Toda venda aprovada começa com uma decisão tomada em milissegundos: aprovar ou recusar. Na Shopify, essa decisão envolve dois sistemas que muitos lojistas confundem. De um lado está a análise de risco que a Shopify faz nos pedidos. Do outro, a decisão de aprovar ou recusar o pagamento, que fica com o gateway.

No Brasil, essa divisão é ainda mais clara. O Shopify Payments, a solução de pagamento própria da plataforma, não está disponível no país. Por isso, toda loja Shopify brasileira processa os pagamentos por um gateway parceiro. É ele que recebe a transação, roda o antifraude e decide se a venda é aprovada. A escolha do gateway define, na prática, a taxa de aprovação da sua loja. Saber onde cada decisão acontece é o primeiro passo para melhorar esse número, seja barrando a fraude que está passando, seja liberando as vendas legítimas que estão sendo bloqueadas.

Aprovação x fraude: o falso positivo é o prejuízo que você não vê

A fraude é o risco que todo mundo enxerga. O falso positivo é o prejuízo silencioso. Antes de olhar as causas das recusas, vale entender por que ele pesa tanto na conta e por que ele merece a mesma atenção que a fraude.

O que é falso positivo e quanto ele custa

Falso positivo é a venda legítima recusada porque o sistema a confundiu com fraude. Para o lojista, o efeito é o mesmo de uma venda que nunca aconteceu: receita zero, custo de aquisição já pago (o cliente chegou ao checkout, e isso custou tráfego pago ou orgânico) e um cliente que muitas vezes não tenta de novo.

E ele não é raro. No Brasil, os sistemas antifraude chegam a bloquear até 10% das compras legítimas. Metade das empresas ouvidas diz que as recusas indevidas aumentaram. No Brasil, o cenário pede ainda mais equilíbrio. As perdas com fraude em cartão no e-commerce chegaram a R$ 7,8 bilhões em 2025, segundo a Koin com a Gmattos, e a projeção é passar de R$ 8,1 bilhões em 2026. O mesmo estudo aponta que a taxa média de aprovação online na América Latina é menor que na América do Norte, sinal de que parte das vendas se perde por excesso de cautela.

O falso positivo em números

Um exemplo deixa a lógica clara. Imagine uma loja com 1.000 tentativas de pagamento por mês e taxa de aprovação de 82%. Ela aprova 820 pedidos e perde 180. Se 10 dessas 180 recusas eram fraudes de verdade, bloqueadas corretamente, as outras 170 são falsos positivos: compradores legítimos que não conseguiram pagar. Com ticket médio de R$ 250, são R$ 42.500 de receita que o antifraude eliminou para proteger R$ 2.500.

Não existe uma taxa de aprovação ideal que sirva para todo e-commerce. Ela depende do nicho, do público e do mix de bandeiras e tipos de cartão. O que existe é um princípio: toda recusa que não é fraude confirmada é receita perdida. Reduzir o falso positivo é tão estratégico quanto bloquear a fraude.

Por que pedidos são recusados na Shopify

As recusas têm origens diferentes, e cada uma pede uma solução diferente. Misturar as causas leva a correções erradas: não adianta mexer no antifraude para resolver uma recusa do banco emissor, e vice-versa. Veja os três tipos principais.

Recusas do banco emissor

O banco que emitiu o cartão do cliente pode recusar a transação por vários motivos:

  • Limite insuficiente no momento da compra;
  • Cartão bloqueado pelo próprio banco por suspeita de uso indevido;
  • Dados inconsistentes, como validade vencida ou CVV incorreto;
  • Compra fora do padrão do titular, como o primeiro uso online ou um valor acima do habitual;
  • Instabilidade técnica temporária do banco emissor.

O limite, sozinho, já é um gargalo enorme. Só na Black Friday, a Appmax registrou 2,29 milhões de recusas por limite na base.

Essas recusas costumam vir com um código de motivo na resposta da transação. O mais comum é o “do not honor”, um código genérico que o banco usa quando não quer detalhar o motivo. Tentar de novo na hora, com o mesmo cartão, normalmente não resolve. Mas a venda pode ser recuperada mais tarde, quando o limite for liberado depois do fechamento da fatura, ou com outro meio de pagamento, como Pix ou outro cartão. Ferramentas de recuperação de vendas fazem exatamente essa ponte.

Recusas por dados incorretos

O cliente digitou o número do cartão errado, uma validade vencida ou o CVV incorreto. São recusas técnicas, e uma nova tentativa com os dados certos resolve. Um checkout que mostra uma mensagem de erro clara, indicando qual campo está errado, reduz o abandono nesses casos.

Recusas por regras do antifraude

Aqui, o antifraude do gateway classificou a transação como suspeita e recusou. Às vezes ele recusa sem consultar o banco emissor. Em outras, o banco aprova, mas o antifraude passa por cima com uma recusa interna. É nesse tipo de recusa que o falso positivo mais acontece: o banco aprovaria, mas o antifraude bloqueou.

As regras fixas que mais geram falso positivo são:

  • Primeiro pedido de valor alto;
  • Endereço de entrega diferente do CEP do cartão;
  • IP em um estado diferente do endereço cadastrado;
  • Vários pedidos em sequência, que podem ser de um cliente comprando presentes para várias pessoas ou um teste de cartão clonado.

Parte dessas regras tem fundamento. Segundo a Serasa Experian, o ticket médio das tentativas de fraude no e-commerce em 2025 foi de R$ 1.057,87, quase o dobro do ticket das compras legítimas (R$ 538,79). O problema é que regra fixa não enxerga contexto. Um cliente legítimo que comprou uma televisão no primeiro acesso à loja tem o mesmo perfil, para a regra, que um fraudador testando um cartão clonado.

Análise de fraude da Shopify x antifraude do gateway

A Shopify e o gateway trabalham em camadas diferentes, e as duas se complementam. Entender o papel de cada uma evita a sensação de que o pedido “passou” ou “travou” sem explicação.

O que a análise de fraude da Shopify faz

A Shopify oferece uma análise de fraude nos pedidos. Ela avalia os dados do pedido e do comportamento de navegação, atribui um nível de risco (baixo, médio ou alto) e mostra alertas no painel administrativo.

O ponto importante é que essa análise não aprova nem recusa pedidos. Ela avisa o lojista que um pedido tem características suspeitas, e a decisão sobre o pagamento fica com o gateway. Um pedido marcado como de alto risco pela Shopify pode ter sido aprovado pelo gateway, se a transação passou pela adquirente e pelo banco emissor. Nesse caso, cabe ao lojista decidir o que fazer com ele.

Na prática, a análise da Shopify:

  • Identifica inconsistências no pedido, como endereço de cobrança diferente do de entrega, e-mail descartável ou IP em outro país;
  • Mostra um indicador de risco no painel de pedidos;
  • Gera alertas que ajudam o lojista a revisar pedidos suspeitos manualmente;
  • Recomenda seguir com o pedido ou revisá-lo, sem tomar a decisão automaticamente.

O que o antifraude do gateway faz

Já o antifraude do gateway:

  • Analisa os dados da transação em tempo real, antes de enviá-la para a adquirente;
  • Aprova, recusa ou coloca em revisão, com base no modelo de análise;
  • Nos sistemas híbridos, leva os casos de risco intermediário para revisão humana.

Como as duas camadas trabalham juntas

As duas camadas se completam. A análise da Shopify funciona como um segundo filtro para pedidos que o gateway aprovou, mas que têm algum detalhe suspeito, como um endereço de entrega fora do esperado. O lojista que acompanha os indicadores da Shopify junto com o antifraude do gateway tem uma visão muito mais completa do risco da operação.

Como funciona a análise de fraude com IA

A grande diferença entre o antifraude por regras fixas e o antifraude com inteligência artificial está na capacidade de aprender. A IA aprende com o histórico de transações e encontra padrões que nenhuma regra estática captura. Veja como isso funciona na prática e o que muda no modelo da Appmax.

Regras fixas x machine learning

Regras fixas são critérios definidos por analistas, como “bloquear pedidos acima de R$ 800 no primeiro acesso”, “recusar IPs fora do Brasil” ou “reprovar CPFs com mais de dois pedidos por dia”. Elas pegam fraudes conhecidas e padrões previsíveis. Mas não se adaptam a golpes novos e geram muito falso positivo, porque tratam todo mundo do mesmo jeito.

O machine learning treina o modelo com o histórico de transações legítimas e fraudulentas da rede. Ele pode aprender, por exemplo, que num determinado segmento os compradores reais levam entre 45 e 90 segundos para preencher o formulário, enquanto robôs com cartão clonado preenchem em menos de 8. Essa distinção não está escrita em nenhuma regra: ela aparece nos dados.

Triagem invertida

O modelo de antifraude da Appmax funciona com triagem invertida: ele parte da aprovação e procura motivos para recusar, e não o contrário. O modelo tradicional começa desconfiando e só aprova se não encontrar risco suficiente. A triagem invertida começa aprovando e só recusa quando encontra evidências suficientes de fraude.

Na prática, essa inversão reduz o falso positivo. Compras de valor mais alto no primeiro acesso, entregas em um endereço diferente do CEP do cartão e outros padrões que sistemas conservadores bloqueiam automaticamente passam a ser avaliados no contexto completo da transação antes de qualquer recusa.

Revisão humana nos casos intermediários

Quando o modelo não tem confiança suficiente para aprovar ou recusar sozinho, a revisão humana entra como mais uma camada. Um analista interpreta o contexto que o algoritmo não alcança. Ele pode, por exemplo, ligar para o cliente e ouvi-lo confirmar os dados com naturalidade, checar o histórico de compras do CPF em outras fontes ou analisar o endereço de entrega.

Esse modelo híbrido reduz o falso positivo nos casos cinzentos sem abrir brechas para a fraude, porque soma a velocidade da máquina com a leitura de contexto do analista.

Métricas para acompanhar

O que não é medido não melhora. Três métricas mostram se o seu antifraude está protegendo a receita ou travando vendas, e elas precisam ser lidas juntas. O dashboard de vendas é o lugar certo para acompanhá-las.

Taxa de aprovação

A taxa de aprovação é o percentual de tentativas de pagamento que viram transação aprovada. A conta é simples: transações aprovadas divididas pelo total de tentativas no período, multiplicado por 100.

Vale olhar essa métrica por bandeira, por tipo de cartão (débito, crédito à vista e parcelado) e por faixa de valor do pedido. Assim, você descobre onde as recusas se concentram. Uma queda repentina em uma bandeira específica, por exemplo, pode indicar um problema de roteamento com a adquirente, e não necessariamente fraude.

Taxa de chargeback

O chargeback é a contestação de uma cobrança feita pelo titular do cartão junto ao banco emissor. A taxa é calculada sobre o volume de transações, e as bandeiras definem limites para ela. Visa e Mastercard têm programas de monitoramento que entram em ação quando a loja passa desses limites. Entenda melhor como funciona o chargeback e como evitá-lo.

É importante acompanhar o chargeback separado da aprovação, porque os dois podem andar em direções opostas. Um antifraude mal calibrado pode aprovar mais e, junto, deixar passar mais fraude, o que aumenta o chargeback. O objetivo é ter as duas coisas ao mesmo tempo: aprovação alta e chargeback baixo.

Taxa de falso positivo

Essa é a métrica mais difícil de medir, porque exige descobrir, entre as transações recusadas, quais eram legítimas. Uma boa aproximação é acompanhar quantos clientes tentam pagar de novo depois de uma recusa, com outro cartão ou outro meio de pagamento. Esse comportamento é muito mais típico de um comprador real do que de um fraudador.

Como a Appmax aprova mais com segurança na Shopify

O antifraude da Appmax foi feito para entregar as duas coisas que o lojista precisa ao mesmo tempo: aprovação alta e chargeback baixo. Na base de parceiros, o resultado é de 99% de aprovação para 80% dos clientes e 0% de chargeback para 82% dos sites. Isso vem da combinação de triagem invertida, machine learning e revisão humana. Na Shopify, ele entra como um app adicional, o Appmax Antifraude, que funciona junto com os apps de pagamento.

O que o antifraude da Appmax entrega na Shopify:

  • Análise em tempo real com mais de 150 dados por transação: comportamento de navegação, impressão digital do dispositivo, histórico do CPF na rede, tempo de preenchimento do formulário e consistência entre os dados cadastrais e os do cartão. Tudo acontece antes de a transação seguir para a adquirente, sem deixar o checkout mais lento.
  • Validações extras em vez de recusa direta: nos casos de risco intermediário, a Appmax pode pedir uma confirmação por e-mail ou uma validação facial antes de recusar. Assim, a transação que parece suspeita mas pode ser legítima ganha uma chance, em vez de ser bloqueada na hora.

A Shopify resolve a loja, e a Appmax resolve o pagamento. Com um antifraude que começa aprovando, você converte mais clientes reais e mantém a fraude do lado de fora.

Aprove mais vendas na sua loja Shopify com a Appmax

Perguntas frequentes

Por que meu pedido foi recusado na Shopify?

A recusa pode ter três origens: o banco emissor do cartão (limite, bloqueio ou dados incorretos), o antifraude do gateway (transação classificada como suspeita) ou uma instabilidade técnica temporária. O motivo de cada recusa aparece no painel do gateway.

O que é falso positivo no antifraude?

É uma venda legítima recusada porque o sistema a confundiu com fraude. É receita perdida, com custo de aquisição já pago, e um cliente que muitas vezes não tenta de novo. Reduzir o falso positivo é tão estratégico quanto bloquear a fraude.

A Shopify tem antifraude?

A Shopify tem uma análise de risco nos pedidos, que mostra indicadores de suspeita no painel administrativo. Ela não aprova nem recusa pedidos: aponta o risco para o lojista revisar. A decisão de aprovar ou recusar o pagamento fica com o gateway integrado à loja.

Qual é uma boa taxa de aprovação no e-commerce?

Não existe um número único, porque ele depende do nicho e do perfil do público. O princípio é que toda recusa que não é fraude confirmada é receita perdida. Como referência, 80% dos clientes da Appmax têm 99% de aprovação, com chargeback controlado.

O antifraude da Appmax substitui a análise da Shopify?

Não, as duas se completam. O antifraude da Appmax atua na hora do pagamento, decidindo o que aprovar. A análise da Shopify mostra indicadores de risco nos pedidos já aprovados, para o lojista revisar casos suspeitos. Usar as duas juntas dá uma visão mais completa do risco da operação.