Un cliente llega a tu checkout con el carrito lleno, elige "paga en 3 plazos sin intereses" con Sequra, introduce su email y su teléfono, pulsa continuar y a los tres segundos aparece en pantalla ese mensaje rojo que temes: "no podemos ofrecerte financiación en esta compra". El cliente se queda mirando la pantalla, prueba con otro método, en la mitad de los casos abandona el checkout y a ti te queda una venta perdida y la sospecha razonable de que el problema es el proveedor de pago aplazado, que está siendo demasiado restrictivo.

En una parte real de los casos, no lo es. El scoring de aprobación de Klarna, Sequra, Aplazame y del resto de proveedores de pago aplazado en España se apoya en la coherencia entre los datos que el cliente introduce en tu checkout y el histórico que esos proveedores tienen sobre esa persona. Cuando tu base de clientes está poblada de emails duplicados, teléfonos mal formateados y direcciones incompletas, el scoring no encuentra la coincidencia que necesita para aprobar y baja el umbral por defecto. Este artículo va dirigido a responsables de ecommerce y dueños de tiendas online españolas que ofrecen BNPL (Buy Now Pay Later) en el checkout y ven que su ratio de aprobación se ha estancado por debajo del 80% sin razón aparente. No va a hablar de la comisión que cobra cada proveedor ni de qué solución elegir: hay artículos excelentes sobre eso. Va a hablar de la parte que casi nadie mira: cómo tus propios datos están tirando la aprobación abajo.

Cómo aprueba de verdad un proveedor BNPL en España

Klarna, Sequra y Aplazame no son bancos. Son plataformas que financian la compra a corto plazo y asumen el riesgo de impago frente al comercio. Para decidir si aprueban o no una compra, cada plataforma consulta en menos de un segundo un modelo de scoring que combina, en distintas proporciones según el proveedor y el ticket:

  • El histórico crediticio y de morosidad de esa persona en su propia base y en ficheros compartidos del sector.
  • La coherencia entre email, teléfono y dirección introducidos y los que ya conoce de compras previas en otras tiendas.
  • Las señales de fraude en tiempo real: geolocalización, huella del dispositivo, velocidad de introducción de datos, discrepancias con el historial.
  • La reputación del propio comercio (índice de morosidad histórico de tu tienda, tasa de disputas, categoría de producto).

De estos cuatro bloques, el tercero (fraude) es el que menos puedes influenciar como comercio. El primero (historial del cliente) tampoco. Pero el segundo (coherencia de datos) y el cuarto (reputación de tu tienda, que también depende de los datos que envías) están directamente en tus manos. Y son exactamente los dos que más se degradan cuando tu base de clientes está sucia.

Cuatro formas concretas en que tus datos sucios te bajan el ratio de aprobación

1. Duplicados que hacen que un cliente recurrente parezca nuevo

Este es el más silencioso. Un cliente compró en tu tienda hace ocho meses con su correo de Gmail y pagó puntual con Klarna. Hoy vuelve, hace la compra como invitado y por prisa escribe su otro correo (el de Hotmail o el corporativo del trabajo). Para tu tienda son dos clientes distintos. Para Klarna, cuando busca en tu histórico enviado en la petición de scoring, la referencia a esa transacción anterior sale como "cliente sin historial en el comercio". El scoring, sin datos positivos previos que reforzar, se queda en el umbral genérico y aplica un límite más bajo o rechaza directamente si el ticket sube de una cierta cifra.

Si tu tasa de duplicados exactos o fuzzy (misma persona con dos emails, con typos, con nombres invertidos) es del 8-15%, entre uno de cada diez y uno de cada siete clientes recurrentes están apareciendo ante el BNPL como completamente desconocidos. Cada aprobación perdida ahí no es "un cliente que no se merecía financiación": es un cliente que ya te compró bien y al que estás sabotearando sin darte cuenta.

2. Emails inválidos que rompen la cadena de confirmación y avisos

Cuando el BNPL aprueba, envía inmediatamente al email del cliente el plan de pago, las fechas de los cobros y las instrucciones de qué hacer si la tarjeta cambia. Si el email es inválido (typo, dominio caído, buzón temporal), esos avisos no llegan. El cliente no ve el primer recordatorio, se retrasa en el pago, entra en morosidad. Al proveedor le llega un caso de impago vinculado a tu tienda y tu índice de morosidad histórica sube. La consecuencia práctica: el proveedor endurece el scoring para futuros clientes de tu comercio, aunque esos clientes nuevos no tengan nada que ver con el que impagó.

Es un círculo vicioso lento y difícil de diagnosticar sin métricas específicas. En bases típicas de ecommerce español con captura agresiva, entre el 8% y el 15% de emails son inválidos. Si ese porcentaje se traslada al checkout de compras con BNPL, tu tasa de morosidad estructural sube uno o dos puntos por encima del sector.

3. Teléfonos mal formateados que rompen la verificación por SMS

Sequra y Aplazame verifican la identidad del cliente en el checkout mandando un código SMS al teléfono introducido. Si el teléfono está mal formateado (+34 6 12 34 56 78 con espacios, 034612345678, 612 345 678 sin prefijo, 600.000.000 con puntos, +34-612-345-678 con guiones), el SMS no llega o llega con retraso, el cliente no puede completar la verificación en la ventana de tiempo, la operación se cae y aparece como "rechazada por no verificación" en tus métricas.

En el dashboard esto no se ve como "problema de datos": se ve como "cliente que no completó BNPL". La conclusión intuitiva del responsable es que hace falta simplificar el checkout, cuando el problema es que el teléfono guardado o introducido no cumple el formato E.164 (+34 seguido de 9 dígitos sin espacios ni caracteres) que la mayoría de gateways de SMS necesitan para rutear correctamente.

4. Direcciones incompletas que degradan el risk scoring

Los proveedores BNPL cruzan la dirección de facturación y envío con bases de datos públicas para verificar que existe, que es coherente con el código postal y con la provincia, y que no está en zonas de alta morosidad o fraude conocido. Si tu tienda captura la dirección con campos separados y el cliente deja el piso vacío, o pone s/n sin más, o el código postal no corresponde a la provincia por un typo (28000 en vez de 08000), el scoring recibe una dirección "incompleta o inconsistente" y baja la confianza por defecto. En algunos casos el proveedor aprueba pero baja el límite máximo autorizado, cosa que también hace que compras de ticket medio-alto acaben rechazadas.

Un escenario ilustrativo con números

Imagina una tienda española de moda con 6.000 pedidos al mes, ticket medio 78€ y un mix de checkout donde el 35% de los compradores eligen pago aplazado con Sequra, Klarna o Aplazame. Son 2.100 intentos de BNPL al mes.

La tasa de aprobación actual, tras varios meses de datos, se ha estabilizado en el 72%. Es decir, 1.512 pedidos aprobados y 588 rechazados. El benchmark saludable en moda para tickets similares está entre el 82% y el 88%, así que hay 10-15 puntos porcentuales de margen para mejorar.

Un análisis de la base de datos de esa tienda podría revelar (en un escenario típico): 12% de emails inválidos entre los últimos 5.000 clientes, 9% de duplicados fuzzy no unificados y 18% de teléfonos con formato incorrecto (espacios, prefijos inconsistentes, puntos y guiones). Tras unificar los duplicados, corregir el formato de teléfonos y descartar los emails muertos, es razonable esperar que la tasa de aprobación suba al 84%.

El cálculo del impacto:

  • 2.100 intentos × 84% = 1.764 aprobados (vs 1.512 anteriores).
  • 252 pedidos aprobados adicionales al mes × 78€ ticket medio = 19.656€ de ventas adicionales al mes.
  • Con margen bruto del 32% típico en moda de ticket medio, son unos 6.290€ de margen adicional mensual.
  • Anualizado: alrededor de 235.000€ de ventas y 75.000€ de margen que dejan de perderse en el rechazo del checkout.

Los números son ilustrativos y dependen del mix real de cada tienda, pero el orden de magnitud es realista para ecommerce español de tamaño medio.

Diagnóstico y qué hacer ahora mismo

Antes de tocar nada del BNPL, mira tres métricas básicas en tu dashboard:

  1. Ratio de aprobación por proveedor los últimos 90 días. Si está por debajo del 78-80% consistentemente, y tu categoría de producto no es alta rotación con ticket bajo, hay margen.
  2. Ratio de rechazos por motivo. Si tu proveedor te separa entre "rechazado por scoring", "rechazado por no verificación" y "abandonado por el cliente", el segundo (no verificación) está casi siempre correlacionado con teléfonos mal formateados. El primero (scoring), con duplicados y direcciones incompletas.
  3. Ratio de morosidad de tu comercio. Si está por encima del sector, es muy probable que estés metiendo en la financiación clientes con emails que no reciben los avisos.

Con esos tres datos en la mano, exporta la base de clientes de los últimos 12 meses (Shopify, WooCommerce, PrestaShop, Magento 2 o el CRM que uses) y pásala por un análisis de calidad. Lo que buscas es un desglose por columna: porcentaje de emails inválidos, porcentaje de duplicados exactos y fuzzy, porcentaje de teléfonos que no cumplen formato E.164 español, porcentaje de direcciones con campos vacíos o inconsistentes entre código postal y provincia. Ese informe te dice cuánto de tu margen de mejora en aprobación está en tus manos y cuánto está fuera.

Una vez limpia la base, la mejora en la tasa de aprobación no es inmediata. Los proveedores BNPL recalculan la reputación del comercio en ventanas de 60-90 días, así que verás la curva empezar a subir en el segundo mes y estabilizarse en el cuarto. Es una inversión con retorno diferido pero medible.

Preguntas frecuentes

¿Klarna, Sequra o Aplazame comparten mi base de clientes entre sí? No comparten la base como tal, pero cada uno tiene su propio histórico transversal a los comercios que usan su tecnología. Un cliente que ha pagado bien con Sequra en cinco tiendas distintas tiene un scoring positivo cuando aparece en la sexta, siempre que Sequra lo reconozca. Por eso los duplicados en tu base rompen esa cadena: el cliente parece nuevo aunque tenga historial.

¿Sirve de algo cambiar de proveedor si mi ratio es bajo? A veces sí, pero no siempre. Si el problema estructural son tus datos y no el algoritmo, cambiar de Klarna a Sequra o al revés te sube dos o tres puntos por diferencias de modelo y luego se estabiliza en el mismo rango bajo. Es más eficaz limpiar la base una vez y quedarte con el proveedor que ya tienes.

¿Cada cuánto debería limpiar la base si trabajo con BNPL? Cada seis meses como mínimo. Si tu volumen de captura es alto (más de 1.500 clientes nuevos al mes), cada trimestre. La limpieza previa a Black Friday, rebajas de enero y campaña de vuelta al cole tiene retorno especial porque son las tres ventanas del año donde más tickets se financian en España.

¿Los emails temporales o desechables afectan al scoring de BNPL? Directamente no, porque el proveedor solo verifica que el email exista técnicamente. Indirectamente sí: los emails desechables no reciben avisos ni recordatorios de pago, así que la tasa de morosidad de esos clientes es más alta y penaliza la reputación de tu comercio. El bloqueo en el formulario de checkout de dominios como mailinator o guerrillamail casi siempre compensa.

El BNPL no es solo un botón en el checkout

Cuando integras Klarna, Sequra o Aplazame en tu tienda, no estás añadiendo solo una opción de pago. Estás abriendo un canal donde la calidad de tus datos se traduce directamente en ventas aprobadas o rechazadas y en comisiones que pagas o dejas de pagar. La conversión no depende solo del diseño del botón, del posicionamiento en el checkout o del ticket mínimo que configures. Depende, en una parte que puedes controlar, de que la base de clientes que alimenta el scoring esté limpia.

Si quieres saber exactamente cuánto de tu ratio de aprobación bajo es problema de datos y cuánto no, puedes subir tu CSV de clientes a ClearRows y recibir un informe con el porcentaje de emails inválidos, duplicados exactos y fuzzy, teléfonos mal formateados y direcciones incompletas, con desglose por columna y una estimación en euros del sobrecoste mensual. El análisis es gratuito, sin límite de filas y sin tarjeta.

Artículos relacionados: