Falso positivo em antifraude: o cliente bom recusado

Falso positivo em antifraude é o cliente legítimo barrado por uma regra desenhada para pegar fraude. Quase toda empresa mede fraude capturada. Quase nenhuma mede quantos clientes bons recusou, porque a recusa não gera reclamação, gera silêncio.

O desequilíbrio é estrutural. A fraude que passa cobra a conta de forma visível: estorno, perda, ofício. O cliente legítimo recusado simplesmente vai embora. Ele não abre ticket, não explica, não volta. Some do funil e reaparece, meses depois, como um número de conversão que ninguém consegue explicar.

Esse texto trata de três coisas: por que o número é difícil de medir, como estimá-lo sem base rotulada e por que a resposta correta raramente é afrouxar a regra.

Por que o falso positivo não aparece em nenhum painel

Para calcular falso positivo com precisão, você precisaria saber o que teria acontecido com cada cadastro recusado se ele tivesse sido aprovado. Esse dado não existe, porque a recusa impede o desfecho. É o problema clássico de resultado não observado: ao bloquear, a empresa elimina justamente a evidência que usaria para avaliar a decisão.

O resultado prático é que o painel de risco mostra apenas metade da matriz. Fraude capturada e fraude que passou aparecem. Cliente bom aprovado aparece. Cliente bom recusado não aparece em lugar nenhum, e por isso a regra que o barrou nunca é questionada.

Há um custo de longo prazo nisso que ultrapassa a venda perdida. Um levantamento da Javelin Strategy & Research publicado em 2015, com 3.200 consumidores dos Estados Unidos, apontou que 15% dos portadores de cartão legítimos tiveram ao menos uma compra recusada por suspeita de fraude no ano anterior, e que 32% dos que passaram por recusa deixaram de comprar naquele estabelecimento. A recusa indevida não custa apenas o cadastro daquele dia. Custa o cliente inteiro.

Como estimar falso positivo sem base rotulada

Não dá para chegar ao número exato. Dá para chegar a uma faixa defensável, com método declarado e repetível. Os cinco caminhos abaixo são os que funcionam com a estrutura que a maioria das empresas já tem.

• Grupo de controle. Como executar: Liberar uma fatia pequena e aleatória dos recusados por regra, com limite de exposição financeira definido. O que você obtém: A estimativa mais próxima da realidade, porque observa o desfecho. Custo e risco: Maior custo e exposição controlada, exige aprovação formal de risco.
• Revisão amostral da fila de recusa. Como executar: Sortear de 100 a 300 recusas por período e submetê-las a análise manual aprofundada. O que você obtém: Percentual de recusas que um analista reverteria com mais informação. Custo e risco: Custo de hora de analista, depende da qualidade do critério de revisão.
• Análise de retorno do recusado. Como executar: Rastrear quantos recusados tentaram de novo, foram aprovados depois e se tornaram clientes sem incidente. O que você obtém: Evidência direta de recusa indevida, sem liberar ninguém. Custo e risco: Só enxerga quem insistiu, subestima o total.
• Análise por regra isolada. Como executar: Medir volume de bloqueio e taxa de reversão de cada regra separadamente. O que você obtém: Identifica as poucas regras que concentram a recusa indevida. Custo e risco: Exige log de qual regra decidiu cada caso.
• Pesquisa com recusado. Como executar: Contato estruturado com uma amostra de recusados para entender o contexto da tentativa. O que você obtém: Qualifica o motivo e revela falhas de captura e de usabilidade. Custo e risco: Baixa taxa de resposta, viés de quem responde.

Nenhum desses métodos entrega um número perfeito. Combinados, dois ou três deles entregam uma faixa que sustenta decisão. O erro mais comum é esperar o método ideal e continuar com zero medição, que é a única estimativa seguramente errada.

Comece pela regra, não pelo total

Antes de perseguir a taxa global, olhe a distribuição. É comum que um número pequeno de regras responda pela maior parte das recusas, e muitas vezes essas regras foram criadas em resposta a um incidente específico que já não se repete.

Por isso a quarta linha da tabela costuma ser a de melhor retorno imediato: exige apenas que o sistema registre qual regra decidiu cada caso. Se hoje você não consegue responder a pergunta "qual regra recusou este cadastro", esse é o trabalho antes de qualquer análise.

Afrouxar a regra costuma ser a resposta errada

Quando o número aparece, a reação natural é reduzir o limiar. É a decisão mais rápida e a que mais frequentemente se paga com perda. Afrouxar uma regra trata todos os casos duvidosos como aprovados, inclusive os que a regra acertava.

O desenho que se sustenta é outro: manter o rigor e criar um caminho de exceção. O caso duvidoso não é aprovado nem recusado. Ele é encaminhado para uma fila com revisão humana e com informação adicional, onde um analista decide com contexto que a regra não tinha. Esse é o papel da fila de exceção com consulta manual.

Há um segundo caminho, mais barato e menos usado: melhorar o sinal em vez de mexer no limiar. Boa parte da recusa indevida vem de decisão tomada com pouca informação. Acrescentar uma camada de contexto, como sinais de dispositivo, permite separar o cadastro atípico legítimo do cadastro atípico suspeito sem tocar na regra que já funciona.

E vale lembrar como a leitura conversa com a métrica vizinha: subir a taxa de aprovação sem medir falso positivo não prova nada, porque você pode estar aprovando fraude. Os dois números precisam ser lidos juntos, como detalhado em taxa de aprovação de cadastro.

Fricção no lugar certo, em vez de fricção a menos

Existe uma leitura preguiçosa desse tema que termina em "remova passos". Ela ignora que parte relevante do falso positivo não nasce da regra, e sim da captura: foto ilegível, documento cortado, orientação confusa na tela, tempo de espera que faz o usuário abandonar no meio.

Corrigir isso não é reduzir verificação. É tornar a verificação previsível: o usuário sabe o que precisa fazer, o sistema diz o que faltou e o caso volta para a fila em vez de morrer em uma recusa definitiva. Verificação bem desenhada protege receita nos dois sentidos, contra a fraude que entra e contra o cliente que sai.

O que fazer agora

1. Faça com que cada recusa registre qual regra decidiu e com quais sinais. Sem esse log, nenhuma estimativa é possível.
2. Rode uma revisão amostral de 200 recusas do último trimestre com analista experiente e meça o percentual de reversão. É o método de menor custo para ter um primeiro número.
3. Cruze a base de recusados com a base de clientes ativos para achar quem foi recusado, tentou de novo e hoje opera sem incidente.
4. Escolha a regra com maior volume de bloqueio e submeta apenas ela a um grupo de controle pequeno, com limite de exposição financeira aprovado por risco.
5. Antes de mexer em qualquer limiar, implante a fila de exceção. Sem destino para o caso duvidoso, qualquer ajuste vira troca de um erro por outro.

Perguntas frequentes

O que é falso positivo em antifraude? É o cliente legítimo classificado como risco e bloqueado por uma regra ou modelo. Ele representa receita perdida e desgaste de marca, e raramente aparece nos painéis porque a recusa não gera registro de reclamação.

Como medir falso positivo sem liberar cadastros suspeitos? Use revisão amostral da fila de recusa, análise de retorno do recusado e análise por regra isolada. Os três funcionam sem liberar ninguém. O grupo de controle dá a estimativa mais precisa, mas exige exposição financeira controlada e aprovação formal.

Qual é uma taxa aceitável de falso positivo? Não existe número universal. Depende do ticket, do setor e do custo da fraude que a regra evita. O que importa é medir de forma consistente, acompanhar a tendência e comparar o valor recusado com a perda evitada.

Afrouxar as regras resolve o problema? Em geral, não. Afrouxar aprova também os casos que a regra acertava. O caminho mais estável é manter o rigor e criar uma fila de exceção com revisão humana, ou acrescentar sinal de contexto para decidir melhor.

Falso positivo é problema de regra ou de captura? Frequentemente dos dois. Antes de revisar limiares, verifique quantas recusas vêm de foto ilegível, documento cortado ou abandono por instrução confusa. Esse conserto costuma ser mais rápido e não aumenta a exposição a fraude.

Para avaliar como isso se aplica à sua operação, fale com o time comercial da Shiel ID.