El perfil del defraudador online

El comercio electrónico está cambiando los hábitos de consumo de las personas. Si hace apenas cuatro años sólo el 44% de los internautas desarrollaba compras online, hoy este porcentaje asciende al 74%, lo que representa que más de 16 millones de personas compran por Internet de forma habitual, según el Estudio de Ecommerce de la IAB. No obstante, esta situación que puede ser tan ventajosa para los ecommerce también tiene otra cara: la existencia, al igual que ocurre en el mundo físico, de personas que tratan de defraudar a las tiendas y servicios de financiación online cuando llega el momento de pagar sus compras.

Según datos de Aplazame, un servicio de financiación instantánea para compras online, el valor medio de una compra fraudulenta se sitúa en torno a los 340 euros, un importe muy superior a los 75 euros del ticket medio de compra según la IAB. Por sectores, el valor medio de la compra defraudada varía. El ticket medio de mayor importe defraudado se registra en el sector de Música/Instrumentos, donde se alcanzan los 560 euros. A continuación, se encuentran los artículos del Hogar, con un valor promedio de la compra defraudada de 500 euros, y la Electrónica, con un importe medio defraudado de 450 euros, seguido del sector deportivo, con 300 euros, y el Educativo, con 260 euros.

Los internautas que realizan comportamientos ilegítimos en sus compras, generalmente suelen incluir en su cesta entre 2 y 3 productos, siendo los artículos de los sectores de Electrónica, Música/Instrumentos y Hogar los más demandados. Pero si hay un producto que registra el mayor fraude en el momento de su compra es el teléfono móvil.

Según Fernando Cabello-Astolfi, CEO de Aplazame “la financiación online es un método de pago que está emergiendo con fuerza en España y quizás lleve a los compradores online a creer que es más sencillo defraudar, pero lo cierto es el machine learning y el big data juegan en su contra. En el mundo digital es muy fácil dejar trazas, cualquier comportamiento de navegación desde un ordenador, la IP, la forma de digitar, la forma de navegar e introducir datos… todo eso constituye una huella personal que genera datos.

En nuestro caso, consultamos el histórico de compras de un cliente, si ha solicitado algún crédito con anterioridad y cuál fue su comportamiento de pago, si está reportado en algún fichero de solvencia, etc. Recopilamos todos esos datos y generamos algoritmos que exploran y aprenden de ellos para ver cuál es la mejor decisión a la hora de conceder o no un crédito. De esta manera, evitamos que quien ha realizado una compra fraudulenta una vez, pueda volver a hacerlo”.

Salir de la versión móvil