crea un'asimmetria che va contro i truffatori: ogni successivo tentativo effettuato su una carta rubata mette a rischio le transazioni precedenti che sono andate a buon fine. Un malintenzionato che effettua un acquisto andato a buon fine e cerca in seguito di trarne più valore fornisce a Stripe un segnale aggiuntivo che permette di individuarlo e annullare l'addebito precedente prima che si trasformi in uno storno. Quando i segnali di rischio si intensificano, Stripe potrebbe rimborsare o annullare preventivamente l'addebito prima che si trasformi in una contestazione.

6. Contestazioni

Anche dopo l'ottimizzazione a monte, alcune transazioni saranno oggetto di contestazione. L'attività paga una commissione di contestazione, si fa carico dei costi operativi della risposta e, se la contestazione viene respinta, perde l'importo della transazione. Se il tasso di contestazione di un'attività supera le soglie dei circuiti di carte di credito, l'attività può essere inserita in un programma di monitoraggio con sanzioni crescenti. Le contestazioni sono costose se considerate singolarmente e lo sono ancora di più se considerate nel loro insieme.

La gestione delle contestazioni rappresenta un altro problema di ottimizzazione. A monte, l’obiettivo è massimizzare il profitto atteso su ogni transazione in tempo reale. In questo caso, invece, l’obiettivo è ridurre al minimo il costo totale delle contestazioni tra tre possibili risposte: respingere la contestazione al momento della richiesta, risolverla prima che venga presentata o contestarla a posteriori. Ogni risposta ha un costo atteso, un tasso di successo e un effetto diversi sulla reputazione dell'attività presso i circuiti di carte di credito. La strategia giusta dipende dall'importo della contestazione, dal codice di motivazione, dalla disponibilità di prove e dalla vicinanza dell'attività alle soglie di monitoraggio.

Deviazione

Stripe si integra con Verifi di Visa ed Ethoca di Mastercard per fornire dettagli avanzati sulle transazioni ai soggetti emittenti prima che vengano presentate contestazioni. Le descrizioni degli acquisti, le informazioni commerciali e i metadati delle transazioni aumentano la probabilità che il titolare della carta riconosca l'addebito e non lo contesti. Nei casi in cui Stripe sia in grado di dimostrare l'esistenza di un rapporto pregresso tra il titolare della carta e l'attività (corrispondenza degli identificativi del cliente, dell'indirizzo IP o dell'indirizzo di spedizione con precedenti transazioni andate a buon fine), le prove risultanti potrebbero soddisfare i criteri Compelling Evidence (CE) 3.0 di Visa. In tali casi, la società emittente è tenuta a impedire la presentazione della contestazione. Per le attività con clienti abituali, ciò può impedire che contestazioni per frode entrino nel processo di chargeback.

Risoluzione

Verifi ed Ethoca consentono inoltre di risolvere le contestazioni prima che entrino formalmente nel processo di chargeback. Quando un titolare di carta avvia una contestazione, queste reti inviano un avviso a Stripe prima che il chargeback venga presentato. Le attività possono configurare regole per rimborsare automaticamente le contestazioni idonee (ad esempio, tutte le contestazioni relative a "prodotto non ricevuto" di importo inferiore a 10 $). Ciò evita la commissione di chargeback e, cosa ancora più importante, impedisce che l'evento venga conteggiato nel tasso di contestazione dell'attività.

Questi strumenti di deviazione e risoluzione hanno ridotto i tassi di contestazione in media del 51% per i codici motivo relativi a frodi e non frodi.

Ricorso

Per le controversie che procedono al chargeback, il problema di ottimizzazione si sposta dalla prevenzione alla raccolta delle prove. Quali elementi di prova, in quale formato, massimizzano la probabilità di vincere una determinata controversia? La risposta varia a seconda del codice di motivo, della società emittente e del tipo di transazione. La maggior parte delle singole attività non osserva un numero sufficiente di controversie per apprendere tali modelli in modo affidabile.

Il sistema Smart Disputes di Stripe è addestrato sugli esiti delle controversie relative a milioni di transazioni e apprende quali sono le combinazioni più efficaci in un determinato contesto. Raccoglie e invia automaticamente un pacchetto di prove su misura, che le attività possono integrare con le proprie prove prima dell'invio. Le attività hanno recuperato in media il 18% in più di ricavi.

Il futuro dell'ottimizzazione dei pagamenti

Le ottimizzazioni presentate in questa guida coprono l'intero ciclo di pagamento e si sommano fra loro. Un punteggio di frode migliore può fare in modo che venga autorizzato un numero minore di transazioni fraudolente. Un'autenticazione più forte significa che un maggior numero di transazioni comporta traslazioni di responsabilità. Inoltre, gli interventi successivi all'autorizzazione annullano gli addebiti ad alto rischio prima che possano essere contestati. Quando una transazione raggiunge la fase della contestazione, ha già attraversato più livelli di ottimizzazione.

Combinazione delle previsioni

Quanti più risultati Stripe è in grado di prevedere con precisione, tanto migliore sarà ogni decisione presa a valle. Stiamo investendo nel creazione di modelli della probabilità di rimborso al momento dell'addebito, in modo da ottimizzare i tempi di liquidazione. Stiamo costruendo previsioni migliori dei costi del circuito, in modo che i modelli di routing possano presentare compromessi più precisi in termini di accuratezza dei costi.

Ogni nuova previsione migliora l'intero ciclo di pagamento. È qui che l'ottimizzazione in più fasi si integra in modo più chiaro.

Funzioni obiettivo più ricche

La qualità dell'ottimizzazione dipende dalla precisione con cui Stripe può rappresentare ciò che effettivamente interessa a un'attività. Attualmente, strumenti come le preferenze di rischio di Radar consentono alle attività di esplicitare la loro tolleranza alle frodi. Tuttavia, questo è solo il punto di partenza. Un'attività che vende beni digitali con margini del 60% dovrebbe tollerare un livello di rischio di frode molto diverso rispetto a un'attività che vende beni fisici con margini dell'8%, e alcune attività li vendono entrambi. Il modello di frode, il motore di autenticazione e l'ottimizzazione delle autorizzazioni dovrebbero conoscerli tutti, adattandosi di conseguenza.

Alcune attività si preoccupano esclusivamente delle contestazioni per frode, altre vogliono ridurre al minimo tutti i rischi, incluse le frodi di prima parte e abusi delle polizze. Alcune sono disposte ad accettare una quantità di frodi più elevata in cambio della massimizzazione della conversione in un periodo di promozioni. Quanto più Stripe è in grado di acquisire i dati economici e le priorità di un'attività, tanto migliore sarà l'ottimizzazione di ogni modello per conto dell'attività stessa.

Modelli più grandi

I modelli di Stripe stanno diventando sempre più estesi e approfonditi. Di recente abbiamo espanso il nostro set di dati che istruisce i modelli di frode da circa 800 milioni a oltre 11 miliardi di transazioni storiche, coprendo una gamma molto più ampia di aree geografiche, prodotti e schemi di frode. Le nostre reti neurali profonde possono imparare da questo volume di dati in modi impossibili per i modelli tradizionali, e li stiamo spingendo oltre. Stiamo costruendo modelli multioperativi che prevedono contemporaneamente diversi risultati, consentendo la condivisione delle rappresentazioni tra le attività, in modo che un segnale di previsione ne rafforzi un altro.

Agenti per problemi non strutturati

La maggior parte delle ottimizzazioni dei pagamenti si basa su dati strutturati come importi delle transazioni, codici di rifiuto dei pagamenti, impronte digitali dei dispositivi e punteggi di frode. Tuttavia, alcuni dei problemi più costosi nei pagamenti riguardano informazioni non strutturate. La contestazione è una scelta naturale e richiede la creazione di un pacchetto di prove convincenti, la lettura delle regole del circuito (Visa e Mastercard pubblicano ciascuna centinaia di pagine di regolamenti per le contestazioni, soggetti a modifiche regolari), la corrispondenza del tipo di prova corretto al codice specifico della motivazione e alla società emittente, e la sintesi dei dati delle transazioni in una narrazione coerente. Stripe sta creando agenti in grado di interpretare direttamente le normative del circuito e di combinare le comprensione con modelli di intelligenza artificiale che prevedono quali prove sono più convincenti per un determinato scenario di contestazione, gestendo casi che i sistemi basati sulle regole non sono in grado di gestire.

Sperimentazione

Alla base di tutto questo c'è la sperimentazione continua. Stripe esegue esperimenti lungo l'intero ciclo di pagamento e misura gli effetti su tassi di autorizzazione, frodi, costi di elaborazione e interscambi. Le nuove idee vengono testate continuamente e quelle che hanno successo vengono spedite automaticamente alle attività presenti in Stripe. Negli ultimi due anni, il ritmo della sperimentazione è aumentato di oltre quattro volte.

Le attività che forniscono dati più dettagliati, come i dati sui margini, la messa a punto delle preferenze di rischio e i metadati dei prodotti, ampliano ulteriormente l'area ottimizzabile. Contattaci: saremo lieti di collaborare.