A Dynamic Mechanism for Mitigating FraudulentReturns in E-Commerce

Resumo Técnico: Um Mecanismo Dinâmico para Mitigação de Devoluções Fraudulentas no E-Commerce

Definição do Problema
As plataformas de e-commerce enfrentam um desafio de design crítico: equilibrar políticas de devolução generosas, que impulsionam a confiança e a conversão do cliente, contra os riscos de comportamento oportunista e fraude de devolução. As devoluções fraudulentas impõem custos substanciais por meio de perdas de reembolso, logística reversa, depreciação de produtos e a erosão da confiança entre vendedores e clientes. O problema central é de risco moral sob assimetria de informação, onde a plataforma não consegue observar diretamente a intenção de um cliente (manter o produto, devolução genuína ou fraude), mas deve projetar um mecanismo para deter a fraude sem penalizar clientes legítimos ou desencorajar vendedores de alta qualidade.

Metodologia
Os autores modelam a interação como um jogo dinâmico de três jogadores envolvendo um cliente ($C$), um vendedor ($S$) e uma plataforma ($P$). A plataforma atua como uma líder de Stackelberg, comprometendo-se com um mecanismo $M$ antes que o vendedor escolha a qualidade do produto e o cliente escolha a ação de devolução.

• Espaço de Estados: O estado do sistema no tempo $t$ é definido pelo escore de risco operacional do cliente ($\Theta_t$), o escore de confiabilidade do vendedor ($\Omega_t$) e a categoria do produto ($k$).
• Design de Mecanismo: A plataforma compromete-se com um conjunto de instrumentos:
  • Preços Ajustados ao Risco: Preços que aumentam com o risco do cliente e diminuem com a confiabilidade do vendedor.
  • Título de Reembolso (Bond): Um título reembolsável em múltiplas etapas, mantido como colateral contra perdas relacionadas à devolução.
  • Auditorias Probabilísticas: Probabilidades de auditoria que escalam com o risco.
  • Sistema de Reputação Dinâmico: Um sistema de pontuação ajustado por falhas e envelhecido pelo tempo, tanto para clientes quanto para vendedores.
• Conceito de Equilíbrio: A análise busca um Equilíbrio de Stackelberg de Perfeição de Markov (MPSE). A plataforma antecipa as melhores respostas do vendedor (escolha de qualidade) e do cliente (ação de devolução) e otimiza seu mecanismo para maximizar seu ganho, satisfazendo as restrições de racionalidade individual (IR) e compatibilidade de incentivos (IC) para ambos os seguidores.

Principais Contribuições
O artigo apresenta três contribuições teóricas primárias:

1. Condição de Dissuasão Unificada: Os autores tratam a mitigação da fraude de devolução como uma única condição econômica. Um cliente evita a fraude se, e somente se, o ganho privado da fraude ($G_f$) não exceder a soma de:
   • O título residual em risco ($B_{res}$).
   • A penalidade esperada da auditoria ($p F_C$).
   • O custo de esforço da fraude ($c_F$).
   • O valor futuro descontado de manter um histórico limpo ($\delta_C \Delta V_C$).
     Os instrumentos da plataforma são mostrados como alavancas que manipulam diretamente os termos desta desigualdade.
2. Dinâmica de Títulos em Múltiplas Etapas: O artigo introduz um mecanismo de título reembolsável em múltiplas etapas. Ele deriva a condição específica sob a qual a liberação do título em etapas (ex: na coleta, no recebimento no armazém, na verificação) preserva a dissuasão enquanto reduz o ônus de liquidez do cliente. O achado principal é que um título residual suficiente deve ser mantido até o ponto da verificação para manter o efeito dissuasivo.
3. Reputação Ajustada por Falhas e Envelhecida pelo Tempo: Os autores desenvolvem um escore de reputação que não é apenas envelhecido pelo tempo (permitindo reabilitação), mas também ajustado por falhas. Isso garante que clientes não sejam penalizados por defeitos causados pelo vendedor, e vendedores não sejam penalizados por fraude do cliente. O modelo demonstra como a "lavagem de pontuação" (esperar o tempo passar para limpar um escore ruim) é evitada ao incorporar um índice de severidade vitalício.

Resultados e Achados
A análise produz resultados específicos sobre o design do mecanismo:

• Substituibilidade de Instrumentos: Títulos e auditorias são substitutos. A plataforma pode reduzir a carga de auditoria aumentando o título, ou reduzir o ônus de liquidez dos clientes aumentando a probabilidade de auditoria, desde que a condição de dissuasão total seja atendida.
• Escala de Escalonamento Ótima: A plataforma deve visar a "fronteira de incentivo" (onde a condição de dissuasão está apenas sendo vinculada) em vez de penalizar uniformemente todos os usuários de alto risco. A política ótima escala os instrumentos em uma ordem específica:
  1. Zona de Confiança: Nenhum título exigido se a lacuna de dissuasão for negativa.
  2. Liderada por Título (Bond-Led): Usa o título para fechar a lacuna (probabilidade de auditoria = 0).
  3. Liderada por Auditoria (Audit-Led): Uma vez que o título atinge sua capacidade, aumenta-se a probabilidade de auditoria.
  4. Restrição: Se ambos os instrumentos forem esgotados, restringe-se a transação.
• Incentivos do Vendedor: A alta qualidade do vendedor é sustentada apenas se a plataforma vincular a qualidade a consequências econômicas (ex: comissão menor, melhor ranking). Sem essas consequências, os vendedores fornecem menos qualidade.
• Reabilitação vs. Dissuasão: O modelo mostra que clientes honestos podem reabilitar seus escores ao longo do tempo, reduzindo seu atrito (preço, título, auditoria). No entanto, um "piso" é mantido com base na severidade vitalícia para evitar que fraudadores estratégicos apaguem totalmente seu histórico.
• Ilustração Numérica: A calibração do modelo confirma que o mecanismo proposto domina os benchmarks (como "sem instrumentos" ou "restringir o decil de risco superior") ao alcançar menores taxas de fraude com maior bem-estar total e melhor excedente do cliente.

Significância e Alegações
O artigo alega fornecer um framework unificado para projetar políticas de devolução que sejam tanto dissuasivas quanto reabilitadoras. Ao modelar o problema como um jogo dinâmico com uma única condição organizadora, os autores oferecem orientação de design que vai além de regras estáticas. A significância reside em demonstrar que:

• A fraude pode ser dissuadida sem restrições generalizadas que prejudiquem clientes honestos.
• Títulos em múltiplas etapas podem reduzir custos de liquidez sem sacrificar a segurança.
• Sistemas de reputação devem ser cuidadosamente projetados para distinguir entre fraude do cliente e defeitos do vendedor para manter a justiça e a confiança.
• A plataforma atua como uma líder credível ao se comprometer com mecanismos transparentes e baseados em regras que alinham os incentivos de todas as três partes.

Os autores reconhecem limitações, observando que o modelo assume um cliente e um vendedor representativos, agentes neutros ao risco e compromisso total da plataforma. Eles sugerem que trabalhos futuros foquem na validação empírica usando dados de nível de transação, testes da liberação de títulos em múltiplas etapas em experimentos de campo e exploração da competição entre plataformas com diferentes políticas.