Пандемия и связанные с ней финансовые трудности привели к недавнему всплеску схемы закупок по схеме «Купи-сейчас-плати-позже» (BNPL). Как следует из названия, BNPL представляет собой форму краткосрочных кредитов, часто беспроцентных, но иногда со скрытыми затратами, которые позволяют потребителям совершать покупки и оплачивать их в будущем. Это тип оплаты в рассрочку (или «в рассрочку» в зависимости от стороны Атлантического океана, к которой вы принадлежите) платежных схем, которые становятся все более популярными вариантами как в онлайн-, так и в офлайн-магазинах.
Давайте узнаем, что такое BNPL, как поставщики могут использовать его и получать от него выгоду, а также о том, как наносети подходят для этой сцены.
Содержание
- Эволюция БНПЛ
- Работа BNPL
- Использование OCR в экосистеме BNPL
- OCR Извлечение данных из неструктурированных документов
- Преимущества OCR в экосистеме BNPL
- Оптическое распознавание символов на основе искусственного интеллекта с нанонетями
- Навынос
Эволюция БНПЛ
Оплата покупок в рассрочку не является новой концепцией. Как сообщается, разработанная в 1850-х годах, самая ранняя доступная запись о покупке в рассрочку в современной истории относится к 1920-м годам. Несоответствие между большими производственными мощностями в производственном секторе и потребительским спросом в период депрессии после Первой мировой войны привело к широкому использованию планов рассрочки как в США, так и в других странах мира.
Если рецессия и связанная с ней бережливость привели к модели рассрочки в 1920-х годах, схема продолжала существовать на протяжении столетия. До недавнего экономического спада, вызванного пандемией, схемы рассрочки составляли 1% продаж только в США, что частично было вызвано экономическими потребностями, а частично стилем современной жизни с мгновенным вознаграждением и отсрочкой платежа.
«Купи сейчас — заплати позже» — это просто старое вино в новой бутылке. Благодаря тому, что сторонние поставщики BNPL, такие как Klarna, Affirm и т. д., взаимодействуют между продавцами и потребителями, этот тип оплаты получил распространение в последние годы. Недавний экономический спад, вызванный пандемией, еще больше увеличил охват и распространение этой формы оплаты в розничной торговле.
Работа BNPL
Для потребителя
BNPL все чаще используется как на онлайн-, так и на офлайн-рынке.
- На онлайн-платформе, когда клиент выбирает свой продукт и готовится совершить онлайн-покупку, если на торговой площадке есть вариант BNPL, он будет перенаправлен на сайт, который предоставляет возможность отсрочки платежа, как показано ниже.
- Если клиент выбирает беспроцентный платеж через приложение BNPL, у него запрашиваются детали, которые могут включать кредитные и банковские реквизиты активатора BNPL.
- В офлайн-магазине покупатель вручную заполняет форму с реквизитами или сообщает данные сотруднику магазина. Затем данные вводятся в цифровую базу данных клерком или устно общаются с клерком, который вводит данные в цифровую форму. В некоторых магазинах покупателю предоставляется планшет/электронная панель, в которую он вводит необходимые данные.
- Детали проверяются продавцом или сторонним поставщиком на достоверность и утверждение.
- В случае одобрения может потребоваться небольшой авансовый платеж, например, 25% от общей суммы покупки, с последующими платежами, которые должны быть выплачены в более позднее указанное время серией беспроцентных платежей.
- Все взносы могут быть оплачены чеком или банковским переводом; или автоматически списывается с дебетовой карты, банковского счета или кредитной карты.
- Отличие оплаты BNPL от оплаты кредитной картой в том, что первая часто является беспроцентной (но не всегда), а покупка полностью окупается в течение оговоренного срока. В кредитных картах кредит может быть продлен на неопределенный срок, при этом проценты начисляются с увеличением времени.
Для торговца
Продавцы, желающие внедрить решение BNPL, могут либо настроить такую систему самостоятельно (модель продавца с использованием финансового специалиста или FinTech), либо воспользоваться услугами стороннего поставщика BNPL (модель партнера).
Модель продавца проста; продавец заключает соглашение с покупателем о планировании оплаты товаров, приобретенных в рассрочку. К способу оплаты могут быть добавлены или не добавлены проценты, в зависимости от политики продавца, стоимости проданных товаров и продолжительности рассрочки.
Для провайдера BNPL
В партнерской модели третья сторона взаимодействует между продавцом и покупателем и предлагает возможность оплаты в рассрочку. Существует два типа сторонних решений BNPL — ссуды на комиссию за транзакцию продавца и процентные ссуды покупателям:
При типе платы за транзакцию продавца BNPL с клиента не взимается дополнительная сумма за использование опции BNPL. Вместо этого с продавца взимается комиссия, которая обычно составляет 2-8% от суммы покупки.
В кредитах под проценты от покупателей с продавца не взимается комиссия, но покупатель платит проценты в рамках своего плана рассрочки. Это похоже на традиционные планы рассрочки, которые существуют уже более века.
Партнерская модель обычно работает следующим образом:
- Когда клиент выбирает вариант покупки BNPL, он должен предоставить информацию о суммах каждого взноса, периоде, в течение которого они выплачиваются, и способе оплаты (кредитная карта, дебетовая карта, банковский перевод, онлайн-банкинг и т. д. .).
- Затем от клиента требуется предоставить соответствующие данные, такие как номер кредитной карты, номер банковского счета и т. д., с помощью которых провайдер может выполнить проверку кредитоспособности клиента.
- После одобрения покупка считается завершенной.
- Как только процесс покупки завершен на стороне клиента, поставщик платит полную сумму покупки продавцу за вычетом любых сборов, которые были согласованы с продавцом.
- Провайдер собирает оставшиеся платежи непосредственно от клиента в заранее определенные периоды времени.
Использование OCR в экосистеме BNPL
OCR полезен на двух этапах протокола BNPL, а именно на этапе ввода данных и на этапе проверки KYC поставщиком BNPL.
В офлайн-магазине, который выбирает использование BNPL, покупателю часто требуется заполнить форму с данными, которые необходимо ввести в компьютер. Часто форма выглядит примерно так:
Данные, заполненные клиентом в форме, должны быть вручную введены в систему сотрудником в базу данных. Затем программное обеспечение BNPL проверяет данные и отправляет уведомление об утверждении для дальнейшей обработки. Это похоже на считывание кредитной карты и проверку данных для утверждения.
Поставщик услуг BNPL также может извлечь огромную выгоду из использования OCR при проверке прикрепленных документов KYC, таких как удостоверение личности, банковские реквизиты и т. д. Эти проверки KYC должны выполняться в режиме реального времени, а автоматическое извлечение данных из загруженных документов поможет быстро сверка соответствующих данных из этих документов с исходной информацией.
Ручной ввод финансовых данных для операций BNPL имеет следующие проблемы:
1. Высокий уровень ошибок: Было показано, что при вводе необработанных данных, не сопровождаемых этапами проверки, частота ошибок достигает 4%. Для сравнения, на каждые пять сделанных записей приходится 2 ошибки. Любая ошибка в финансовых деталях может иметь катастрофические последствия для организации и клиента. Высокая частота ошибок, связанных с ручным вводом данных, может быть связана с различными причинами, от недостаточной подготовки специалистов по вводу данных до человеческой усталости, неправильной интерпретации данных и т. д. Согласно «Оценке качества данных», ошибки могут возникать из-за отсутствия значений, что, в свою очередь, может привести к расхождениям в желаемом результате. Даже лучший оператор ввода данных склонен совершать ошибки, когда задача ввода данных повторяется и/или включает большой объем данных. Или компаниям пришлось бы передать операцию ввода данных на аутсорсинг, что опять-таки стоит денег.
2. Задержки. Ручной ввод данных занимает много времени. Хорошая скорость ввода данных из бумажных документов составляет от 10,000 15,000 до 400 8 нажатий клавиш в час. Сложные данные, требующие осмысления перед вводом, еще больше задержат процесс. Таким образом, ввод 10 единиц данных займет у компетентного оператора от XNUMX до XNUMX минут, что становится неприемлемым при большом объеме данных.
3. Человеческая скука. Процесс ручного ввода данных повторяется, утомителен и может деморализовать. Таким образом, ручной ввод данных может привести к неудовлетворенности сотрудников и высокой текучести кадров. Это серьезные проблемы в сегодняшней высококонкурентной бизнес-среде.
Здесь может помочь программное обеспечение для извлечения данных OCR.
Оптическое распознавание символов или OCR преобразует любой текст или информацию, хранящуюся в цифровых документах, в машиночитаемые данные. Таким образом, печатные копии и бумажные документы могут быть преобразованы в машиночитаемые форматы файлов, пригодные для дальнейшего редактирования или обработки данных; облегчение перехода на безбумажные офисы.
OCR Извлечение данных из неструктурированных документов
Хороший OCR должен уметь:
- Извлекайте структурированные, плохо структурированные и неструктурированные данные.
- Получение данных из нескольких источников.
- Экспорт извлеченных данных в желаемом формате
- Быть интегрированным с программным обеспечением, которое передает данные в режиме реального времени посреднику FinTech в бизнесе или стороннему поставщику BNPL.
Идеальным способом использования OCR для обработки BNPL является его непосредственная интеграция в конвейер FinTech.
Преимущества OCR в экосистеме BNPL
- Повышение точности и сокращение человеческих ошибок: автоматизация может устранить многие человеческие ошибки, вызванные недосмотром, усталостью или неадекватной подготовкой.
- Экономия времени: автоматизация, несомненно, быстрее, чем извлечение данных вручную. Финансовые и кредитные данные клиента должны быть переданы финансовому специалисту в режиме реального времени, чтобы процесс покупки был завершен во время этого визита. Автоматизированный ввод данных может ускорить процесс и тем самым избежать задержек в процессе покупки.
- Лучший контроль и доступ к данным: централизованное расположение структурированных данных делает их более доступными для всех заинтересованных сторон и участников бизнеса, тем самым обеспечивая согласованность бизнес-деятельности.
- Экономические выгоды: несмотря на то, что первоначальные инвестиции в автоматизацию распознавания текста могут быть пугающими, экономия средств за счет повышения производительности, морального духа сотрудников и экономии времени может компенсировать затраты на настройку автоматизированных систем извлечения данных.
- Масштабируемость: системы извлечения данных OCR предлагают возможности для расширения бизнеса, не беспокоясь об объемах данных, которые будут соответствующим образом масштабироваться.
OCR на основе ИИ с Nanonets
Nanonets — это программное обеспечение для оптического распознавания символов, которое использует возможности искусственного интеллекта и машинного обучения для автоматического извлечения неструктурированных/структурированных данных из PDF-документов, изображений и отсканированных файлов. В отличие от традиционных решений OCR, Nanonets не требует отдельных правил и шаблонов для каждого нового типа документа.
Опираясь на когнитивный интеллект, управляемый искусственным интеллектом, Nanonets может обрабатывать полуструктурированные и даже невидимые типы документов, со временем совершенствуясь. Алгоритм Nanonets и модели OCR постоянно обучаются. Их можно обучать или переучивать несколько раз, и они легко настраиваются. Вы также можете настроить вывод, чтобы извлекать только определенные таблицы или записи данных, которые вас интересуют.
Nanonets API обеспечивает высокую скорость и высокую точность извлечения данных о позициях и обеспечивает автоматизацию управления позициями. Nanonets API может выполнять следующие задачи:
- Точное определение структуры таблицы позиции, содержащей такие документы, как формы.
- Все записи позиций, которые присутствуют в формах, таких как имя, продукт, цена, общая сумма, скидки и т. д.
- Данные могут быть извлечены в виде выходных данных JSON, что позволяет создавать настраиваемые приложения и платформы.
Предлагая отличный API и документацию для разработчиков, программное обеспечение также идеально подходит для организаций, не имеющих собственной команды разработчиков.
Преимущества использования Nanonets по сравнению с другим программным обеспечением для автоматизированного оптического распознавания символов выходят далеко за рамки экономии средств, точности и масштаба. Нанонеты также обладают уникальными преимуществами, благодаря которым они намного опережают конкурентов:
- Действительно инструмент без кода
- Простая интеграция Nanonets с большинством программ CRM, ERP, контент-сервисов или RPA.
- Постобработка не требуется: Nanonets OCR может распознавать рукописный текст, изображения текста на нескольких языках одновременно, изображения с низким разрешением, изображения с новыми или курсивными шрифтами и различными размерами, изображения с теневым текстом, наклоненный текст, случайный неструктурированный текст, изображения шум, размытые изображения и многое другое.
- Работает с пользовательскими данными за счет использования пользовательских данных для обучения моделей OCR.
- Распознавание множественного ввода: Nanonets OCR может распознавать рукописный текст, изображения текста на нескольких языках одновременно, изображения с низким разрешением, изображения с новыми или курсивными шрифтами и различными размерами, изображения с затененным текстом, наклоненный текст, случайный неструктурированный текст, шум изображения, размытые изображения и несколько языков
- Независимость от форматов: Нанонец вообще не привязан к шаблону документов. Вы можете когнитивно собирать данные в таблицах, позициях или в любом другом формате!
Навынос
Потребительский ландшафт сильно изменился за последние 20 лет, особенно за последние два года карантина и экономического спада, вызванного пандемией. Из пространства, которое когда-то зависело от покупок за наличные, в пространство, которое теперь полностью охватывает оцифровку транзакций, рынок переживает трансформацию, которая позволяет ему использовать технологии и новые инновации в полной мере. Подход BNPL — это следующий логический шаг в развитии торговых площадей. Использование оптического распознавания символов в рабочем процессе BNPL имеет неоспоримые преимущества, такие как экономия времени и средств, упрощенный процесс утверждения и, в конечном счете, более эффективное использование продавцами.
- &
- 000
- 20 лет
- О нас
- доступ
- По
- Учетная запись
- через
- активно
- Принятие
- Реклама
- ДОГОВОР
- AI
- алгоритм
- Все
- Позволяющий
- количество
- суммы
- API
- приложение
- подхода
- Программы
- Автоматизированный
- автоматизация
- доступен
- Банка
- счет в банке
- банковский перевод
- Банковское дело
- не являетесь
- Преимущества
- ЛУЧШЕЕ
- Черный
- Строительство
- бизнес
- купить
- покупка
- возможности
- Пропускная способность
- Карты
- Наличный расчёт
- заряженный
- контроль
- Проверки
- познавательный
- Компании
- неотразимый
- конкурс
- комплекс
- сама концепция
- потребитель
- Потребители
- содержание
- способствовало
- контроль
- Расходы
- может
- кредит
- кредитная карта
- Кредитные карты
- данным
- обработка данных
- База данных
- Финики
- Дебетовая карточка
- задерживать
- задержки
- Спрос
- депрессии
- обнаружение
- развитый
- застройщиков
- Интернет
- оцифровка
- Документация
- вниз
- управляемый
- Рано
- Экономические
- экономический спад
- ликвидировать
- вошел
- Вводит
- Окружающая среда
- эволюция
- быстрее
- Комиссии
- финансы
- финансовый
- финансовые данные
- FinTech
- соответствовать
- поток
- после
- форма
- формы
- полный
- будущее
- будет
- хорошо
- товары
- большой
- помощь
- High
- очень
- история
- Как
- HTTPS
- изображение
- включают
- расширились
- информация
- интегрированный
- интеграции.
- Интеллекта
- интерес
- инвестиций
- IT
- Klarna
- KYC
- пейзаж
- Языки
- большой
- вести
- УЧИТЬСЯ
- рычаги
- линия
- Кредиты
- расположение
- lockdowns
- искать
- Создание
- управление
- Мантра
- руководство
- вручную
- производство
- рынка
- Купец
- Купечество
- ML
- модель
- Модели
- деньги
- самых
- Шум
- номер
- океан
- предлагают
- предлагающий
- Предложения
- онлайн
- онлайн-банкинг
- Операционный отдел
- Опция
- Опции
- организация
- организации
- Другие контрактные услуги
- выплачен
- пандемия
- бумага & картон
- новыми участниками
- партнер
- ОПЛАТИТЬ
- оплата
- платежи
- периодов
- перспектива
- Платформа
- Платформы
- сборах
- Популярное
- представить
- цена
- проблемам
- процесс
- Продукт
- Производство
- производительность
- профессионалы
- протокол
- обеспечивать
- приводит
- покупки
- купленный
- Покупка
- Стоимость
- Сырье
- реального времени
- причины
- спад
- признавать
- запись
- требовать
- обязательный
- розничный
- RPA
- условиями,
- главная
- Шкала
- масштабирование
- схема
- сектор
- Серии
- обслуживание
- Услуги
- набор
- установка
- аналогичный
- сайте
- небольшой
- Software
- проданный
- Решения
- удалось
- Space
- пространства
- распространение
- Этап
- акции
- магазин
- магазины
- стиль
- система
- системы
- задачи
- команда
- Технологии
- мир
- сторонние
- Через
- время
- кропотливый
- традиционный
- Обучение
- сделка
- Сделки
- трансформация
- созданного
- us
- использование
- ценностное
- поставщики
- проверка
- объем
- Что
- КТО
- без
- работает
- Мир
- лет