Pandemija in z njo povezana finančna stiska sta povzročili nedavni porast nakupovalne sheme kupi zdaj plačaj kasneje (BNPL). Kot že ime pove, je BNPL oblika kratkoročnih posojil, pogosto brezobrestnih, včasih pa s skritimi stroški, ki potrošnikom omogočajo nakupe in plačilo zanje v prihodnosti. To so neke vrste plačilne sheme na prodajnih mestih (ali "obroki", odvisno od strani Atlantskega oceana, ki ji pripadate), ki postajajo vse bolj priljubljene možnosti v spletnih in nespletnih maloprodajnih prostorih.
Spoznajmo, kaj je BNPL, kako ga lahko prodajalci uporabljajo in imajo koristi od njega ter kako se nanoneti prilegajo na sceno.
Kazalo vsebine
- Razvoj BNPL
- Delovanje BNPL
- Uporaba OCR v ekosistemu BNPL
- OCR Izvleček podatkov iz nestrukturiranih dokumentov
- Prednosti OCR v ekosistemu BNPL
- OCR na osnovi umetne inteligence z Nanoneti
- Takeaway
Razvoj BNPL
Plačevanje nakupov na obroke ni nov koncept. Najzgodnejši razpoložljivi zapis o nakupovanju na obroke v moderni zgodovini, ki naj bi bil razvit v 1850-ih, sega v 1920-a. Neusklajenost med velikimi proizvodnimi zmogljivostmi v proizvodnem sektorju in povpraševanjem potrošnikov v obdobju po prvi svetovni vojni je povzročila obsežno uporabo obročnih načrtov tako v ZDA kot drugod po svetu.
Če sta recesija in z njo povezana varčnost v dvajsetih letih 1920. stoletja spodbudili model plačevanja na obroke, je shema obstajala skozi stoletje. Pred nedavnim gospodarskim upadom, ki ga je povzročila pandemija, so sheme na obroke samo v ZDA prispevale k 1 % prodaje, deloma zaradi gospodarskih potreb in deloma zaradi sloga sodobnega življenja s takojšnjim zadovoljevanjem in odlogom plačila.
Kupi zdaj plačaj pozneje je preprosto staro vino v novi steklenici. Z zunanjimi ponudniki BNPL, kot so Klarna, Affirm itd., ki povezujejo trgovce in potrošnike, se je ta vrsta plačilne možnosti v zadnjih letih uveljavila. Nedavna gospodarska kriza, ki jo je povzročila pandemija, je dodatno povečala doseg in razširjenost te oblike plačila v maloprodajnem prostoru.
Delovanje BNPL
Za potrošnika
BNPL se vse pogosteje uporablja tako na spletnem kot zunajspletnem trgu.
- Na spletni platformi, ko stranka izbere svoj izdelek in se pripravi na spletni nakup, če ima tržnica možnost BNPL, bi bila preusmerjena na spletno mesto, ki ponuja možnost odloženega plačila, kot je prikazano spodaj.
- Če stranka izbere plačilo brez obresti prek aplikacije BNPL, jo BNPL enabler vpraša za podrobnosti, ki lahko vključujejo kreditne in bančne podatke.
- V offline trgovini kupec ročno izpolni obrazec s podatki ali pa podatke sporoči zaposlenemu v trgovini. Podatke nato referent vnese v digitalno bazo podatkov ali ustno komunicira z referentom, ki podatke vnese v digitalno obliko. V nekaterih trgovinah kupcu zagotovijo tablični/elektronski blok, v katerega vnese zahtevane podatke.
- Veljavnost in odobritev podrobnosti preveri trgovec ali tretji ponudnik.
- Če je odobreno, bo morda zahtevano majhno predplačilo, na primer 25 % celotnega zneska nakupa, z naknadnimi plačili, ki jih je treba plačati ob določenem času v nizu brezobrestnih obrokov.
- Vse obroke je mogoče plačati s čekom ali bančnim nakazilom; ali samodejno bremeni debetno kartico, bančni račun ali kreditno kartico.
- Razlika med plačilom BNPL in plačilom s kreditno kartico je v tem, da je prvo pogosto brezobrestno (vendar ne vedno), nakup pa se v celoti odplača v dogovorjenem roku. Pri kreditnih karticah se kredit lahko podaljšuje za nedoločen čas, pri čemer se obresti povečujejo.
Za trgovca
Trgovci, ki želijo sprejeti rešitev BNPL, lahko sami vzpostavijo tak sistem (model trgovca z uporabo finančnega tehnika ali FinTech) ali pa izkoristijo tretjega ponudnika BNPL (model partnerja).
Model trgovca je preprost; trgovec s kupcem sklene pogodbo o načrtovanju plačila kupljenega blaga na več obrokov. Metodi plačila so lahko dodane obresti ali pa tudi ne, odvisno od politik trgovca, vrednosti prodanega blaga in trajanja obroka.
Za ponudnika BNPL
V partnerskem modelu se tretja oseba poveže med trgovcem in kupcem ter ponudi možnost obročnega odplačevanja. Obstajata dve vrsti rešitev BNPL tretjih oseb – posojila s provizijo za trgovske transakcije in posojila z obrestmi za kupce:
Pri proviziji trgovske transakcije tipa BNPL se stranki ne zaračuna noben dodaten znesek za izkoriščanje možnosti BNPL. Namesto tega se trgovcu zaračuna provizija, ki običajno znaša 2–8 % zneska nakupa.
Pri obrestnih posojilih za kupce se trgovcu ne zaračuna provizija, stranka pa plača obresti kot del svojega obroka. To je podobno tradicionalnim obrokom, ki obstajajo že več kot stoletje.
Partnerski model običajno deluje na naslednji način:
- Ko kupec izbere možnost nakupa BNPL, mora posredovati podatke o zneskih posameznega obroka, obdobju, v katerem se plačuje, in načinu plačila (kreditna kartica, debetna kartica, bančno nakazilo, spletna banka itd.). .).
- Stranka mora nato posredovati ustrezne podatke, kot so številka kreditne kartice, številka bančnega računa itd., na podlagi katerih lahko ponudnik izvede kreditno preverjanje stranke.
- Ko je odobren, se šteje, da je nakup zaključen.
- Ko je nakupni proces na strani kupca zaključen, ponudnik trgovcu plača celoten znesek nakupa, zmanjšan za provizije, ki so bile dogovorjene s trgovcem.
- Ponudnik prevzame preostale obroke neposredno od kupca v vnaprej določenih terminih.
Uporaba OCR v ekosistemu BNPL
OCR je uporaben v dveh korakih protokola BNPL, in sicer v koraku vnosa podatkov in v fazi preverjanja KYC s strani ponudnika BNPL.
V trgovini brez povezave, ki se odloči za uporabo BNPL, mora stranka pogosto izpolniti obrazec s podrobnostmi, ki jih je treba vnesti v računalnik. Obrazec je pogosto takšen:
Podatke, ki jih stranka izpolni na obrazcu, mora uslužbenec ročno vnesti v bazo podatkov. Programska oprema BNPL nato potrdi podatke in pošlje nazaj opombo o odobritvi v nadaljnjo obdelavo. To je tako, kot če bi potegnili kreditno kartico in preverili podatke za odobritev.
Ponudnik storitev BNPL ima lahko tudi ogromno koristi od uporabe OCR pri preverjanju priloženih dokumentov KYC, kot so osebna izkaznica, bančni podatki itd. Ta preverjanja KYC se morajo izvajati v realnem času in samodejno pridobivanje podatkov iz naloženih dokumentov bo pomagalo pri hitrem preverjanje relevantnih podatkov iz teh dokumentov z izvornimi informacijami.
Ročni vnos finančnih podatkov za operacije BNPL ima naslednje težave:
1. Visoke stopnje napak: Izkazalo se je, da vnos neobdelanih podatkov, ki mu ne sledijo koraki preverjanja, povzroči kar 4-odstotno stopnjo napak. Če pogledamo to v perspektivo, obstajata 2 napaki za vsakih pet vnosov. Vsaka napaka v finančnih podrobnostih je lahko katastrofalna za organizacijo in stranko. Visoke stopnje napak, povezane z ročnim vnosom podatkov, je mogoče pripisati različnim razlogom, od neustreznega usposabljanja strokovnjakov za vnos podatkov do človeške utrujenosti, napačne interpretacije podatkov itd. kar lahko posledično povzroči neskladja v želenem rezultatu. Tudi najboljši operater vnosa podatkov je nagnjen k napakam, če se naloga vnosa podatkov ponavlja in/ali vključuje veliko količino podatkov. Ali pa bi morala podjetja vnašanje podatkov izvajati zunanjim izvajalcem, kar spet stane.
2. Zamude: Ročno vnašanje podatkov je zamudno. Dobra hitrost vnosa podatkov iz papirnatih dokumentov se giblje med 10,000 in 15,000 pritiski tipk na uro. Kompleksni podatki, ki zahtevajo razumevanje pred vnosom, bi dodatno upočasnili postopek. Tako bi vnos 400 enot podatkov kompetentnemu operaterju vzel od 8 do 10 minut, kar postane nesprejemljivo, če je količina podatkov velika.
3. Človeški dolgčas: Postopek ročnega vnosa podatkov je ponavljajoč in dolgočasen ter je lahko demoralizirajoč. Ročno vnašanje podatkov bi tako lahko povzročilo nezadovoljstvo zaposlenih in visoko stopnjo fluktuacije. To so resne težave v današnjem zelo konkurenčnem poslovnem okolju.
Tukaj lahko pomaga programska oprema za pridobivanje podatkov OCR
Optično prepoznavanje znakov ali OCR pretvori kakršno koli besedilo ali informacije, shranjene v digitalnih dokumentih, v strojno berljive podatke. Tiskane kopije in papirne dokumente je tako mogoče pretvoriti v računalniško berljive oblike datotek, primerne za nadaljnje urejanje ali obdelavo podatkov; olajšanje prehoda na brezpapirne pisarne.
OCR Izvleček podatkov iz nestrukturiranih dokumentov
Dober OCR mora biti sposoben:
- Izvlecite strukturirane, slabo strukturirane in nestrukturirane podatke.
- Povlecite podatke iz več virov.
- Ekstrahirane podatke izvozite v želeno obliko
- Bodite integrirani s programsko opremo, ki posreduje podatke v realnem času omogočitelju FinTech v podjetju ali tretjemu ponudniku BNPL
Idealen način, na katerega se lahko OCR uporablja za obdelavo BNPL, je, ko je neposredno integriran v cevovod FinTech.
Prednosti OCR v ekosistemu BNPL
- Izboljšanje natančnosti in zmanjšanje človeških napak: Avtomatizacija lahko odpravi številne človeške napake, do katerih pride zaradi spregleda, utrujenosti ali neustreznega usposabljanja.
- Prihranek časa: avtomatizacija je nedvomno hitrejša od ročnega pridobivanja podatkov. Finančni in kreditni podatki stranke morajo biti posredovani finančnemu tehniku v realnem času, da se nakupni postopek zaključi med tem obiskom. Samodejni vnos podatkov lahko pospeši postopek in se s tem izogne zamudam pri nakupnem procesu.
- Boljši nadzor in dostop do podatkov: Zaradi centralizirane lokacije strukturiranih podatkov so dostopnejši vsem zainteresiranim stranem in udeležencem v poslu, kar omogoča skladnost poslovnih dejavnosti.
- Stroškovne koristi: Čeprav je začetna naložba v avtomatizacijo OCR lahko zastrašujoča, lahko prihranek stroškov zaradi izboljšav produktivnosti, morale zaposlenih in prihranek časa nadomesti stroške nastavitve avtomatiziranih sistemov za pridobivanje podatkov.
- Razširljivost: sistemi za ekstrakcijo podatkov OCR ponujajo možnosti za povečanje poslovanja brez skrbi glede količine podatkov, ki bi se ustrezno povečala.
OCR na osnovi umetne inteligence z Nanoneti
Nanonets je programska oprema OCR, ki izkorišča zmogljivosti AI & ML za samodejno ekstrahiranje nestrukturiranih/strukturiranih podatkov iz dokumentov PDF, slik in skeniranih datotek. Za razliko od tradicionalnih rešitev OCR Nanonets ne zahteva ločenih pravil in predlog za vsako novo vrsto dokumenta.
Zanašajoč se na kognitivno inteligenco, ki jo poganja umetna inteligenca, lahko Nanonets obravnavajo delno strukturirane in celo nevidne vrste dokumentov, pri čemer se sčasoma izboljšujejo. Algoritem Nanonets in modeli OCR se nenehno učijo. Lahko jih je večkrat usposobiti ali prekvalificirati in so zelo prilagodljivi. Izhod lahko tudi prilagodite tako, da izvlečete samo določene tabele ali podatkovne vnose, ki vas zanimajo.
Nanonets API zagotavlja visoke hitrosti in veliko natančnost pri ekstrakciji podatkov o vrstičnih postavkah in spodbuja avtomatizacijo za upravljanje vrstičnih postavk. Nanonets API lahko izvaja naslednje naloge:
- Natančno zaznavanje strukture tabele vrstične postavke, ki vsebuje dokumente, kot so obrazci.
- Vsi vnosi vrstičnih postavk, ki so prisotni v obrazcih, kot so ime, izdelek, cena, skupni znesek, popusti itd.
- Podatke je mogoče ekstrahirati kot izhod JSON, ki lahko omogoči gradnjo prilagojenih aplikacij in platform.
Medtem ko ponuja odličen API in dokumentacijo za razvijalce, je programska oprema idealna tudi za organizacije brez lastne skupine razvijalcev.
Prednosti uporabe Nanonetov v primerjavi z drugo avtomatizirano programsko opremo za OCR daleč presegajo prihranek stroškov, natančnost in obseg. Nanonets poleg tega zagotavlja edinstvene prednosti, ki ga postavljajo daleč pred konkurenco:
- Resnično orodje brez kode
- Enostavna integracija Nanonetov z večino programske opreme CRM, ERP, storitev vsebine ali RPA.
- Naknadna obdelava ni potrebna: Nanonets OCR lahko prepozna ročno napisano besedilo, slike besedila v več jezikih hkrati, slike z nizko ločljivostjo, slike z novimi ali napisanimi pisavami in različnimi velikostmi, slike s senčnim besedilom, nagnjeno besedilo, naključno nestrukturirano besedilo, sliko šum, zamegljene slike in drugo.
- Deluje s podatki po meri z uporabo podatkov po meri za usposabljanje modelov OCR.
- Prepoznavanje več vnosov: Nanonets OCR lahko prepozna ročno napisano besedilo, slike besedila v več jezikih hkrati, slike z nizko ločljivostjo, slike z novimi ali napisanimi pisavami in različnimi velikostmi, slike s senčnim besedilom, nagnjeno besedilo, naključno nestrukturirano besedilo, šum slike, zamegljene slike in več jezikov
- Neodvisnost od formatov: Nanonet sploh ni vezan na predlogo dokumentov. Podatke lahko kognitivno zajemate v tabelah ali vrstičnih postavkah ali kateri koli drugi obliki!
Takeaway
Potrošniška pokrajina se je v zadnjih 20 letih izjemno spremenila, zlasti v zadnjih dveh letih zapor zaradi pandemije in gospodarskega upada. Od prostora, ki je bil nekoč odvisen od nakupov z gotovino, do prostora, ki zdaj v celoti sprejema digitalizacijo transakcij, gre trg skozi transformacijo, ki mu omogoča, da tehnologijo in nove inovacije izkoristi do njihovega polnega potenciala. Pristop BNPL je naslednji logični korak v razvoju maloprodajnega prostora. Uporaba OCR v poteku dela BNPL prinaša prepričljive prednosti, kot so prihranek časa in stroškov, poenostavljen postopek odobritve in na koncu boljša uporaba s strani trgovcev
- &
- 000
- 20 let
- O meni
- dostop
- Po
- Račun
- čez
- dejavnosti
- Sprejetje
- oglas
- Sporazum
- AI
- algoritem
- vsi
- Dovoli
- znesek
- zneski
- API
- aplikacija
- pristop
- aplikacije
- Avtomatizirano
- Avtomatizacija
- Na voljo
- Banka
- Bančni račun
- bančni prenos
- Bančništvo
- počutje
- Prednosti
- BEST
- črna
- Building
- poslovni
- nakup
- Nakup
- Zmogljivosti
- kapaciteta
- Kartice
- Denar
- zaračuna
- preverjanje
- Pregledi
- kognitivni
- Podjetja
- prepričljiv
- Tekmovanje
- kompleksna
- Koncept
- Potrošnik
- Potrošniki
- vsebina
- prispevali
- nadzor
- stroški
- bi
- kredit
- kreditne kartice
- kreditne kartice
- datum
- obdelava podatkov
- Baze podatkov
- Termini
- Debetna kartica
- zamuda
- zamude
- Povpraševanje
- depresija
- Odkrivanje
- razvili
- Razvijalci
- digitalni
- digitalizacija
- Dokumenti
- navzdol
- vozi
- Zgodnje
- Gospodarska
- gospodarska recesija
- odpravo
- vneseno
- Vstopi
- okolje
- evolucija
- hitreje
- pristojbine
- financiranje
- finančna
- finančnih podatkov
- FINTECH
- fit
- Pretok
- po
- obrazec
- Obrazci
- polno
- Prihodnost
- dogaja
- dobro
- blago
- veliko
- pomoč
- visoka
- zelo
- zgodovina
- Kako
- HTTPS
- slika
- vključujejo
- povečal
- Podatki
- integrirana
- integracija
- Intelligence
- obresti
- naložbe
- IT
- Klarna
- KYC
- Pokrajina
- jeziki
- velika
- vodi
- UČITE
- Leverages
- vrstica
- Posojila
- kraj aktivnosti
- zaklepanje
- si
- Izdelava
- upravljanje
- Mantra
- Navodilo
- ročno
- proizvodnja
- tržnica
- Trgovec
- Trgovci
- ML
- Model
- modeli
- Denar
- Najbolj
- hrup
- Številka
- ocean
- ponudba
- ponujanje
- Ponudbe
- na spletu
- spletno bančništvo
- operacije
- Možnost
- možnosti
- Organizacija
- organizacije
- Ostalo
- plačana
- Pandemija
- Papir
- Udeleženci
- partner
- Plačajte
- Plačilo
- Plačila
- obdobja
- perspektiva
- platforma
- Platforme
- politike
- Popular
- predstaviti
- Cena
- Težave
- Postopek
- Izdelek
- proizvodnja
- produktivnost
- strokovnjaki
- protokol
- zagotavljajo
- zagotavlja
- nakup
- kupili
- nakupi
- kakovost
- Cene
- Surovi
- v realnem času
- Razlogi
- recesija
- priznajo
- zapis
- zahteva
- obvezna
- Trgovina na drobno
- rpa
- pravila
- prodaja
- Lestvica
- skaliranje
- shema
- sektor
- Serija
- Storitev
- Storitve
- nastavite
- nastavitev
- Podoben
- spletna stran
- majhna
- Software
- prodaja
- rešitve
- Nekaj
- Vesolje
- prostori
- namaz
- Stage
- zaloge
- trgovina
- trgovine
- slog
- sistem
- sistemi
- Naloge
- skupina
- Tehnologija
- svet
- tretjih oseb
- skozi
- čas
- zamudno
- tradicionalna
- usposabljanje
- transakcija
- Transakcije
- Preoblikovanje
- edinstven
- us
- uporaba
- vrednost
- prodajalci
- Preverjanje
- Obseg
- Kaj
- WHO
- brez
- deluje
- svet
- let