E-commerce · 7 min
Fraude e chargeback no e-commerce: como reduzir sem recusar cliente bom
Fraude e chargeback custam ao e-commerce brasileiro bilhões por ano, mas travar demais o checkout custa venda boa: a América Latina já tem a pior combinação do mundo entre fraude alta e taxa de aprovação baixa. Este guia mostra o tamanho do problema com dado de 2026, o que mudou no comportamento do fraudador e como montar defesa em camadas sem recusar cliente legítimo.
Todo lojista que aperta demais a régua de antifraude resolve um problema visível (chargeback) criando outro invisível (cliente bom recusado no checkout, que nunca mais volta). E quem afrouxa demais resolve o segundo problema criando o primeiro. O Brasil erra dos dois lados ao mesmo tempo: tem fraude acima da média global e aprovação abaixo da média global.
O tamanho do problema no Brasil
O volume é grande e vem crescendo em pressão, mesmo quando o número absoluto de golpes bloqueados cai. A Serasa Experian contou 743.638 tentativas de fraude no e-commerce entre janeiro e junho de 2026, quase 1 a cada 100 pedidos analisados, concentradas em beleza, calçados e saúde (56% do total). A Equifax BoaVista fechou 2025 com índice geral de fraude em 3,43%, uma queda de 2,9 pontos sobre o ano anterior, mas o ticket médio das tentativas bloqueadas subiu 54% no mesmo levantamento, sinal de que o fraudador ficou mais seletivo, não mais raro.
Do lado do prejuízo direto, a taxa média de chargeback no Brasil é de 3,48% (Clearly Payments), acima do patamar que bandeiras internacionais usam para colocar a loja em monitoramento reforçado. Um estudo da Koin projeta R$ 8,1 bilhões em perdas por fraude no país em 2026, e a recuperação em disputa de chargeback na América Latina fica perto de 12%, contra quase 20% na América do Norte: o lojista brasileiro não só perde mais para a fraude, como recupera menos quando contesta.
O outro lado da conta: o falso positivo
Aqui mora o custo que raramente entra na planilha. Segundo estudo da MRC com a Visa, a América Latina e a Europa têm 4,1% das vendas online resultando em fraude, acima da América do Norte (3,1%) e da Ásia-Pacífico (3,0%). O mesmo levantamento mostra que a taxa de aprovação de compra na América Latina é bem mais baixa que na América do Norte, o que só acontece quando o filtro recusa pedido legítimo por excesso de cautela.
Cada compra boa recusada no checkout não aparece como perda em nenhum relatório de fraude. Ela aparece como queda de conversão, como já detalhamos em taxa de conversão, sem que ninguém saiba apontar a causa. Por isso o falso positivo pede o mesmo rigor de medição que o chargeback: se você só olha fraude bloqueada, está vendo metade do problema.
O que mudou: fraude cirúrgica, não fraude de volume
O perfil do ataque mudou de forma mensurável em 2026. O ticket médio das tentativas de fraude subiu entre 35% (relatório global Signifyd) e 54% (Equifax BoaVista), porque o criminoso passou a mirar carrinho de maior valor em vez de testar cartão em compras pequenas e repetitivas. Invasão de conta, o chamado Account Takeover, usando credencial roubada numa conta antiga com cartão salvo, cresceu entre 85% e 133% em meses recentes de 2026, e ataques automatizados por bot subiram 43%.
A sazonalidade agrava o quadro. Na Black Friday e no Natal, o volume de vendas legítimas explode e os fraudadores aproveitam o alto índice de aprovação do período para mirar item de maior valor, como eletrônicos. Há ainda uma frente que cruza com pós-venda: cerca de 15% do problema de devolução no e-commerce brasileiro (estimado em US$ 1,3 bilhão) já é devolução fraudulenta ou abusiva, incluindo cliente que alega falsamente não ter recebido o pedido, o que liga diretamente à logística reversa da operação.
Defesa em camadas: o que substituiu a regra única
O modelo que perdeu força é o de regra rígida (bloquear todo pedido acima de X reais, de tal bandeira, de tal região) combinada com revisão manual lenta. Contra um ataque que decide em segundos, regra estática erra para os dois lados: deixa passar fraude nova e recusa comprador legítimo que só destoa do padrão médio.
Arraste para ver a tabela completa.
| Camada | O que verifica | Por que importa |
|---|---|---|
| Dado cadastral | CPF, histórico de compra, consistência de endereço | Primeira triagem, barata e rápida |
| Validação de identidade | Documento, biometria ou 3DS2 no cartão | Reduz fraude de identidade sem travar a maioria |
| Análise de dispositivo | Fingerprint do aparelho, IP, velocidade entre pedidos | Pega padrão de bot e de conta invadida |
| Comportamento e consórcio | Padrão de navegação e sinal compartilhado entre lojas | Detecta fraude nova antes que vire tendência isolada |
O ganho de combinar as quatro camadas é decidir por risco, não por regra fixa: pedido de baixo risco aprova direto, pedido de risco médio pede uma verificação extra (3DS2, confirmação por SMS), e só o risco alto vai para bloqueio ou revisão manual. Essa é a diferença entre travar 100% dos pedidos fora do padrão e travar só os que realmente ameaçam.
Como reduzir fraude sem travar venda boa
- Meça falso positivo com o mesmo rigor que mede chargeback: pedido bom recusado também é prejuízo
- Aplique autenticação extra (3DS2, confirmação) só nos pedidos de risco médio, não em todo mundo
- Monitore por categoria e canal: se um segmento concentra a maioria das tentativas, ele merece regra própria
- Revise a régua antes de datas de pico, quando o fraudador migra para itens de maior valor
- Trate devolução suspeita como parte do mesmo problema, não como assunto separado do pós-venda
- Prefira decisão em camadas e risco proporcional a uma regra única e rígida para todo pedido
Fraude é operação contínua, não configuração única
O erro mais caro em antifraude é deixar a régua parada enquanto o ataque muda de forma a cada trimestre. Ticket médio, categoria mais visada e horário de pico de tentativa já mudaram mais de uma vez só em 2026, segundo os próprios levantamentos citados aqui.
Acompanhar isso junto com pagamento, conversão e reputação é rotina, não projeto pontual. É a mesma lógica de qualquer boa operação: revisar o dado com frequência para não decidir hoje com o padrão de fraude do trimestre passado.