Disputifier 创始人赢得退款

导读：马克·瓦格纳 (Mark Wagner) 认为，最好的退款恢复系统是自动化且由数据驱动的。2021 年，他在此基础上创立了 Disputifier，这是一家位于德克萨斯州奥斯汀的退款软件公司。

他告诉我，“多年来我们开发了一个直观的系统。它将交易数据与我们的测试相结合，并确定适当的响应。”

他和我最近讨论了电子商务退款的状况以及商家如何追回虚假索赔。我们整个对话的音频嵌入在下面。为了长度和清晰度，对文字记录进行了编辑。

埃里克·班霍尔兹：告诉我们你是做什么的。

马克·瓦格纳：我经营一家名为 Disputifier 的软件公司。我们是一家自动退款追偿机构。我们发现超过 60% 的退款属于欺诈行为。这些都不是不可能获胜。更多的是关于分离有效的信用卡。假设一个骗子在暗网上购买了某人的信用卡信息。这与试图获得免费物品的顾客的情况截然不同。

我们帮助解决重复退款问题（持卡人赢得退款，然后失去退款，然后重新申请），这种情况很难预防，但很容易获胜。重复是我们最高的胜率——大约 90%。对于重复的回复，我们附上结账页面和购买流程的屏幕截图。我们在测试后将所有证据提交给发卡机构。我们有大量数据来确定格式化响应的确切方式，这可能会产生巨大的影响。

我们通过 PDF 提供证据。因此，我们没有使用 Shopify Payment 的响应，而是从头开始构建自己的响应。我们可以突出显示特定领域，使其几乎就像一场具有不同部分的诉讼。我们尝试采用与 Shopify 不同的格式。

Bandholz：发行银行的真人会阅读这些文件吗？

瓦格纳：是的，银行会打印您的退款回复并将其扔到某人的桌子上。当他或她已经与持卡人达成一致时，该人将手动翻阅它并决定是否站在商家一边。所以格式和图像很重要。我们将文本保持在最低限度——两到三个句子。人都是视觉的。这一切都在于格式、图形、图像及其呈现方式。

我们基于软件，这意味着我们以编程方式从 Shopify 和其他来源获取数据，然后将这些数据添加到我们的自动响应中。我们手动审核我们的回复，以确保它们符合标准以及我们是否有任何自定义证据，但通常超过 90% 的回复与我们系统生成的内容没有变化。

Bandholz：你不能只使用 Shopify 的欺诈分析吗？

Wagner： Shopify 的欺诈分析过于基础，而且并不总是有帮助。它可能有 10 个数据点，但没有解释将退款标记为低风险或高风险的原因。例如，即使订单是在北美境外下达并运送到加利福尼亚州，Shopify 也可能会将退款标记为低风险。这没有道理。相反，许多人被标记为高风险，但没有严重的迹象。如果你退还这些钱，那么你就会赔钱。我们已经进行了测试。Shopify 的中风险订单中大约 7%（以及高风险订单中的 35%）会发生退款。所以绝大多数都是合法买家。

Bandholz：商家应该投入多少精力来应对退款？

瓦格纳：这取决于你的规模、商业模式和平均订单价值。如果我们谈论的是更高的平均订单价值（数百至数千美元），这将成为一个必要但劳动密集型的过程。如果你的 AOV 较低，你就不应该花时间在上面。

当我经营电子商务品牌时，我们有一名员工会尝试确定订单是否存在欺诈。她会给办公室里的每个人打电话，说：“伙计们，看看这个。”一天结束时，我们仍然收到大量退款。这是一个不完美的过程，最好不要由人类来完成。

Bandholz： Disputifier 的方法是什么？

Wagner：多年来我们开发了一个直观的系统。它将交易数据与我们的测试相结合，并确定适当的响应。它融合了两者。这是针对每个订单的定制响应，但与模板匹配。这种格式对我们很有效。然后，它会经过人工审核并代表商家提交。

我们通过从赢得的订单中获取一定比例来赚钱。

当 Shopify 品牌找到我们时，他们赢得了大约 25% 的利润。我们的胜率略高于 50%，具体取决于处理器。替代支付方式似乎有公平的争议程序，而信用卡发卡机构可能难以预测。

商家应始终要求顾客在结账时同意条款和条件，包括退款政策。除非客户单击该框表示同意，否则他们无法完成订单。如果买家谎称退款，卖家可以参考该信息。它对胜率有很大帮助。

再次强调，这是为了高 AOV。我不会在低 AOV 的情况下这样做。另外，对于非常高的订单（5,000 美元或更多），商家应与客户签订实际合同。这也将有助于获胜。切勿冒险进行大额购买。

商家应该测试并确定获胜的反应是什么样的。品牌很难自己弄清楚整个退款流程。很模糊。每家银行的规则都略有不同。
原文链接；https://www.practicalecommerce.com/disputifier-founder-on-winning-chargebacks