Raphael LimaPublicações
← Voltar à cúpula

III. Setores · 03

03

Pagamentos

Prevenção de fraude em tempo real · Scoring de risco em escala de pagamentos digitais

Mercado Pago · Mooz · Edenred

Cadeia de valor

Framework de cadeia de valor de PorterPontos de aplicação de IA na cadeia de valor de Pagamentos.

Atividades de apoio

Governança e regulaçãoTalentos e operaçõesPlataforma, dados e segurançaEcossistema e parceiros

Atividades primárias

  1. 01Integração de participantes
  2. 02Autorização e prevenção a fraude
  3. 03Processamento e liquidação
  4. 04Aceitação e distribuição
  5. 05Suporte e disputas
Valor

Meios de Pagamento | Cada milissegundo, uma decisão

Nos meios de pagamento, cada transação é uma decisão tomada em milissegundos: aprovar ou recusar, proteger sem gerar atrito, crescer com margens cada vez mais comprimidas. Com pagamentos instantâneos, novos entrantes e agentes de IA começando a comprar em nome dos consumidores, o ecossistema muda mais rápido do que nunca.

Da aceitação à liquidação, a inteligência artificial atua em cinco frentes:

Credenciamento e expansão comercial.
Avalia e integra estabelecimentos, identifica potencial de mercado e orienta ofertas e condições comerciais com base no perfil de cada negócio.
Autorização e roteamento.
Otimiza o roteamento das transações, eleva as taxas de aprovação e reduz custos de processamento nos canais físicos, digitais e instantâneos.
Fraude, risco e disputas.
Combina prevenção a fraudes, autenticação, monitoramento transacional e gestão de chargebacks, equilibrando proteção e conversão, inclusive em transações iniciadas por agentes de IA.
Liquidação e conciliação.
Projeta fluxos financeiros, detecta divergências e automatiza a conciliação, trazendo previsibilidade à movimentação de recursos.
Inteligência para estabelecimentos.
Transforma dados transacionais em insights e novos produtos para o lojista, ampliando a fidelização e a receita por cliente.

Em um setor em que a diferença está em frações de segundo e de ponto percentual, a inteligência deixa de ser vantagem e passa a ser infraestrutura.

Casos de uso

  • Prevenção de fraude em tempo real
  • Scoring de risco em escala de pagamentos digitais

Organizações

  • Mercado Pago
  • Mooz
  • Edenred

Experiências ligadas

Casos de uso em Pagamentos

  • Casas Bahia

    Antecipação de chargebacks

    2020–2021

    DesafioVendas aprovadas viravam contestação depois, e operações de boleto com comportamento anômalo também precisavam ser antecipadas.

    SoluçãoProbabilidade de chargeback para antecipar as vendas que serão contestadas, detecção de anomalias no boleto, verificação de entrega, tratamento de disputas e comunicação com o cliente.

  • Casas Bahia

    Cartão e benefícios integrados à compra

    2020–2021

    DesafioA parceria de cartão e benefícios precisava ser estruturada e integrada ao e-commerce.

    SoluçãoEscolha do parceiro de cartão e dos benefícios, termos e políticas da parceria, integração da oferta ao e-commerce e comunicação ao cliente.

  • Callink / Mercado Pago

    Reativação de maquininhas

    Grupo Boticário · GAVB · 2021

    DesafioA ativação das maquininhas de clientes do Mercado Pago acionados pela Callink precisava ser maximizada.

    SoluçãoProposta de modelos de propensão ao contato efetivo, à pessoa certa e à promessa, com painel do funil, implantação e backtest.

  • Edenred

    Recomendação de postos para frotas

    Grupo Boticário · GAVB · 2021

    DesafioClientes de frota precisavam ser levados a outros postos, aderentes à preferência, ao preço do litro e à taxa negociada, para ampliar o poder de negociação com os estabelecimentos.

    SoluçãoProposta de recomendação em duas frentes: filtragem colaborativa para perfis conhecidos e recomendação por conteúdo para clientes novos, com backtest, em três meses mais dois de produção assistida.

  • Grupo Boticário · GAVB

    Score e contestação de chargeback

    2021

    DesafioChargebacks geravam perdas, aumento das taxas das adquirentes e provisão para débitos futuros.

    SoluçãoAntes, um score em tempo real da chance de a transação virar chargeback em até quatro meses; depois, o envio por RPA do dossiê de contestação às adquirentes.

  • Mooz

    Risco, cobrança e ativos

    Grupo Boticário · 2021

    DesafioA operação pedia produtos de IA para crédito, cobrança, fraude em marketplace e previsão de demanda e de preço de ativos.

    SoluçãoProposta de combinar os aceleradores de score de crédito e de cobrança, uma plataforma antifraude a desenvolver e previsão de demanda e preço de ativos.

  • Getnet

    Precificação dinâmica entre volume e margem

    Grupo Boticário · GAVB · 2022

    DesafioVolume e margem precisavam ser equilibrados sobre uma grande quantidade de produtos e consumidores.

    SoluçãoPrecificação dinâmica com IA que recomenda o preço de maior probabilidade de conversão e de melhor equilíbrio entre volume e margem.

  • Getnet

    Estratégia de dados, retenção e PLD

    Grupo Boticário · GAVB · 2022

    DesafioAs áreas de mídia, CRM, rentabilização e força de vendas pediam segmentação, ofertas e preços personalizados e o momento certo da oferta.

    SoluçãoProposta de estratégia de dados, com visão, cultura, governança e self-service, e casos de uso de retenção, pela probabilidade de cancelamento, e de PLD, com clientes suspeitos para verificação.

  • Edenred

    Fraude em cartões de benefícios

    Grupo Boticário · GAVB · 2023

    DesafioA análise de fraude em usuários, estabelecimentos e empresas contratantes era manual nos quatro produtos de cartão de benefícios.

    SoluçãoModelos por ofensor: anomalia transacional e geográfica do usuário, score de anomalia do estabelecimento e risco de contratos novos, com regras de negócio; as amostras analisadas caíram 70% e as fraudes detectadas subiram 25%.

Referências

← Voltar à cúpula