Cuando hablamos de compras con tarjeta, entender y categorizar las transacciones de manera precisa es crucial tanto para los bancos como para sus clientes. Durante años ha existido el sistema de códigos de categoría de comerciante (MCC, por sus siglas en inglés) para categorizar las transacciones, pero este sistema tiene bastantes limitaciones a la hora de ampliar su uso, para por ejemplo herramientas de gestión de finanzas personales (PFM, por sus siglas en inglés).
En esta ocasión exploraremos las desventajas de los códigos MCC como estrategia para categorizar transacciones y entender en qué gastan los clientes y revisaremos por qué es mejor opción usar las glosas o descripciones de las transacciones para entender en qué gastan los clientes.
Los códigos MCC fueron desarrollados por los principales emisores de tarjetas de crédito, como Visa o Mastercard, para clasificar los negocios según su línea principal de actividad, de manera de poder diferenciar las tasas de intercambio que se le cobrará a cada uno según su línea de negocio y su nivel de riesgo. De esta manera, compras en comercios con mayor nivel de riesgo de contracargos o fraudes pueden tener tasas de intercambio más altas (costo que el comercio paga por el servicio de procesamiento de pagos).
Si bien el uso principal de los MCC es para el procesamiento de transacciones, estos también se utilizan para otras cosas como reportar compras que están o no sujetas a impuestos, establecer controles de gastos en ciertas categorías o premiar a clientes con cashbacks en ciertas categorías (10% cashback por compras en restaurantes).
Debido a que cada transacción procesada tiene un MCC, estos se han convertido en el input que muchos bancos usan para desarrollar herramientas de PFM. Pero los MCC no están diseñados para esto, teniendo limitaciones que afectan su capacidad de proporcionar información de valor a nivel de negocio para el banco como para los usuarios de sus tarjetas, que cada vez están más necesitados de saber en dónde están gastando. Alguna de las desventajas son:
Datos limitados
Los códigos MCC se asignan a las cuentas de los comercios y dependen de su línea de negocio, sin poder modificar o diferenciar el MCC según su línea de negocio.
Imagina una gran empresa con múltiples líneas de negocio (piensa en Uber con app de transporte, Uber Eats y Cornershop), posiblemente tendrá el mismo MCC en compras en sus tres aplicaciones, no permitiéndole al usuario final entender a detalle en qué gastó su dinero. Un banco usando MCC estará categorizando compras en Cornershop (Supermercados) y Uber Eats (restaurantes) de la misma manera que un viaje en Uber.
Confusión entre diferentes industrias
Algunos códigos MCC se comparten entre múltiples industrias, lo que puede generar confusión y clasificaciones incorrectas. Por ejemplo, “Tiendas de Retail” es una categoría de MCC que considera industrias del tipo 5310 y que incluye a tiendas tan diversas como tiendas de jardinería (en Xerpa categoría Hogar y Familia), tiendas de ropa (en Xerpa categoría Shopping) y supermercados (en Xerpa categoría Supermercados y Tiendas de alimentos), las cuales tienen poco que ver entre ellas desde una mirada de segmentación.
No hay personalización en las categorías
Los MCC están definidos por las emisoras de tarjeta como un código fijo, no permitiendo a los bancos ajustar o agregar categorías al catálogo entregado, limitando la posibilidad de adecuar a la realidad que tiene cada uno en su país y tipos de transacciones.
En caso de querer ofrecer a los clientes recategorización, tendrán que invertir en trabajar en una estructura de datos adicional a los MCC y desarrollar motores de aprendizaje que diferencien entre lo que dicen los clientes y el MCC del comercio.
Distintos MCC para un mismo comercio
Existen casos en que para un mismo comercio se entregan diferentes MCC. Por ejemplo, hemos podido identificar que Spotify es un comercio que puede aparecer con más de cinco tipo de MCC distintos, categorizando como Miscellaneous Stores, Utilities o Amusement and Entertainment. Sumado a eso, si un cliente paga por Spotify con su tarjeta o a través de PayPal puede tener dos códigos MCC diferentes.
Para superar este tipo de limitaciones inherentes de los motores de categorización en base a los códigos MCC, en Xerpa desarrollamos motores en base a machine learning para usar las descripciones de las transacciones (también conocidas como glosas), la fecha, monto y moneda de cada compra para categorizar de forma automática la categoría del comercio. Sumado a eso, limpiamos esta descripción para identificar el nombre y el logo del comercio, para que los clientes puedan conocer en detalle en qué comercios y categorías gastan más dinero, así como a los bancos ayudarlos a entender mejor a sus clientes.
Sumado a esto, entendemos que existen comercios que los clientes pueden percibir de manera diferente, por lo que habilitamos el reentrenamiento de los modelos en base al feedback de los usuarios. Contar con este tipo de motores de enriquecimiento de transacciones ayuda a tu banco a:
Si bien los códigos MCC se pueden considerar como un estándar para la categorización de comercios, su uso para herramientas de control de gastos tiene limitantes estructurales que en algunos casos pueden crear experiencias de usuario negativas.
Para aprovechar todo el potencial de los datos que vienen en cada transacciones, los bancos deben ir más allá de los códigos MCC y adoptar tecnologías avanzadas de procesamiento de lenguaje que puedan identificar de manera precisa el comercio y la categoría detrás de cada compra. Al hacerlo, los bancos y sus clientes pueden beneficiarse de transacciones enriquecidas para obtener mayor precisión, entregar información financiera personalizada y ofrecer una experiencia de usuario superior.
A medida que la industria financiera continúa evolucionando, el Enriquecimiento de Transacciones seguirá siendo una ventaja competitiva clave para los bancos que buscan ofrecer servicios innovadores y valiosos a sus clientes, tomando cada vez más fuerza e importancia.