Taxas de conversão

A taxa de conversão é a proporção de pessoas que concluem uma ação pretendida entre aquelas que a iniciaram. Na verificação de identidade, a ação é concluir o processo de cadastro, e a taxa mede algo específico e oneroso: quantos clientes genuínos foram perdidos nessa etapa de verificação. É o número que se contrapõe à taxa de fraude em todas as decisões de risco, e ajustar um sem observar o outro é como as equipes acabam errando em ambos.

Fórmula Conclusões divididas por inícios, expressas em porcentagem
Na integração Candidatos que concluem a verificação, dentre aqueles que a iniciam
Medida inversa Taxa de abandono — a proporção de pessoas que abandonam
Onde se concentram as perdas Captura de documentos, a etapa da “selfie” e qualquer ciclo de repetição
Duas causas de prejuízo Clientes reais que abandonam o processo e clientes reais que são indevidamente rejeitados
A escolha Cada critério que reduz a fraude também reduz o número de aprovações
Geralmente não medido Recusas falsas — não geram reclamação nem registro algum
Efeitos por segmento As taxas variam significativamente de acordo com o tipo de documento, o dispositivo e os dados demográficos

Duas derrotas diferentes, contabilizadas da mesma forma

A taxa de conversão esconde uma distinção que é extremamente importante para a forma como você lida com ela.

Abandono é um cliente que desistiu. A captura falhou repetidamente, as instruções não eram claras, o fluxo solicitava algo que ele não tinha à mão. Esses clientes não foram rejeitados; eles simplesmente foram embora. Trata-se de um problema de design e de qualidade da captura, e geralmente é o maior dos dois.

Falsa queda é um cliente que concluiu o processo e, mesmo assim, teve seu pedido recusado — uma pessoa real cujo documento ou rosto não atendeu aos critérios de aprovação. Trata-se de um problema relacionado ao modelo e aos critérios de aprovação.

Ambos se manifestam como uma taxa de conversão mais baixa e nenhum deles é visível como um número específico, a menos que alguém implemente métricas específicas para isso. Dos dois, as recusas falsas são as mais perigosas de se deixar sem medição, porque elas não geram nenhuma reclamação. Um candidato rejeitado raramente liga para contestar; ele simplesmente abre uma conta em outro lugar. O custo se traduz em perda de receita, o que nunca aparece em um relatório de fraudes.

Por que essa escolha é inevitável

Qualquer decisão de verificação situa-se em uma curva entre aceitar impostores e rejeitar pessoas genuínas. Aumentar o rigor do limite move-se ao longo dessa curva em ambas as direções ao mesmo tempo — menos aprovações fraudulentas, mais rejeições de pessoas genuínas. Não há configuração que reduza ambos; há apenas uma escolha sobre qual erro custa mais em um determinado contexto.

Isso faz com que a taxa de conversão seja uma métrica de risco, e não uma métrica de marketing. Uma equipe que relatou uma melhora na taxa de fraude sem informar o que aconteceu com as aprovações descreveu apenas metade de uma transação e considerou isso uma vitória.

A assimetria na forma como os dois são medidos agrava ainda mais a situação. As perdas decorrentes de fraudes são concretas, atribuídas e relatadas. A perda de clientes genuínos, por outro lado, é difusa e invisível. As organizações otimizam o que conseguem ver, e é por isso que os limites tendem a se deslocar para uma rejeição excessiva ao longo do tempo, a menos que alguém esteja explicitamente atento a isso.

Onde a conversão realmente acontece

A conclusão relevante é que a maior parte da perda recuperável está na captura, e não na tomada de decisão.

Um candidato que fotografa seu documento três vezes e ainda assim não consegue passar pelo processo enfrentou um problema de captura, e não uma verificação de fraude. Reflexo no holograma, borda cortada, imagem desfocada, iluminação insuficiente — esses fatores levam a novas tentativas, e novas tentativas levam ao abandono do processo. Orientações que detectam o problema enquanto a câmera está aberta e informam à pessoa o que corrigir geram uma taxa de conversão muito maior do que uma rejeição após o envio. Captura de documentos A qualidade é o fator que mais influencia a conversão na fase de integração.

A segunda alavanca é a proporcionalidade. Nem todo candidato precisa de um nível de análise tão aprofundado, e aplicar o procedimento mais rigoroso a todos gera atrito com pessoas que não precisavam disso. O direcionamento por risco — um procedimento mais leve por padrão, e um mais rigoroso quando os indicadores assim o justificarem — garante as aprovações sem reduzir o nível máximo de análise. É isso que orquestração para que serve e por quê verificação de identidade deve ser avaliado tanto pela taxa de aprovação de usuários genuínos quanto pela taxa de detecção.

O que a métrica não consegue indicar

Isso não distingue o abandono da rejeição. Duas falhas muito diferentes geram o mesmo resultado e exigem soluções diferentes.

Uma taxa alta não é necessariamente boa. A taxa de conversão pode aumentar ao aprovar pessoas que deveriam ter sido recusadas. Leia em conjunto com a taxa de fraude ou nem leia.

Os números agregados ocultam os segmentos que realmente importam. As taxas variam significativamente de acordo com o tipo de documento, o país de emissão, o dispositivo e o grupo demográfico. Um número geral aceitável pode ocultar a exclusão sistemática de um grupo — o que é uma questão de justiça, e não apenas comercial.

Não diz nada sobre o que aconteceu depois. Um candidato que se converteu, mas nunca realizou nenhuma transação, não foi considerado um sucesso.

Perguntas frequentes

Como é calculada a taxa de conversão na integração de novos usuários?

Conclusões divididas por inícios, em um período definido. A definição do que constitui um “início” é mais importante do que se imagina — medir a partir do momento em que o fluxo de verificação é iniciado resulta em um número muito diferente daquele obtido ao medir a partir do primeiro envio de documento; portanto, o critério deve ser especificado sempre que o número for citado.

Qual é a diferença entre taxa de conversão e taxa de abandono?

São complementos da mesma métrica. A conversão contabiliza aqueles que concluíram; a desistência contabiliza aqueles que abandonaram. Nenhuma delas, por si só, distingue as pessoas que desistiram daquelas que foram rejeitadas, e é essa distinção que determina o que deve ser corrigido.

O que é um falso declínio?

Um cliente genuíno rejeitado por um controle de fraude ou verificação. Esses casos são onerosos e, em grande parte, invisíveis, pois um candidato rejeitado raramente reclama — ele simplesmente procura outro lugar. A perda se manifesta como uma ausência, e não como um registro em qualquer relatório; é por isso que a taxa de rejeição indevida precisa ser medida de forma deliberada.

Como melhorar a taxa de conversão na verificação sem aumentar a fraude?

A maior parte das perdas recuperáveis está na captura, e não na tomada de decisão; portanto, orientações de captura em tempo real que corrigem problemas enquanto a câmera está aberta recuperam as aprovações sem enfraquecer nenhuma verificação. Além disso, o encaminhamento por risco aplica o caminho mais rigoroso apenas quando os sinais justificam isso, em vez de causar atrito para todos.

Leitura relacionada

  • Taxas de devolução — a mesma medição do outro lado, e onde se concentra o abandono
  • Captura de documentos — onde se decide se a maior parte da conversão na integração de novos usuários será alcançada ou perdida
  • Revisão manual — o mecanismo alternativo que recupera usuários reais cuja verificação automatizada foi recusada
  • Aprovação automática — o que acontece do outro lado da decisão liminar

Discover Our Solutions

Exploring our solutions is just a click away. Try our products or have a chat with one of our experts to delve deeper into what we offer.

Relatório
Analisando o aumento das fraudes de identidade impulsionadas pela IA

A IA não se limitou a tornar a fraude mais rápida. Ela a transformou em um sistema. Analisamos milhões de interações relacionadas à identidade para mapear como os ataques de identidade estão evoluindo em diferentes regiões, tipos de ataque e níveis de sofisticação — e o que as organizações precisam repensar para acompanhar essa evolução.

Veja os dados