fysiska produkterredigera
onlinehandlare som säljer fysiska produkter kan inte helt skydda sig själva. Det enda sättet att få konkret skydd är att ta ett avtryck av kortet (och även med kortläsare/tillverkare kan detta enkelt luras), tillsammans med foto-ID. Den signaturen, förutom information som samlas in online, kan hjälpa till att lösa tvister om återkrav, men kontraktsmässigt är ingen garanti. Dessutom kan handlaren begära kortsäkerhetskoden på kreditkortet för att bekämpa ”Card absent environment” eller ”Card Not Present” (CNP) chargebacks. Dessa är de tre siffriga koderna på baksidan av Visa, MasterCard och Discover-kort och den fyrsiffriga koden på framsidan av American Express-kort.
Digital transactionsEdit
vänligt bedrägeri trivs på marknaden för digitala produkter där det är mycket lättare för bedragare att lyckas. Vanliga mål inkluderar pornografi och spelande webbplatser. Försök från säljaren att bevisa att konsumenten fått de inköpta varorna eller tjänsterna är svåra. Återigen kan användningen av kortsäkerhetskoder visa att kortinnehavaren (eller, när det gäller de tresiffriga säkerhetskoderna skrivna på baksidan av amerikanska kreditkort, någon med fysisk besittning av kortet eller åtminstone kunskap om numret och koden) var närvarande, men även införandet av en säkerhetskod vid köp bevisar inte i sig att leveransen gjordes, särskilt för online-eller via telefonköp där frakt sker efter slutförandet av kontraktet. Leveransbevis är ofta svårt, och när det inte kan tillhandahållas får kortinnehavaren produkten utan att betala för den.
en metod för att bekämpa vänligt bedrägeri är att skapa en funktion i produkten som checkar in med handlarens databas. Om en chargeback utfärdas kan handlaren berätta för produkten att avbryta tjänsten. Denna taktik fungerar också för digitala prenumerationstjänster eller någon annan onlineprodukt som kräver uppdateringar eller inloggningar. Handlaren kommer vanligtvis fortfarande att debiteras en avgift för att ådra sig en återbetalning, så det här är inte en komplett lösning.
call center transactionsEdit
en annan vanlig kanal för återkrav är postorder/telefonorder (MOTO) betalningsbehandling via ett callcenter. I det här fallet, som med de två andra som listas här, är huvudproblemet att detta är ett kort som inte är närvarande transaktion. För att eliminera Call center köp återkrav, call centers arbetar för att göra inköp mer som ”kort närvarande” inköp.
När konsumenterna går in i en butik och köper något, sveper de vanligtvis sina kreditkort, bekräftar inköpsbeloppet, anger en hemlig kod (eller skriver sitt namn) och lämnar med varorna. Detta är ett” kort är närvarande ” köp och bedrägliga återkrav i dessa situationer är nästan obefintliga.
Agentassisterad Automationsteknik är tillgänglig för callcenter som gör det möjligt för kunder att ange sin kreditkortsinformation, inklusive kortsäkerhetskoden direkt i kundrelationshanteringsprogramvaran utan att agenten någonsin ser eller hör den. Agenten förblir i telefon, så det finns ingen besvärlig överföring till ett interaktivt röstsvarssystem. Allt agenten kan höra är monotoner. Detta är” kort närvarande ”motsvarande” svepa ” kortet.
innan köpet skickas in av agenten spelas inköpsbeloppet upp till konsumenten tillsammans med de fyra sista siffrorna på kortet. Konsumenten uppmanas att bekräfta sitt köp genom att tillhandahålla en verbal signatur som registreras.
slutligen skickas ett e-postmeddelande till konsumenten med inköpsinformationen och en bifogad ljudfil med deras verbala signatur.
kostnad för MerchantsEdit
en 2016 studie av LexisNexis uppgav att chargeback bedrägeri kostar handlarna $2.40 för varje $1 förlorade. Detta beror på produktförlust, bankböter, påföljder och administrativa kostnader. En 2018-studie av Aite Group on charge back costs uppgav att amerikanska CNP-bedrägeriförluster för 2017 var $4 miljarder och uppskattade att de år 2020 skulle stiga till $6.4 miljarder.
förebyggande Metoderredigera
spridningen av online betalningsmetoder, inklusive mobilappar, och den ökande sofistikeringen av bedrägliga aktörer, inklusive bots, har gjort uppgiften att upptäcka och förebygga charge back fraud (CBF), särskilt online CBF, mer komplex. Enligt en Gartner-rapport från 2018 om onlinebedrägerier vänder sig återförsäljare alltmer till maskininlärningsbaserat (eller AI) bedrägeriförebyggande system för att fatta snabba, effektiva riskbeslut.
