Online betalen 2009 - Twinkle
Online betalen 2009 - Twinkle
Online betalen 2009 - Twinkle
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
90 - Het groeiende belang van e-identity<br />
− Handmatige beoordeling daalde van 20% tot 14%. Dit lijkt een logisch gevolg omdat de<br />
beoordeling van afgewezen bestelingen deels overgenomen is door geautomatiseerde<br />
instrumenten.<br />
− Na handmatige beoordeling zijn relatief minder (72% ten opzichte van 80%) bestelingen<br />
goedgekeurd.<br />
− Het afwijzingspercentage steeg van 3,3% tot 3,9%.<br />
Detectie<br />
instrumenten<br />
<strong>Online</strong> <strong>betalen</strong> <strong>2009</strong><br />
=100% Afwijzen (14%) 4%<br />
OK (86%)<br />
Handmatige<br />
beoordeling (14%)<br />
Frauduleus (80%)<br />
0,8%<br />
Frauduleus (28%)<br />
OK (72%)<br />
3,9%<br />
96,1%<br />
= Afgewezen<br />
= Geaccepteerd<br />
Figuur 7-2: het effect van fraudedetectie-instrumenten op de verkoopcijfers 2008 – naar bron: Cybersource<br />
Fraud Report 2008<br />
Fraudedetectie en –preventie zijn alleen mogelijk wanneer de winkelier ‗iets‘ weet over de<br />
klant. Hoe meer hij weet, des te beter hij het risico van het accepteren van een bepaalde<br />
transactie kan inschatten. Het mag duidelijk zijn dat de winkelier in een internetomgeving<br />
weinig weet over (nieuwe) klanten en dat hij moet werken met de beperkte informatie die<br />
wel beschikbaar is. We onderscheiden een tweetal benaderingen die ook kunnen worden<br />
gecombineerd:<br />
− Fraudepreventie en controle aan de kant van de winkelier. In deze situatie bouwt de<br />
winkelier zelf een bestand van frauduleuze klanten op, bijvoorbeeld aan de hand van<br />
creditcardnummers, namen of adressen. Hij houdt hierbij zijn eigen zwarte lijst bij.<br />
− Het gebruik van externe bronnen voor fraudepreventie. De winkelier gebruikt externe<br />
bronnen om bepaalde informatie te verifiëren die hij van klanten krijgt. Voorbeelden<br />
hiervan zijn creditcardnummer, adres en kredietstatus. Hij kan ook gebruik maken van<br />
een externe zwarte lijst.<br />
In de praktijk worden deze twee benaderingen vaak samen gebruikt. Ook kunnen er<br />
verschillen zijn in de mate waarin het proces is geautomatiseerd. In de volgende paragraaf<br />
gaan we nader in op de tweede benadering.