Stripe dévoile les dernières tendances en matière de fraude en ligne
Publié le 13/12/2017 Dans Press Releases
Le texte suivant est issu d'un communiqué de presse et ne reflète en rien l'opinion de la rédaction.
Bruxelles, Le 13 décembre 2017
Alors que la fraude est en plein essor, un nouveau rapport publié aujourd’hui par Stripe - la plateforme technologique universelle de paiement - dévoile des modèles inédits de fraude qui aideront les spécialistes de la vente en ligne à lutter contre ces activités lors des fêtes de fin d’année.
Si les cartes de crédit ont contribué à sécuriser les achats traditionnels dans le monde physique, les fraudeurs ciblent de plus en plus souvent les boutiques en ligne. Et, à la différence du commerce physique, les e-commerçants sont malheureusement tenus - par défaut - d’essuyer les coûts associés à la fraude. Dans les faits, aux Etats-Unis, chaque Dollar de fraude génère en moyenne un coût supplémentaire de 2,62 $ pour l’e-commerçant et 3,34 $ pour les boutiques mobiles.

Stripe a analysé les données d’une année pour identifier les modèles de fraude par pays, les moments privilégiés par les fraudeurs, les secteurs d’activité les plus sensibles et d’autres facteurs, afin d’informer les entreprises et mieux les accompagner dans leur lutte contre la fraude. Plusieurs tendances ont ainsi émergé :

Les taux de fraude varient considérablement en fonction du pays où la carte est émise (de 200 à 300 %).
Ce sont paradoxalement pendant les jours et les heures “creuses” (comme le jour de Noël ou tard dans la nuit) que les taux de fraude sont les plus élevés. Pour les entreprises américaines,par exemple, le pourcentage de fraude rapporté au trafic total augmente en été et à la fin décembre, mais pas lors des grandes journées promotionnelles telles que le Black Friday, comme on pourrait s’y attendre.
Les fraudeurs tendent à multiplier les “petits” achats auprès d’un même marchand, dans un laps de temps très court (dix fois plus rapides par rapport aux réels titulaires de carte).
Les fraudeurs privilégient les produits qui n’ont pas besoin d’être livrés (ou qui peuvent être livrés dans des endroits comme des bâtiments publics ou des parcs sans éveiller les soupçons), et pouvant être obtenus rapidement avant l’invalidation des transactions. Ceci peut expliquer la prévalence de la fraude dans les services à la demande, ainsi que dans les biens de consommation d’entrée de gamme.

« Bien qu’il existe des tendances constantes de comportement frauduleux – par exemple, la rapidité de l’acte d’achat, la capacité du fraudeur à agir tard la nuit et son appétence pour les produits bon marché ou livrables immédiatement – nous avons découvert que leur puissance prédictive varie considérablement selon le lieu où opèrent les fraudeurs et les entreprises » déclare Duco Van Lanschot, Head of Benelux chez Stripe. « En conséquence, nous conseillons aux entreprises d’utiliser les outils anti-fraude qui tirent parti du machine learning et ont été "entraînés" à l’aide d’énormes volumes de données, pour trouver le bon équilibre entre la lutte contre la fraude et la maximisation de leurs chiffres d’affaires.

"Il est crucial pour les entreprises en ligne d'avoir de solides défenses contre la fraude, en particulier pendant la saison la plus intense de l'année ", a déclaré Jordan McKee, Principal Analyst chez 451 Research. Parce que la fraude en ligne est extrêmement complexe et de plus en plus mondialisée, les commerçants devraient envisager d'externaliser les outils de lutte contre la fraude auprès de fournisseurs tiers de confiance qui ont accès à des sources de données importantes et solides. Les fournisseurs les plus efficaces tirent parti des données issues de centaines de milliers d'autres entreprises dans le monde pour entraîner leurs algorithmes d'apprentissage automatique et identifier des schémas de fraude même subtils."

Pour télécharger le rapport complet : blog de Stripe.
Pour plus d’informations sur Radar, l’outil de prévention de la fraude de Stripe : http://www.stripe.com/radar.

Méthodologie
Dans le cadre de l'analyse du rapport, Stripe a examiné les données relatives aux transactions de centaines de milliers de ses clients dans 25 pays. La carte des taux de fraude mondiaux par rapport au volume de transactions (page 2) ne comprend que les données de 2016 et exclut les pays dont le volume de transactions est plus faible. Le graphique représentant la fraude par jour du mois (page 3) est un agrégat des données 2014-2016 pour tous les pays où Stripe est présent, normalisé selon les heures de travail pour chaque fuseau horaire. Le graphique Fraude Rate as Share of Transactions by Time and Day (page 3, figure de droite) ne comprend que les données de 2016 et est normalisé à des fins de comparaison avec le graphique Transaction Volume by Time and Day (page 3, figure de gauche). Les histogrammes par pays (pages 4-5) ne comprennent que les données de 2016, et les distributions non frauduleuses et frauduleuses ont été normalisées à des fins de comparaison. Enfin, les données sur l'achat auprès du même commerçant et la distribution de l'intervalle de temps entre les transactions (page 6) ne comprennent que les données de 2016.

Poster un commentaire
Vous devez être identifié pour accéder à cette fonctionnalité

Utilisateur
Mot de passe
 
Informaticien.be - © 2002-2024 AkretioSPRL  - Generated via Kelare
The Akretio Network: Akretio - Freedelity - KelCommerce - Votre publicité sur informaticien.be ?