Архив Финансовые услуги и страхование · Платежи и финтех
Shopify Payments: ML-модель и 3D Secure снизили чарджбэки на 20%
По данным Shopify, ML-модель предварительной оценки транзакций в Shopify Payments определяет, когда требовать 3D Secure. В пилоте с января 2025 года доля успешных платежей выросла на 0,26%, а мошеннические чарджбэки снизились на 20%.
/01 · ключевые результаты
-
результат
20%
мошеннические чарджбэки при совместной работе ML-модели и 3D Secure
Shopify Japan, блог компании, 26.06.2026
пилот, начатый в январе 2025 года · Shopify Payments, пилот предварительной оценки транзакций с 3D Secure
данные компании
-
результат
0,26%
доля успешных платежей при совместной работе ML-модели и 3D Secure
Shopify Japan, блог компании, 26.06.2026
пилот, начатый в январе 2025 года · Shopify Payments, пилот предварительной оценки транзакций с 3D Secure
данные компании
оценка strategai
Оценку не приводим: денежные суммы в источнике даны как расчёт на условный 2024 год, а не как измеренный эффект; метод и база расчёта не раскрыты.
По данным Shopify, ML-модель предварительной оценки транзакций в Shopify Payments определяет, когда требовать 3D Secure. В пилоте с января 2025 года доля успешных платежей выросла на 0,26%, а мошеннические чарджбэки снизились на 20%.
/02 · паспорт кейса
Бизнес
- Компания
- Shopify
- Отрасль
- Финансовые услуги и страхование · Платежи и финтех
- Функция
- Риски, антифрод и безопасность
- Задача
- Антифрод (транзакции, страхование, закупки, бонусы)
Технология
- Класс AI
- Предиктивная аналитика (классический ML)
- Тип решения
- Собственная разработка
- Данные
- Данные о транзакциях миллионов продавцов и миллиардов платежей, а также данные о поведении покупателя на сайте: просмотры, добавление в корзину, оформление заказа.
Внедрение
- Стадия
- Масштабировано, на 26.06.2026
- География
- Канада
/03 · описание кейса
Зачем
Бизнес-задача
Платёжный сервис Shopify Payments обрабатывает платежи продавцов на платформе Shopify. По описанию компании, в индустрии долго считалось, что безопасность и конверсия противоречат друг другу: либо продавец принимает больше платежей и риск мошенничества, либо вводит строгие проверки и теряет добросовестных покупателей. Статические правила, например отказ при неудачной проверке адреса (AVS), дают ложные отказы, а мошеннические платежи приводят к чарджбэкам и штрафам. Задача заключалась в том, чтобы требовать дополнительную аутентификацию 3D Secure только там, где это оправдано риском, повысив долю успешных платежей и снизив чарджбэки.
Что
Решение
Shopify разработала собственную модель машинного обучения предварительной оценки транзакций. Она обучена на данных миллионов продавцов и миллиардов транзакций и анализирует весь путь покупки: посещение сайта, просмотры, добавление в корзину и оформление заказа. На странице оплаты модель оценивает платёж и направляет высокорисковые транзакции на аутентификацию 3D Secure. Банк-эмитент затем оценивает риск своим алгоритмом с учётом данных Shopify и либо одобряет платёж без дополнительного шага, либо запрашивает подтверждение у держателя карты. Компания отмечает, что при включённом Shopify Payments 3D Secure работает без дополнительной настройки.
Как
Внедрение
В январе 2025 года Shopify пробно внедрила модель предварительной оценки, определяющую транзакции, для которых нужен 3D Secure. По данным компании, доля успешных платежей выросла на 0,26% (26 базисных пунктов), а чарджбэки, которые карточные компании считают мошенническими, снизились на 20%. По итогам пилота Shopify включила 3D Secure для всех продавцов, использующих Shopify Payments.
/04 · источники и проверка
Что подтверждено
- По данным Shopify, в пилоте с января 2025 года чарджбэки, которые карточные компании считают мошенническими, снизились на 20%.
- Доля успешных платежей в пилоте выросла на 0,26% (26 базисных пунктов).
- По итогам пилота Shopify включила 3D Secure для всех продавцов, использующих Shopify Payments.
Ограничения
- Показатели получены в пилоте и относятся к совместной работе ML-модели и 3D Secure; вклад одной модели отдельно не выделен.
- Денежные оценки Shopify (условный эффект при внедрении в 2024 году) рассчитаны гипотетически, метод не раскрыт, и измеренной экономией они не являются.
- Длительность пилота, число транзакций и база сравнения в источнике не названы.
-
[1] Shopify Japan
Shopifyペイメントは機械学習によって不正チャージバックの20%削減に成功しました - Shopify 日本
компания · 26.06.2026
Открыть источник
АрхИИВ /strategai · CB-001784 · Версия 1 · 23.10.2026 · /c/CB-001784/