随着全球线上消费需求日益增长，各类新型支付方式不断涌现，为了满足更多消费者的支付需求，商家竭尽可能的丰富支付方式、简化支付流程，力图通过无缝的支付体验赢得消费者，以在跨境电商时代保持领先地位。
支付欺诈损失远比想象中严重，采取支付风控措施或第三方相关服务已成行业共识
在此过程中，商家面临的支付欺诈损失也在不断攀升。全球线上交易反欺诈解决方案专家 Riskified 数据显示，2021年至2025年间，支付欺诈行为预计将使全球电商商家损失2,060亿美元，使他们本已微薄的在线利润进一步缩水；在2023 年，全球电商仅由支付欺诈造成的损失，预计将达到 480 亿美元。
这些巨额数据背后，映射着层出不穷和日趋复杂的网络欺诈手段。Riskified 在过往合作项目中发现，欺诈者会利用平台软件漏洞，或者攻击平台关键的物理基础设施，盗取品牌收集的客户数据。而后，他们通过盗用的账户进行“未授权购买”，最终导致欺诈性拒付；或者直接使用木马文件“骚扰”甚至“绑架”用户账户，以此向用户勒索钱财。
诸如此类的支付欺诈模式还在不断演变，商家不仅要提升安全防御能力，保护用户数据安全与品牌声誉；还要确保风控精准度，避免造成不良支付体验，也避免错误拒绝。
为了能在良好的支付体验、与最小化的欺诈风险中找到平衡点，搭建支付风控系统，已成为出海商家的行业共识。
支付风控方案选择众多，如何评估ROI成行业难点
但面对着市场上众多的支付风控方案，商家如果选择不当，很容易“顾此失彼”。以上述的欺诈行为为例，传统风控手段由于缺乏专业知识和数据分析，无法充分了解订单及其背后产生的原因，因此无法对风险行为进行预防或判断。
还有商家为了降低支付欺诈率，采用过于“保守”的反欺诈解决方案，直接导致了支付成功率下降和收入损失，根据Riskified数据，在被不良风控手段拦截的订单中，有70%订单是合法的、可信的，可以安全转化为营收；在2021年，仅独立站商家，由于担心欺诈攻击而造成错误拒绝的订单金额就高达4,430亿美元。
针对以上问题，基于机器学习模型的反欺诈解决方案，凭借风控精准度，成为商家的更优选择。这类解决方案的优势，来源于其海量的数据覆盖和数据应用。通过对买家数据和风险数据进行实时收集与分析，并根据支付风险趋势变化及时做出风控调整，助力商家实现精准风控。
除了风控技术模型，数据库大小、有无专业风控专家对模型进行训练，也是商家需要考虑的重要因素。以 Riskified 的客户为例，得益于Riskified自动化技术（包括机器学习、行为分析、弹性链接和设备指纹）平台、庞大的风险数据库和风控专家的合力，他们可以实时准确的“批准”或“拒绝”订单，从订单“源头”遏制欺诈行为的同时，保证用户支付体验。值得一提的是，Riskified 只针对支付成功的订单收取费用，并为拒付包赔客户承担由拒付订单带来的各项成本，这也意味着Riskified 与卖家利益一致，不会因一味的追求降低欺诈率，采用过于保守的审批手段而让支付成功率下降。
至此，不难发现，对于所有的商家而言，对平台部署的欺诈管理方案进行有效性评估和计算投入产出比，都是一项相当复杂的任务。因为评估数据可能来自支付、欺诈、IT、客户服务和财务等多个部门，清楚了解这些数据的取用和计算方法，以及不同数据的评估价值绝非易事；并且，商家部署欺诈管理工具的终极目标是获得和留住优质客户，那么从业务效果来看，有多少用户留存是由欺诈管理工作带来的，这是较难界定清楚的。
对此，Riskified 耗时数月，率先编写并发布了实践性极强的卖家操作指南 — “Riskified 支付风控方案买家工具包” （来源：Riskified 中国官网），通过该工具包，商家可以轻松获取一整套全面的运营实操资源：
- 评估和衡量支付风控的投资回报率
- 商家开展线上支付风控的不同方式
- 如何选择支付风控合作伙伴
- 手把手教你发布支付风控需求建议书
助力出海电商商家或数字业务商家，有效评估当前风控战略需求、考察和筛选适合自身发展需要的解决方案，确保风控投入能为整个企业带来最佳投资回报率。
