Pandemi ve buna bağlı mali sıkıntı, Şimdi Al-Sonra Öde (BNPL) satın alma planında yakın zamanda bir artışa neden oldu. Adından da anlaşılacağı gibi BNPL, tüketicilerin alışveriş yapmasına ve bunların bedelini ileri bir tarihte ödemesine olanak tanıyan, çoğunlukla faizsiz, ancak bazen gizli maliyetler içeren bir kısa vadeli kredi biçimidir. Bunlar, hem çevrimiçi hem de çevrimdışı perakende alanlarında giderek daha popüler seçenekler haline gelen bir tür satış noktası taksitli (veya Atlantik Okyanusu'nun ait olduğunuz tarafına bağlı olarak 'taksitli') ödeme planlarıdır.
BNPL'nin ne olduğunu, satıcıların bunu nasıl kullanabileceğini ve bundan nasıl yararlanabileceğini ve Nanonet'lerin sahneye uygunluğunu öğrenelim.
İçerik Tablosu
- BNPL'nin evrimi
- BNPL'nin işleyişi
- BNPL ekosisteminde OCR kullanımı
- OCR Yapılandırılmamış belgelerden veri çıkarma
- BNPL ekosisteminde OCR'nin avantajları
- Nanonet'lerle AI tabanlı OCR
- Paket
BNPL'nin evrimi
Alışverişlerin taksitle ödenmesi yeni bir kavram değil. 1850'lerde geliştirildiği söylenen taksitli satın almanın modern tarihteki en eski kaydı 1920'lere kadar uzanıyor. 1. Dünya Savaşı sonrası depresyon döneminde imalat sektöründeki büyük üretim kapasitesi ile tüketici talebi arasındaki uyumsuzluk, hem ABD'de hem de dünyanın başka yerlerinde taksitli planların yaygın şekilde kullanılmasıyla sonuçlandı.
1920'lerde taksit modelini durgunluk ve buna bağlı tasarruf yönlendirmiş olsa da, bu plan yüzyıl boyunca varlığını sürdürmüştür. Pandemi kaynaklı son ekonomik gerilemeden önce, kısmen ekonomik ihtiyaçlar, kısmen de modern yaşamın anında memnuniyet-erteli ödeme tarzı nedeniyle taksit planları yalnızca ABD'deki satışların %1'ine katkıda bulunuyordu.
Şimdi Al-Sonra Öde, yeni şişedeki eski şaraptır. Tüccarlar ve tüketiciler arasında arayüz oluşturan Klarna, Affirm vb. gibi üçüncü taraf BNPL sağlayıcıları ile bu tür ödeme seçeneği son yıllarda yaygınlık kazandı. Pandeminin neden olduğu son ekonomik kriz, bu ödeme şeklinin perakende alanında erişimini ve yayılmasını daha da artırdı.
BNPL'nin işleyişi
Tüketici için
BNPL hem çevrimiçi hem de çevrimdışı pazarda giderek daha fazla kullanılıyor.
- Online platformda müşteri, ürününü seçip online alışveriş yapmaya hazırlandığında, eğer pazaryerinde BNPL seçeneği varsa, aşağıda gösterildiği gibi vadeli ödeme seçeneği sunan bir siteye yönlendirilecektir.
- Müşteri, BNPL uygulaması aracılığıyla faizsiz ödemeyi seçerse, BNPL sağlayıcısı tarafından kendisinden kredi ve banka bilgilerini de içerebilecek ayrıntılar istenir.
- Çevrimdışı mağazada müşteri, ayrıntıları içeren bir formu manuel olarak doldurur veya verileri mağaza çalışanına iletir. Ayrıntılar daha sonra bir katip tarafından dijital bir veritabanına girilir veya verileri dijital forma giren bir katiple sözlü olarak iletişim kurar. Bazı mağazalarda müşteriye gerekli bilgileri dolduracağı bir tablet/elektronik ped verilmektedir.
- Ayrıntılar, geçerlilik ve onay açısından satıcı veya üçüncü taraf sağlayıcı tarafından kontrol edilir.
- Onaylandığı takdirde, toplam satın alma tutarının %25'i gibi küçük bir peşinat gerekli olabilir; sonraki ödemeler daha sonraki bir tarihte faizsiz taksitler halinde ödenecektir.
- Tüm taksitler çek veya banka havalesi yoluyla ödenebilir; veya banka kartından, banka hesabından veya kredi kartından otomatik olarak borçlandırılır.
- BNPL ödemesi ile kredi kartı ödemesi arasındaki fark, birincisinin genellikle faizsiz olması (ancak her zaman değil) ve satın alma işleminin öngörülen süre içinde tamamen ödenmesidir. Kredi kartlarında kredi süresiz olarak uzatılabilir, süreler arttıkça faiz tahakkuk ettirilebilir.
tüccar için
Bir BNPL çözümünü benimsemek isteyen satıcılar, böyle bir sistemi kendileri kurabilir (finans teknisyeni veya FinTech kullanan üye işyeri modeli) veya üçüncü taraf bir BNPL sağlayıcısından (ortak modeli) yararlanabilir.
Tüccar Modeli basittir; Tacir, satın alınan malın ödemesinin taksitli olarak planlanması için müşteriyle anlaşma yapar. Üye işyerinin politikalarına, satılan malın değerine ve taksit süresine bağlı olarak ödeme yöntemine faiz eklenebilir veya eklenmeyebilir.
BNPL sağlayıcısı için
Ortak modelinde, satıcı ile müşteri arasında üçüncü taraf bir arayüz kurulur ve taksitli ödeme seçeneği sunulur. İki tür üçüncü taraf BNPL çözümü vardır: ticari işlem ücreti kredileri ve müşteri faizli krediler:
BNPL üye işyeri işlem ücreti türünde müşteriden BNPL seçeneğini kullanması karşılığında ekstra bir ücret alınmaz. Bunun yerine satıcıdan genellikle satın alma tutarının %2-8'i kadar bir ücret alınır.
Tüketici faizli kredilerde üye işyerinden herhangi bir ücret alınmaz ancak müşteri taksit planı kapsamında faiz öder. Bu, bir asırdan fazla süredir var olan geleneksel taksit planlarına benzer.
İş ortağı modeli genellikle şu şekilde çalışır:
- Müşteri BNPL satın alma seçeneğini seçtiğinde, her taksit tutarı, ödeme süresi ve ödeme şekli (kredi kartı, banka kartı, banka havalesi, internet bankacılığı vb.) hakkında bilgi vermesi gerekmektedir. .).
- Daha sonra müşteriden kredi kartı numarası, banka hesap numarası vb. gibi uygun bilgileri sağlaması istenir ve sağlayıcı bu bilgileri kullanarak müşteri üzerinde kredi kontrolü yapabilir.
- Onaylandıktan sonra satın alma işlemi tamamlanmış sayılır.
- Müşteri tarafında satın alma işlemi tamamlandığında, sağlayıcı, satıcıyla mutabakata varılan ücretler düşüldükten sonra satın alma tutarının tamamını satıcıya öder.
- Sağlayıcı, kalan taksitleri önceden belirlenen sürelerde doğrudan müşteriden tahsil eder.
BNPL ekosisteminde OCR kullanımı
OCR, BNPL protokolünün iki adımında, yani veri giriş adımında ve BNPL sağlayıcısı tarafından KYC doğrulaması aşamasında faydalıdır.
BNPL'yi kullanmayı seçen çevrimdışı mağazada, müşterinin genellikle bilgisayara girilmesi gereken ayrıntıları içeren bir form doldurması istenir. Çoğu zaman form şuna benzer:
Müşterinin formda doldurduğu bilgilerin bir çalışan tarafından manuel olarak bir veritabanına girilmesi gerekmektedir. BNPL yazılımı daha sonra verileri doğrular ve daha sonraki işlemler için onay notunu geri gönderir. Bu, kredi kartının kaydırılması ve verilerin onay için doğrulanması gibidir.
BNPL hizmet sağlayıcısı aynı zamanda kimlik, banka bilgileri vb. gibi ekli KYC belgelerini kontrol ederken OCR kullanımından da büyük ölçüde yararlanabilir. Bu KYC kontrolleri gerçek zamanlı olarak gerçekleşmelidir ve yüklenen belgelerden otomatik veri çıkarma, hızlı bir şekilde yardımcı olacaktır. bu belgelerdeki ilgili verilerin kaynak bilgileriyle doğrulanması.
BNPL işlemleri için mali verilerin manuel olarak girilmesi aşağıdaki sorunlara neden olur:
1. Yüksek Hata Oranları: Doğrulama adımları izlenmeyen Ham Veri girişinin %4'e varan hata oranına sahip olduğu gösterilmiştir. Bunu perspektife koymak gerekirse, yapılan her beş girişte 2 hata vardır. Finans ayrıntılarındaki herhangi bir hata, kuruluş ve müşteri için felaket olabilir. Manuel veri girişiyle ilgili yüksek hata oranları, veri girişi uzmanlarının yetersiz eğitimi, insan yorgunluğu, verilerin yanlış yorumlanması vb. gibi çeşitli nedenlere bağlanabilir. 'Veri Kalitesi Değerlendirmesi'ne göre hatalar, eksik değerlerden kaynaklanabilir, bu da istenen çıktıda tutarsızlıklar yaratabilir. En iyi veri girişi operatörü bile, veri girişi görevi tekrarlı olduğunda ve/veya büyük miktarda veri içerdiğinde hata yapmaya eğilimlidir. Veya şirketlerin veri girişi işlemini dış kaynaktan yaptırmaları gerekecek ve bu da yine paraya mal olacak.
2. Gecikmeler: Verilerin manuel girişi zaman alıcıdır. Kağıt belgelerden iyi bir veri girişi oranı saatte 10,000 ila 15,000 tuş vuruşu arasındadır. Girilmeden önce anlaşılması gereken karmaşık veriler, süreci daha da geciktirecektir. Dolayısıyla 400 birimlik verinin girilmesi, yetkin bir operatörün 8 ile 10 dakika arası zamanını alacaktır; bu da veri hacminin yüksek olması durumunda kabul edilemez hale gelir.
3. İnsanın Sıkıntısı: Manuel veri girişi süreci tekrarlayan ve sıkıcıdır ve moral bozucu olabilir. Bu nedenle manuel veri girişi, çalışan memnuniyetsizliğine ve yüksek işten ayrılma oranına yol açabilir. Bunlar günümüzün rekabetin yüksek olduğu iş ortamında ciddi sorunlardır.
OCR veri çıkarma yazılımının yardımcı olabileceği yer burasıdır
Optik Karakter Tanıma veya OCR, dijital belgelerde saklanan her türlü metni veya bilgiyi makine tarafından okunabilen verilere dönüştürür. Basılı kopyalar ve kağıt belgeler böylece daha fazla düzenleme veya veri işlemeye uygun, bilgisayar tarafından okunabilen dosya formatlarına dönüştürülebilir; kağıtsız ofislere geçişi kolaylaştırıyor.
OCR Yapılandırılmamış belgelerden veri çıkarma
İyi bir OCR şunları yapabilmelidir:
- Yapılandırılmış, zayıf yapılandırılmış ve yapılandırılmamış verileri ayıklayın.
- Birden çok kaynaktan veri çekin.
- Çıkarılan verileri istenen formatta dışa aktarın
- Verileri gerçek zamanlı olarak iş dünyasındaki FinTech sağlayıcısına veya üçüncü taraf BNPL sağlayıcısına ileten bir yazılımla entegre olun
OCR'nin BNPL işleme için kullanılabileceği ideal yol, doğrudan FinTech'in üretim hattına entegre edilmesidir.
BNPL ekosisteminde OCR'nin avantajları
- Doğruluğun iyileştirilmesi ve insan hatalarının azaltılması: Otomasyon, gözetim, yorgunluk veya yetersiz eğitimden kaynaklanan insan hatalarının çoğunu ortadan kaldırabilir.
- Zaman tasarrufu: Otomasyon şüphesiz verilerin manuel olarak çıkarılmasından daha hızlıdır. Bu ziyaret sırasında satın alma sürecinin tamamlanabilmesi için müşterinin finansal ve kredi verilerinin gerçek zamanlı olarak finans teknisyenine iletilmesi gerekmektedir. Verilerin otomatik girişi süreci hızlandırabilir ve böylece satın alma sürecindeki gecikmeleri önleyebilir.
- Verilere daha iyi kontrol ve erişim: Yapılandırılmış verilerin merkezi bir konumu, işin tüm paydaşları ve katılımcıları için daha erişilebilir olmasını sağlayarak iş faaliyetlerinde tutarlılık sağlar.
- Maliyet avantajları: OCR otomasyonuna yapılan ilk yatırım göz korkutucu olsa da, üretkenlik iyileştirmeleri, çalışanların morali ve zaman tasarrufu yoluyla sağlanan maliyet tasarrufları, otomatik veri çıkarma sistemlerinin kurulum maliyetlerini telafi edebilir.
- Ölçeklenebilirlik: OCR veri çıkarma sistemleri, buna uygun olarak ölçeklendirilecek veri hacimleri konusunda endişelenmeden işin ölçeğini büyütme olanağı sunar.
Nanonet'lerle AI tabanlı OCR
Nanonets, PDF belgelerinden, görüntülerden ve taranmış dosyalardan yapılandırılmamış/yapılandırılmış verileri otomatik olarak çıkarmak için AI ve ML yeteneklerinden yararlanan bir OCR yazılımıdır. Geleneksel OCR çözümlerinin aksine Nanonets, her yeni belge türü için ayrı kurallar ve şablonlar gerektirmez.
Yapay zeka odaklı bilişsel zekaya dayanan Nanonets, zaman içinde gelişerek yarı yapılandırılmış ve hatta görünmeyen belge türlerini işleyebilir. Nanonets algoritması ve OCR modelleri sürekli öğrenir. Birden çok kez eğitilebilir veya yeniden eğitilebilirler ve son derece özelleştirilebilirler. Ayrıca çıktıyı, yalnızca ilgilendiğiniz belirli tabloları veya veri girişlerini çıkarmak için özelleştirebilirsiniz.
Nanonets API, satır öğesi verilerinin çıkarılmasında yüksek hızlar ve mükemmel doğruluk sağlar ve satır öğesi yönetimi için otomasyonu destekler. Nanonets API'si aşağıdaki görevleri gerçekleştirebilir:
- Formlar gibi belgeler içeren bir satır öğesinin tablo yapısının doğru tespiti.
- Ad, ürün, fiyat, toplam tutar, indirimler vb. formlarda bulunan tüm satır öğesi girişleri.
- Veriler, özelleştirilmiş uygulama ve platformların oluşturulmasını sağlayan JSON çıktısı olarak çıkarılabilir.
Yazılım, geliştiriciler için harika bir API ve belgeler sunarken, kurum içi geliştirici ekibi olmayan kuruluşlar için de idealdir.
Nanonets'i diğer otomatik OCR yazılımlarına göre kullanmanın faydaları maliyet tasarrufu, doğruluk ve ölçeğin çok ötesine geçiyor. Nanonets ayrıca onu rekabette çok öne çıkaran benzersiz avantajlar da sağlar:
- Gerçekten kodsuz bir araç
- Nanonet'lerin çoğu CRM, ERP, içerik hizmeti veya RPA yazılımıyla kolay entegrasyonu.
- Son işlemeye gerek yok: Nanonets OCR, el yazısı metinleri, aynı anda birden fazla dilde metin görüntülerini, düşük çözünürlüklü görüntüleri, yeni veya bitişik el yazısı yazı tiplerine ve değişen boyutlara sahip görüntüleri, gölgeli metin içeren görüntüleri, eğik metni, rastgele yapılandırılmamış metni, görüntüyü tanıyabilir gürültü, bulanık görüntüler ve daha fazlası.
- OCR modellerini eğitmek için özel verilerin kullanımı yoluyla özel verilerle çalışır.
- Çoklu giriş tanıma: Nanonets OCR, el yazısı metinleri, aynı anda birden çok dildeki metin görüntülerini, düşük çözünürlüklü görüntüleri, yeni veya bitişik el yazısı yazı tiplerine ve değişen boyutlardaki görüntüleri, gölgeli metinlere sahip görüntüleri, eğik metinleri, rastgele yapılandırılmamış metinleri, görüntü gürültüsünü, bulanık görüntüler ve birden çok dil
- Formatlardan bağımsızlık: Nanonetler hiçbir şekilde belge şablonuna bağlı değildir. Verileri bilişsel olarak tablolarda, satır öğelerinde veya başka herhangi bir formatta yakalayabilirsiniz!
Paket
Tüketici manzarası son 20 yılda, özellikle de pandeminin neden olduğu karantinalar ve ekonomik gerilemelerin son iki yılında muazzam bir şekilde değişti. Bir zamanlar nakit alımlara bağımlı olan bir alandan, artık işlemlerin dijitalleştirilmesini tamamen benimseyen bir alana doğru, pazar, teknolojiden ve yeni inovasyonlardan tam potansiyelleriyle faydalanmasına olanak tanıyan bir dönüşümden geçiyor. BNPL yaklaşımı perakende alanının evriminde bir sonraki mantıklı adımdır. BNPL iş akışında OCR'nin kullanılması, zaman ve maliyet tasarrufu, kolaylaştırılmış onay süreci ve sonuçta satıcılar tarafından daha iyi benimsenme gibi ikna edici faydalar sağlar
- &
- 000
- 20 yıl
- Hakkımızda
- erişim
- Göre
- Hesap
- karşısında
- faaliyetler
- Benimseme
- reklâm
- Bireysel Üyelik Sözleşmesi
- AI
- algoritma
- Türkiye
- Izin
- miktar
- tutarları
- api
- uygulamayı yükleyeceğiz
- yaklaşım
- uygulamalar
- Otomatik
- Otomasyon
- mevcut
- Banka
- banka hesabı
- banka havalesi
- Bankacılık
- olmak
- faydaları
- İYİ
- Siyah
- bina
- iş
- satın almak
- Satın alma
- yetenekleri
- Kapasite
- Kartlar
- Nakit
- yüklü
- denetleme
- Çekler
- bilişsel
- Şirketler
- zorlayıcı
- rekabet
- karmaşık
- kavram
- tüketici
- Tüketiciler
- içerik
- katkıda
- kontrol
- maliyetler
- olabilir
- kredi
- kredi kartı
- Kredi kartları
- veri
- veri işleme
- veritabanı
- Tarih
- Banka kartı
- geciktirmek
- gecikmeleri
- Talep
- Depresyon
- Bulma
- gelişmiş
- geliştiriciler
- dijital
- dijitalleşme
- evraklar
- aşağı
- tahrik
- Erken
- Ekonomik
- ekonomik kriz
- gidermek
- girdi
- girer
- çevre
- evrim
- Daha hızlı
- Fiyatlandırma(Yakında)
- maliye
- mali
- finansal Veri
- fintech
- uygun
- akış
- takip etme
- Airdrop Formu
- formlar
- tam
- gelecek
- gidiş
- Tercih Etmenizin
- mal
- harika
- yardım et
- Yüksek
- büyük ölçüde
- tarih
- Ne kadar
- HTTPS
- görüntü
- dahil
- artmış
- bilgi
- entegre
- bütünleşme
- İstihbarat
- faiz
- yatırım
- IT
- Klarna
- KYC
- manzara
- Diller
- büyük
- öncülük etmek
- ÖĞRENİN
- leverages
- çizgi
- Krediler
- yer
- lockdowns
- bakıyor
- Yapımı
- yönetim
- Mantra
- Manuel
- el ile
- üretim
- çarşı
- Tüccar
- Tüccarlar
- ML
- model
- modelleri
- para
- çoğu
- Gürültü
- numara
- okyanus
- teklif
- teklif
- Teklifler
- Online
- online bankacılık
- Operasyon
- seçenek
- Opsiyonlar
- kuruluşlar
- organizasyonlar
- Diğer
- ödenmiş
- yaygın
- kâğıt
- Katılımcılar
- Partner
- ödeme
- ödemeler
- dönemleri
- perspektif
- platform
- Platformlar
- politikaları
- Popüler
- mevcut
- fiyat
- sorunlar
- süreç
- PLATFORM
- üretim
- verimlilik
- profesyoneller
- protokol
- sağlamak
- sağlar
- satın alma
- satın alındı
- alımları
- kalite
- oranlar
- Çiğ
- gerçek zaman
- nedenleri
- durgunluk
- tanımak
- kayıt
- gerektirir
- gereklidir
- perakende
- rpa
- kurallar
- satış
- ölçek
- ölçekleme
- plan
- sektör
- Dizi
- hizmet
- Hizmetler
- set
- ayar
- benzer
- yer
- küçük
- Software
- satılan
- Çözümler
- bir şey
- uzay
- alanlarda
- yayılma
- Aşama
- Stok
- mağaza
- mağaza
- stil
- sistem
- Sistemler
- görevleri
- takım
- Teknoloji
- Dünya
- üçüncü şahıslara ait
- İçinden
- zaman
- zaman tükeniyor
- geleneksel
- Eğitim
- işlem
- işlemler
- Dönüşüm
- benzersiz
- us
- kullanım
- değer
- satıcıları
- Doğrulama
- hacim
- Ne
- DSÖ
- olmadan
- çalışır
- Dünya
- yıl