Les équipes ecommerce placent souvent la fraude hors de la conversation sur la conversion. Le marketing attire l’acheteur, le produit améliore le parcours et le risque bloque les commandes suspectes. Cette séparation crée un angle mort : un modèle trop prudent refuse de bons clients, tandis qu’un modèle permissif augmente le chiffre d’affaires aujourd’hui et laisse fuir la marge demain par les chargebacks, les promotions détournées et les retours.
Une nouvelle étude de cas publiée par Riskified affirme que le distributeur australien Kogan a dépassé 98 % d’approbation dans les catégories de transactions à risque ou à valeur élevée et identifié 1,5 million de dollars d’économies annuelles grâce à une meilleure gestion de la fraude et des abus. Puisque les chiffres proviennent d’un fournisseur, ils doivent être considérés comme des résultats déclarés, non comme une expérience indépendante. La leçon opérationnelle reste pertinente : la décision de risque au checkout est une décision de revenu.
Le taux d’approbation ne s’oppose pas au contrôle de la fraude
Un taux de fraude faible peut sembler excellent si le système rejette simplement davantage de commandes incertaines. Le coût caché apparaît dans les faux refus : des clients légitimes sont bloqués, soumis à une vérification excessive ou abandonnent après un échec de paiement. Leur valeur future perdue apparaît rarement dans le tableau de l’équipe risque.
Le bon objectif est l’approbation rentable : accepter le maximum de commandes légitimes tout en maintenant fraude, chargebacks et abus sous des seuils soutenables. Il faut aussi distinguer une carte volée, un client fidèle utilisant une promotion, un fraudeur aux retours ou un échec d’autorisation bancaire. Ces problèmes demandent des réponses différentes.
Ce que le cas Kogan change dans la mesure
Selon Riskified, Kogan a combiné des signaux d’identité, d’appareil et de comportement pour repérer les récidives, le détournement des promotions et la rentabilité par client. L’automatisation des litiges a également réduit le travail manuel. Le changement important consiste à passer d’une transaction isolée à la personne et au schéma d’activité.
Pour la direction marketing, cela relie la qualité d’acquisition à l’économie du paiement. Une campagne peut afficher un excellent rendement publicitaire tout en attirant une part excessive d’abus de bonus, de fraude à la première commande ou de petits litiges. À l’inverse, une audience précieuse peut paraître faible parce que des règles conservatrices refusent des acheteurs inconnus mais légitimes. Le reporting canal doit intégrer les conséquences après transaction.
Construire un tableau de conversion ajusté du risque
Suivez le taux d’approbation, l’autorisation bancaire, l’estimation des faux refus, les chargebacks, les pertes liées aux abus, la revue manuelle et la latence de décision. Ajoutez la marge après remboursements, litiges et incitations. Segmentez par canal d’acquisition, nouveau ou ancien client, valeur de commande, appareil, pays et promotion.
Aucune métrique ne doit dominer seule. Augmenter l’approbation n’est pas une victoire si les chargebacks dépassent les seuils du réseau. Réduire la fraude n’est pas une victoire si les bons clients disparaissent. Le tableau doit montrer la valeur nette créée par la décision et la friction imposée pour l’obtenir.
Une expérience pratique pour l’équipe ecommerce
1. Trouver les zones d’incertitude
Repérez les segments avec beaucoup de refus, de revues manuelles ou de nouvelles tentatives de paiement. Les nouveaux clients à panier élevé, le transfrontalier et les pics promotionnels révèlent souvent des règles trop larges. Comparez-les à la fraude confirmée au lieu de supposer que chaque refus était correct.
2. Séparer la fraude de l’abus de politique
Identifiants volés, coupons répétés, retours après usage et litiges d’abonnement sont des comportements différents. Tout bloquer au checkout peut punir les acheteurs légitimes. Des limites, règles d’éligibilité, contrôles de retour ou revues après achat sont parfois plus proportionnés.
3. Tester l’approbation de façon contrôlée
Assouplissez ou remplacez une règle sur un segment défini et suivez revenu approuvé, fraude, litiges et contacts au support pendant tout le délai de règlement. Ne concluez pas après un jour : certaines pertes apparaissent plusieurs semaines plus tard. Définissez à l’avance le risque maximal acceptable.
4. Fermer la boucle avec l’acquisition
Renvoyez au marketing une valeur ajustée du risque. Si une campagne produit beaucoup de commandes approuvées mais abusives, son vrai coût d’acquisition dépasse celui de la plateforme. Si un canal attire de bons clients refusés de manière disproportionnée, le modèle de checkout étouffe la performance marketing.
Questions à poser au fournisseur
- Comment les faux refus sont-ils estimés et audités ?
- Quelles pertes sont couvertes et quels abus sont exclus ?
- Une décision peut-elle être expliquée par client et par règle ?
- À quelle vitesse le modèle s’adapte-t-il aux promotions et aux pics ?
- La performance peut-elle être ventilée par campagne, canal et valeur client ?
- Que devient la qualité d’approbation si le service est indisponible ?
La leçon pour le directeur marketing
Le risque au checkout appartient à la promesse du marketing. Un client acquis à grand coût ne devrait pas être rejeté par une règle invisible que l’équipe croissance ne revoit jamais. En parallèle, une conversion qui devient ensuite fraude ou abus n’est pas de la croissance.
Utilisez le cas Kogan pour réunir risque, paiements, produit et acquisition autour d’un même tableau. L’objectif n’est ni l’approbation maximale ni la fraude minimale, mais la marge durable maximale avec la friction strictement nécessaire.
Sources
- Business Wire : Kogan améliore ses taux d’approbation avec Riskified
- Riskified : bibliothèque de cas clients ecommerce
