Después de años trabajando en prevención de fraude en eCommerce, hay algo que siempre se repite:
muchos equipos tienen dashboards complejos, decenas de métricas y herramientas avanzadas, pero no dominan lo más básico.
Para mí, el reporting antifraude empieza y se sostiene sobre solo dos KPIs fundamentales:
- Chargeback Rate
- Acceptance (Tasa de Aceptación)
Si entiendes bien estos dos números, puedes:
- Detectar ataques antes de que el daño sea grande
- Reducir pérdidas
- Proteger la aceptación
- Tomar decisiones claras sin depender de intuición
Este artículo explica cómo los mido, cómo los leo y cómo los uso en el día a día.
KPI #1: Chargeback Rate
El Chargeback Rate es la métrica más obvia para medir fraude.
Cada empresa lo calcula de forma distinta, pero para evitar complejidad innecesaria, recomiendo empezar con algo simple:
Chargeback Rate = Valor de chargebacks / Valor total de órdenes
A partir de ahí puedes sofisticarlo, pero esta base ya te da visibilidad real.
Cómo analizar el Chargeback Rate correctamente
El objetivo no es solo ver el número, sino entender de dónde viene el fraude.
Aplica filtros como:
- BIN de tarjeta
- Marca (Visa, Mastercard, etc.)
- Banco emisor
- Tipo de tarjeta (crédito / débito)
- SKUs o categorías
- Ciudades o regiones
- Línea de negocio
- PSPs / adquirentes
- Hora del día y día de la semana
Con el tiempo, también notarás que hay meses naturalmente más altos en chargebacks, por lo que aquí los trends importan más que el número puntual.
Analizar chargebacks por tipo de cliente (clave)
Un punto crítico que muchos equipos no miden bien es el chargeback rate por tipo de cliente.
En la mayoría de los eCommerce, el fraude está fuertemente concentrado en clientes nuevos:
- Sin historial
- Primera o segunda compra
- Poco contexto para bancos y antifraude
Mientras que los clientes recurrentes o antiguos suelen tener niveles de fraude mucho más bajos.
Por eso, dentro del análisis de chargebacks debes segmentar por:
- Cliente nuevo vs recurrente
- Número de compras previas
- Antigüedad del cliente
- Valor histórico del cliente (LTV)
Este análisis te permite algo muy importante:
evitar fricción innecesaria para tus buenos clientes, y aplicar controles más estrictos solo donde realmente hay riesgo.
En lugar de reglas genéricas para todos, puedes:
- Endurecer reglas para clientes nuevos
- Relajar controles para clientes confiables
- Diseñar reglas mucho más eficientes y rentables
En mi experiencia, esta segmentación reduce fraude y mejora aceptación al mismo tiempo.
Ojo con el tiempo de maduración (muy importante)
Un error común es reaccionar tarde.
- Los bancos dan hasta 90 días para reportar una disputa
- Cuando recibes un chargeback, el fraude ocurrió semanas atrás
Por eso:
- No esperes a que los chargebacks “maduren”
- Busca señales tempranas
Ejemplo real:
Si en las últimas 2 semanas recibes el doble de disputas comparado con semanas anteriores, ya estás tarde.
Ese ataque empezó días atrás.
Disputas vs Chargebacks (visión operativa)
En la práctica:
- Disputa: cuando tu PSP o adquirente te envía un reclamo y te pide defender la orden
- Chargeback: cuando pierdes la disputa y el dinero es descontado
En eCommerce, la mayoría de las disputas terminan en chargebacks, por lo que a nivel operativo ambos términos suelen usarse de forma intercambiable.
KPI #2: Acceptance (Tasa de Aceptación)
El segundo KPI clave — y muchas veces el más subestimado — es la tasa de aceptación.
Aquí no solo estás midiendo fraude.
Estás midiendo ventas perdidas.
Entendiendo el funnel completo de aceptación
Una orden no se aprueba o se rechaza en un solo punto.
Pasa por varios filtros:
- Reglas automáticas antifraude
- PSP / banco adquirente
- Revisión manual (si existe)
- Sistema de entrega / ODS / warehouse
En cada paso se pierden órdenes.
Por eso, la única forma correcta de medir aceptación es por etapa.
Cómo mido Acceptance (estructura recomendada)
1) Auto Fraud Acceptance Rate
Órdenes aceptadas automáticamente / Órdenes recibidas por el motor antifraude
2) Bank / PSP Acceptance Rate
Órdenes aceptadas por PSP o banco / Órdenes enviadas por antifraude automático
3) Manual Fraud Acceptance Rate
Órdenes aprobadas manualmente / Órdenes enviadas a revisión manual
4) Total Acceptance Rate
Órdenes enviadas a ODS / Total de órdenes colocadas
Cómo medir acceptance correctamente
Puedes medir acceptance por:
- Número de órdenes
- Valor monetario
- Transacciones
- Sesiones
- Clientes únicos
Lo importante es:
- Ser consistente
- Poder analizar por volumen y valor
Filtros clave para Acceptance
Aplica prácticamente los mismos filtros que en chargebacks:
- BIN
- Banco
- Tipo de tarjeta
- PSP
- Mensajes de rechazo del banco
- Tipo de cliente (nuevo, recurrente, antiguo)
- Día de la semana / hora
Cómo leer estos reportes de forma eficiente
1) Los reportes deben estar automatizados
No puedes construirlos manualmente todos los días.
Automatiza dashboards, exports y alertas.
2) Dedica 30–60 minutos diarios (crítico)
No importa si tienes equipo.
Hazlo tú mismo, al menos por un tiempo.
Esto te conecta con la realidad del negocio y los patrones reales de fraude.
3) Busca tendencias y variaciones
No te quedes con el número.
Usa:
- Semana contra semana
- Variaciones vs promedio
- Códigos de color o alertas simples
La meta es detectar problemas en menos de 5 minutos.
Ejemplo práctico
Veo que el chargeback rate sube esta semana.
Filtro esa semana y empiezo a profundizar:
- BIN
- Banco
- Ciudad
- Línea de negocio
Sigo bajando el nivel de detalle hasta encontrar la causa raíz y ajusto reglas o acciones.
Acceptance como señal temprana de fraude
Uno de los mejores indicadores tempranos de fraude es una caída repentina de acceptance.
Si tu aceptación baja sin razón clara:
- Revisa acceptance por BIN
- Revisa mensajes de rechazo
- Revisa concentración por banco
En muchos casos, los bancos ya detectaron fraude antes que tú y ajustaron reglas.
Si lo detectas a tiempo:
- No esperas 2 semanas a que lleguen disputas
- Reduces pérdidas significativamente
Automatización vs criterio humano
Sí, puedes automatizar:
- Reportes
- Alertas
- Dashboards
Pero recomiendo:
- Analizar manualmente al menos 3 meses
- Descubrir patrones nuevos
- Entender el negocio a fondo
La automatización funciona mejor cuando sabes qué buscar.
Conclusión
La prevención de fraude no empieza con modelos complejos.
Empieza con dos KPIs bien entendidos:
- Chargeback Rate
- Acceptance Rate
Si dominas estos dos números, con reporting claro y disciplina diaria, estarás por delante de la mayoría de los equipos antifraude.
