总结
在Serasa Experian于2026年上半年分析的订单中，几乎每100个订单就有1个存在欺诈迹象——这意味着其余99个在理论上都是合法购买。如果不衡量有多少优质客户因此流失就收紧规则，其代价可能高于避免的欺诈损失。
风险规模：用数据说话
电子商务中的欺诈行为真实存在且代价高昂。根据该公司发布的欺诈地图，2026年1月至6月期间，Serasa Experian在其监控的市场细分中识别出743,638起欺诈尝试（每21秒一起），潜在损失达5.732亿雷亚尔；其中美容产品以67,782起案例位居首位，其次是鞋类（56,193起）和健康产品（35,314起）。据年度总结显示，在2025年全年，同一数据库记录了230万起欺诈尝试，欺诈交易的平均金额为1,057.87雷亚尔，几乎是合法购买金额538.79雷亚尔的两倍。健康产品的排名从2025年上半年的第7位上升至2026年的第3位，Serasa Experian将此趋势归因于紧急或高价值商品（如减肥药）的购买需求。
然而，同一份报告中有一个常被忽视的数字：几乎每100个被分析的订单中就有1个存在欺诈迹象。换个说法就是，绝大多数通过筛选的订单来自只想购物的真实顾客。即使在2025年财报中风险最高的电子产品类别，欺诈尝试率也仅为3.2%，涉及12.63万起案例，平均客单价为2,350.94雷亚尔；服装类为1.2%，美容与健康类为1.3%。该机构估计，2025年因预防措施而避免的损失高达24亿雷亚尔——这一价值正是设置筛选机制的理由，而误报（false positive）正在侵蚀这一价值。
报告中未显现的错误
所有反欺诈系统都会以两种方式出错。一是批准了欺诈交易——损失转化为chargeback（拒付），并在对账中清晰可见。二是拒绝了一位合法客户——损失则悄然消失，因为从未发生的销售不会被记录。第二种错误即为误报（false positive）。
Chargeback、误报及各类错误的显现位置
Chargeback是指持卡人向发卡银行对信用卡消费发起争议。若争议理由为欺诈且成立，款项将退还给持卡人；在未通过发卡方认证的在线交易中，与收单机构的合同通常会将损失转嫁给商户——此类条款曾在司法系统中受到挑战。误报则是相反的错误，两者的区别在于谁承担了损失：
| 错误类型 | 发生情况 | 显现位置 |
|---|---|---|
| 欺诈交易获批 | Chargeback：向持卡人退款并产生商户成本 | 对账单与收单机构报告 |
| 合法客户被拒 | 销售流失，客户可能不再回头 | 在没有任何标准报告中 |
| 过度验证 | 付款前放弃 | 结账漏斗，Baymard Institute 在此测得平均弃单率为 70.22% |
它更可能出现在偏离标准的订单中：远高于平常的客单价、新设备、发往其他地址。这些行为也描述了礼品、搬家和年终采购的情况。在黑色星期五（2026 年落在 11 月 27 日），这类情况会成倍增加。
摩擦也是一种拒绝
销售流失不仅仅源于交易被拒。每一个额外的验证步骤——如短信验证码、强制注册、新的身份认证——都会给买家一个放弃购买的借口。整合了50项研究并得出购物车平均弃单率为70.22%的Baymard Institute列出了消费者声明的弃购原因：结账流程冗长或复杂（17%）、要求创建账户（18%）、对提供信用卡信息缺乏信任（19%）以及信用卡被拒（10%）。
这些百分比并不直接相加，也不适用于巴西的一家商店，但它们表明安全与体验在为同一位客户竞争。为欺诈者设置的障碍，同样会被正常付款的客户经历。
风险分析如何做出决定
反欺诈引擎会根据收货地址、设备信息、CPF（个人税号）历史及浏览模式等数据为每笔订单打分，并应用规则进行批准、拒绝或转交人工审核。在银行端，由EMVCo维护的EMV 3-D Secure标准会在商户与发卡行之间交换交易和设备数据以验证买家身份——大多数情况下无需用户任何操作，而在风险较高时则通过类似银行应用确认的挑战式验证来完成。EMVCo建议采用2.2或更高版本。
法律为这种筛选机制提供了依据也划定了界限。LGPD（第13,709/2018号法律）允许在处理生物特征等敏感数据时用于欺诈预防中的身份识别与认证（第11条第II款“g”项），而第7,962/2013号法令则强制要求在线商店使用有效的安全机制进行支付（第4条第VII款）。另一方面，仅由自动化系统做出的决定可能需经客户申请方可复核（LGPD第20条）——这也是为何需要保留人工审核高额订单案件的原因之一。
如何估算误报的成本
无法确切知道哪些被拒的是优质客户，但可以利用商店已有的数据进行估算：
- 按规则批准的比率——即每条反欺诈规则拦截了多少订单；那些拒绝率高却极少捕获已证实欺诈的规则是首要审查对象；
- 重新尝试——指被拒客户使用其他银行卡或其他支付方式再次尝试并最终获准的比例；这是表明他们为合法买家的强烈信号；
- 联系样本——随机抽取部分被拒客户进行电话或消息联系，询问该购买是否为其本人所为；
- 已证实欺诈——同期内因欺诈产生的拒付（chargebacks）数量，用于对比成功拦截的损失与实际发生的损失。
由此，基本计算如下：被拒的合法订单数量乘以每单的贡献毛利，再加上该客户未来不再购买的价值。一个示例说明：如果一个月内 300 次拒绝来自合法客户，且每单将带来 60 雷亚尔的毛利，则直接损失为 18,000 雷亚尔——尚未计入复购。如果同一规则实际避免的欺诈金额低于此数，那么保护的成本就高于风险本身。
在不驱逐客户的情况下进行保护性调整
- 与风险成比例的验证——仅对高评分订单进行额外身份验证，而非对所有订单一视同仁——这正是3-D Secure所允许的做法，即发卡行仅在识别到风险时才发起挑战。
- 针对高额订单的人工审核——与其自动拒绝，不如进行快速人工分析，从而挽救高价值销售。
- 在拒绝页面提供替代支付方式——当信用卡支付失败时提供Pix支付选项，可让客户留在店内；Pix虽无信用卡拒付（chargeback）机制，但根据巴西中央银行第103/2021号决议自2021年11月16日起生效的特别退款机制，仍适用于欺诈案件。Pix二维码生成器有助于通过直接渠道促进销售。
- 优质客户的历史记录——那些已购买且付款无误的客户应享有更简化的流程。
- 高峰期后的规则复审——在促销活动期间仓促制定的规则应在活动结束后重新评估。
接下来几周的检查清单
在 11 月之前，值得花一个下午完成四项任务：按规则导出过去三个月的通过率；找出拒绝最多的三条规则；测量有多少被拒订单在第二次尝试时获得批准；并与反欺诈供应商或支付中介协商，确定黑色星期五期间高价值订单的政策。
自动化处理此类数据读取，并在批准率下降时发出警报，正是自动化真正发挥效用的场景之一——正如电子商务中的自动化：何处提升效率一文所讨论的那样。而涉及的市场规模则体现在2026年巴西电子商务数据中。当拒付发生时，申诉的时限和所需文件详见拒付：如何提出异议。
参见：面向小型商店的人工智能反欺诈：评分机制如何运作、配置要点及拒付异议处理
来源与方法论最后更新：2026年10月8日
- 上半年欺诈尝试使巴西电子商务面临5.73亿雷亚尔的风险（《欺诈地图》）——Serasa Experian
- 2025年巴西电子商务因欺诈预防避免损失24亿雷亚尔——Serasa Experian
- 购物车与结账放弃率统计数据——Baymard Institute
- 本期主题：关于欺诈与转化率的专栏（ConnectWeek原文，未转载该专栏内容）——E-Commerce Brasil
常见问题
反欺诈中的误报是什么？
这是指系统因将合法交易视为可疑而拒绝该交易的情况。因此丢失的销售额不会出现在任何欺诈报告中。
2026年电子商务有多少次欺诈尝试？
在2026年上半年，Serasa Experian在其监控数据库中识别出743,638次尝试，几乎每100个被分析的订单中就有一次。
如何估算误报的成本？
将被拒绝的合法订单数量乘以每个订单的贡献毛利，并加上因客户换用其他支付方式后成功下单而错失的复购；判断合法性的信号包括客户尝试使用其他支付方式并被批准的情况。