GoCardless stellt neues Payment-Intelligence-Produkt vor

Mit GoCardless Protect+ will das FinTech dem Handel ein neues Mittel zur Betrugsprävention bereitstellen. Es basiert auf Daten aus dem eigenen Zahlungsnetzwerk, die mittels Machine Learning (ML) ausgewertet werden. 

Deutsche Unternehmen stehen unter enormem Druck. In einer Online-Umfrage unter 500 Entscheidungsträgern in Deutschland gaben bereits im vergangenen September 84 Prozent der Unternehmen an, dass ihre Kosten im Jahresvergleich gestiegen waren. Ebenfalls 84 Prozent suchten nach Wegen, die Kosten zu drücken. Knapp die Hälfte davon (40 Prozent) setzte dabei auf Neuverhandlungen mit Lieferanten, um günstigere Konditionen zu erreichen.

Angesichts der inzwischen grassierenden Inflation dürften diese Bemühungen inzwischen ziemlich aussichtslos geworden sein. Damit rückt die zweitbeste Idee, die 38 Prozent der Nennungen ausmachte, stärker in den Vordergrund: Einnahmeverluste zu reduzieren. Dazu zählen ein höherer Konversionsgrad ebenso wie beispielsweise die Reduzierung von Betrugsfällen.

Doch häufig geht eine stärkere Betrugsprävention mit Verfahren einher, die den Zahlungsabschluss unbequemer machen – und in manchen Fällen zum Abbruch durch den genervten Kunden führen. Auch die Händler selbst sind mit den eingesetzten Lösungen oft nicht zufrieden. 25,3 Prozent bemängeln den Zeitaufwand für die Verwaltung, 19,2 Prozent kämpfen mit der Komplexität der Lösungen und 18,5 Prozent klagen über zu hohe Kosten.

Weniger Verluste, geringere Kosten, höheres Renommee

GoCardless (Website) versichert, dass hohe Abschlussrate und hohe Risikoabwehr in Einklang zu bringen sind. Händler können nach Angaben des Unternehmens mit der Lösung GoCardless Protect+ den Betrugsschutz so austarieren, dass er die Konversionsrate nicht gefährdet. Dementsprechend nennt das FinTech gleich drei Ziele, die Kunden mit seiner Lösung erreichen sollen: den Gesamtanteil erfolgreicher Zahlungen zu erhöhen, die mit der Verwaltung von Zahlungsbetrug verbundenen Kosten erheblich zu senken und sowohl ihren Umsatz als auch ihren Ruf zu schützen.

Wir freuen uns, GoCardless Protect+ auf den Markt zu bringen und so Unternehmen nicht nur dabei zu helfen, dem derzeitigen makroökonomischen Klima zu trotzen, sondern sich auch für die Zukunft besser zu positionieren.“

Alexandra Chiaramonti, General Manager für Kontinentaleuropa bei GoCardless

Die Lösung GoCardless Protect+ ist die zweite im Rahmen der „Payment Intelligence“-Reihe. Den Anfang hatte Success+ gemacht zur automatischen Optimierung fehlgeschlagener Zahlungswiederholungen. Seit seiner Markteinführung habe Success+ Unternehmen dabei geholfen, durchschnittlich 70 Prozent der fehlgeschlagenen Zahlungen wiederherzustellen, gibt das Unternehmen an.

Smarter Betrugsschutz

Der nun vorgestellte Betrugsschutz richtet sich gegen drei unterschiedliche Arten der Täuschung:

• Identitätsbetrug: Bei Verwendung gestohlener oder gekaufter, möglicherweise auch ungültiger Bankkontodaten durch einen Betrüger.
• Fehlende Zahlungsabsicht: Wenn ein eigenes Bankkonto verwendet wird ohne die tatsächliche Absicht, für die erhaltenen Waren oder Dienstleistungen zu zahlen.
• Ungerechtfertigte Rückbuchungen: Wenn ein betrügerischer Zahler sein eigenes Bankkonto verwendet, aber nach Erhalt der Dienstleistung oder Ware eine Rückbuchung einreicht.

Zu diesem Zweck kombiniert GoCardless Daten aus Millionen von Transaktionen, die über das globale Bankzahlungsnetzwerk abgewickelt werden, mit benutzerdefinierten Parametern, die von Unternehmen entsprechend ihrer Risikobereitschaft festgelegt werden. Zudem sei die Verwaltung sehr effizient, legt Chiaramontidar: Da die Lösung in das globale Bankzahlungsnetzwerk integriert ist, können Händler zugleich Zahlungen verwalten und sich vor Betrug schützen – alles auf einer Plattform.

Wie bereits bei Success+ kommen auch bei GoCardless Protect+ proprietäre Modelle des maschinellen Lernens zum Einsatz, um die Art und Weise zu optimieren, wie Unternehmen ihre Bankzahlungen einziehen und einbehalten. Damit ließen sich sowohl erfolgreichere Zahlungen als auch geringere Fehlerquoten erreichen, aber eben auch die Zahl der erkannten Betrugsversuche steigern. hj