作者：玛雅·沙戴克2020年6月14日2019年，美国零售商在数字广告上的支出超过330亿美元，比上年增长20%。商家进行这项投资是为了提高他们网站的流量，并让在线购物者在沿着通道结账时保持参与。最终，只有一小部分的网站访问者能够全程点击"购买"按钮。更糟糕的是，许多点击"购买"的购物者最终在结账时被拒绝。其后果是失去销售，并得罪了可能再也不会与衰落的商人购物的顾客在这篇博文中，我将回顾一下高意向购物者被拒之门外的主要原因，以及商家可以做些什么来有效地将他们转化为买家。为什么客户会被拒绝？在所有访问网站的购物者中，只有不到50%的人会浏览某个特定的产品。其中，只有不到三分之一的人将产品添加到购物车中，只有少数人（约占所有访客的3%）前往结账。这些是高意向客户-他们已经做出决定，他们想购买令人惊讶的是，许多点击"购买"按钮的人都被拒绝了，尽管事实上他们是由有能力购买的合法客户安排的。这些下降是由于欺诈预防过滤器和发行银行的决定。原因各不相同，从不寻常的购物模式到数据不匹配一些购物者因为摩擦而放弃购物。这可能是由于不必要的核查过程过于繁琐或耗时所致。例如，客户可能被要求通过电子邮件、短信或三维安全验证其身份。严格和过时的基于规则的欺诈预防解决方案是大多数被错误拒绝的交易背后的原因。例如，某些欺诈解决方案封锁整个地区或自动拒绝所有帐单和发货地址不匹配的订单其他购物者正被信用卡发卡银行拒绝，因为处理系统往往过于规避风险，而不是转换驱动。这些订单遵循非传统的购物模式，比如高价值订单、大批量订单，或者只是一些不寻常的订单。例如，一位老年人购买了20台最新的iPhone，或者一位多年来一直购买低价商品的客户突然购买了价值1万美元的黄金然后就是摩擦。对于商家来说，在防止欺诈和无摩擦的客户体验之间取得平衡并非易事。随着商家优化移动网站和应用程序，或引入新的全渠道流量，他们无意中创造了新的支付渠道漏洞，欺诈者可以利用这些漏洞。但要求购物者进行额外的验证会使结账变得不必要的复杂。因此，这些已经选择购买产品的购物者可能会在不转化为付费客户的情况下退出。更糟糕的是，它们可能会流向那些结账流程更顺畅的竞争对手商家能做些什么呢？为了抵消摩擦，或者不再依赖它，商家需要一个他们可以信任的系统，这个系统拥有足够的技术来准确识别客户、他们的设备和他们的IP。意思是，系统应该确保顾客背后的购物故事是有意义的。这样，商人就不需要依赖摩擦或担心虚假下跌。基于机器学习而不是严格规则的欺诈预防解决方案可以通过减少对可能被认为有风险的单个数据点的依赖来解决这些问题。相反，它可以根据顾客的购物行为和不断演变的欺诈模式来确定风险因素。如果ML模型经过良好的训练，它可以迅速适应购物和欺诈趋势的变化，而不管它们来自什么设备或地理位置，以便更好地区分合法订单和欺诈订单。发行银行拒绝客户的原因有很多种，有些很清楚，有些更不透明。而商家则可以通过提供绕过过时的银行系统的替代支付方式，解决银行主导的下滑问题，并挽回部分损失的收入。这就是为什么商家应该采用一种利用欺诈检测技术来弥补损失的收入的产品。增加你的收入由于商家需要大量的时间、资源和精力来推动网站的流量，他们不应该承担拒绝合法客户的额外成本。当与能够实时审查大量数据的欺诈预防解决方案合作时，批准合法订单和减少虚假下降变得更加容易。这种欺诈预防解决方案可以利用行为分析，并依赖广泛的跨行业数据链接网络来识别消费者及其购物历史。多亏了这项创新技术，商家可以提高审批率，增加利润，同时也可以完全专注于他们最了解的东西：在线销售和让客户满意。如需了解更多信息，请访问我们的资源中心或索取我们解决方案的个人演示。