分析支付数据的广度和深度是一个挑战。每笔交易并不一定会都成功,但您一定能通过使用明智的策略理解其中的原因。然而事实是,您很难知道正确的才策略要从何展开。
在大数据时代,您需要一个真实的数据来源。例如支付分析数据后台之类的数据处理工具将帮助您朝着正确的方向迈进。您可能对发生的情况有所猜测,但数字不会撒谎,您需要证据来支持您的战略建议。可以说,数据图表的清晰度会严重影响业务的买入量,更不用说您自己对业务状态的洞察力了。
即时拥有最好的分析工具包,如果没有清晰的业务关键指标,就是无用的。毕竟,您需要知道自己想要实现什么。无论是手动分析、使用电子表格还是第三方工具,了解要注意什么都会有所帮助。
为此,本文将概述最重要的支付分析指标。
您可能不相信支付分析除了支付部门之外还有很大的价值。然而,这项工作可以揭示对整个业务有益的重要见解,并指导更广泛的战略决策。
支付分析的用例包括加深对客户购买喜好和不喜好的理解。深入研究当前和历史交易数据可以揭示关于收入增长、客户保留策略、资源分配和投资回报率计算的合理下一步。如果您能找到有效和无效的工作,那么您将更好地为未来做好准备。
以下是通过支付分析可以获得的一些客户洞察:
以下是 Checkout.com 分析数据后台的快照,来说明交易数据的可视化能如何提供优先事项和关注点的即时洞察。
在海量数据中,优先考虑最强劲的趋势是必要的,您应该考虑对核心业务指标产生最大影响的因素:利润与损失、营收、客户流失率、与合规性。
无论您的行业是什么,如果您的业务涉及支付,您都应该关注以下内容:
您知道有45%的客户在首次支付失败后不会再继续尝试吗?想象一下,如果您因为不完善的支付技术而失去了这么大一部分客户,这将对您的业务产生什么影响。据我们的研究发现,有42%的客户因为误拒而不愿返回App或网站。您发现相关的营收流失吗?
所以,您应该关注支付失败的原因,这将告诉您问题所在以及下一步该采取的行动。例如,若您的客户卡过期了或者出现了 3DS 验证失败,您该知道接下来需怎么做。
在交易支付方式、地区、货币和卡组(如果适用)的背景下检查银行响应代码可以提供出错的原因,这样做还可以帮助您发现趋势,并制定应对策略。
尽管这些数据很重要,我们的研究发现65%的商户没有收到有关失败支付的详细原始响应代码,这仅突显了支付领域数据匮乏的问题。
聚合支付错误代码可以为您的设置中可能存在的故障提供有用的指导。每个交易失败的原因可能各不相同,这就是为什么与能提供此类数据访问权限并确保您具备解释工具的支付处理服务商合作非常重要。
在分析拒绝响应数据并进行技术调整后,我们为一家企业增长了9+%的支付成功率。这意味着营收指数增长,也是任何企业都希望实现的目标。通过调查减少拒付的方法,如本应首次通过的付款等,您便能获得收益。
当然,您不能也不应该试图挽救欺诈性的支付尝试,我们将在最后考虑欺诈监控的分析。
如果您在多个国家进行交易,您应该按国家层面考虑您的支付数据,这样可以帮助您根据优劣势缩小焦点。
如果您的研究发现在特定地区有反复发生支付失败,那肯定值得更仔细地观察。在扩张至新地区的早期阶段,这项工作尤为关键;如果在某个特定地区没有忠实的客户群体,几次负面的支付体验很容易破坏客户的信任,且加剧流失。
同时,您还应该考虑跨境支付的成本。计算外汇(FX)支付的确切成本可能具有挑战性,因为来自不同方面的不同费用可能会合并成一个总费用。
然而,您的费用结构可能会因您的本地收单和处理合作伙伴而有所不同。因此,如果您在特定地区有多个支付服务商,您可以分析每服务商的相对交易成本。
请注意,由于汇率每天波动,买家可能使用不同的付款方式(每种方式都有不同的费用),因此很难将其缩小到完美的科学范畴。
尽管如此,某些支付服务商可能会为本地支付处理提供更有利或更昂贵的费率,因此在可能的情况下进行对比是值得的。与您的客户经理合作,尽量了解区域处理的成本透明度。
如果您正在使用编排层或任何智能支付路由技术,您可以检查您的付款是否通过最便宜(且最合适)的路径进行路由。如果没有,那么请向您的客户经理或内部支付团队咨询是否可以节省费用。
在频率和类型的背景下分析您的交易是一个好主意。毕竟,对于单次付款的客户和长期订阅者,您的策略会有所不同。
以下是您应该针对每种付款类型关注的不同付款指标摘要:
根据您的定期付款数据,您可以计算订阅的平均持续时间,这是可以优化您的销售和营销策略的有用信息。一旦了解了每位订阅者的平均预期营收(或利润),您可以调整获取每位新买家的总成本最大值(即营销支出的上限)。
将支付数据筛选为定期支付可以帮助您计算基于订阅产品的留存率和流失率。您还可以根据一定时间段内的重新激活率来衡量营销活动的盈利能力,赢回流失的订阅用户。
您需要确保每个支付请求中发送的数据量是正确的,这通常比较困难。与您交易的每个卡组及国家的金融处理法律要求,都需要与您的支付信息保持一致,这尤为重要。
如果您为多个地点的客户提供服务,如果没有专业的本地收单知识,这将很快变得繁琐。 如果您的支付信息不符合当地支付处理要求的标准,您可能会在某些地区遇到无法承受的高拒付率情况。
除了支付成功率,您还应该分析使用强制客户身份验证(SCA)处理的交易比例。如果您在不需要 SCA 的地区处理支付,您值得监控那些使用各种级别额外身份验证措施的卡卡组和发卡行的支付成功情况。您需注意任何支付成功率、购物车弃购率或欺诈方面的波动,引导您的下一步行动。
利润率是一个帮助观察支付策略微调的视角,原因是您的营收增长(和成本节省)很可能只是微小的。
然而,正是这些微小的调整导致了这里 0.5%,那里 0.35%的增益,累积下来便能达到数十万的营收增长(取决于您的业务规模)。
由于新型金融科技服务商的支付处理领域日益激烈的竞争,企业可以更好地控制交易路由。让我们考虑分析最有利可图的支付指标。
在竞争激烈的线上市场中,客户对支付体验越来越挑剔。不管你是否相信,由于过长的支付时间,超过四分之三(76%)的英国买家选择放弃购物车。
如果您发现销售额下降且想要解决购物车弃购问题,您应考虑添加另一个支付处理渠道,最好是更快的渠道。
在做出任何重大决策之前,您需运行测试来建立支付处理速度的基准,这里可以使用沙盒工具和虚拟信用卡数据模拟交易,并记录代表性样本的处理时间。
您的支付处理速度部分取决于您与支付网关的集成类型,还与交易数据格式的质量有关,因为优化支付消息将减少重试的需求(无论是自动化还是其他方式)。
当您关注支付尝试成功和授权失败的百分比时,要注意模式并调查弱点。例如,特定的支付处理器在某个地区的授权率可能始终低于其他 PSP ,这需与您的账户经理进行沟通并了解原因,提出改进措施。
在查看授权失败数据时需考虑由于信用卡信息过期导致支付失败的比例,若比例过高,您应该权衡是否值得实施安全存储支付信息的令牌化技术,这可以减少授权失败率。因为通过网络令牌化,信用卡信息将自动更新。
机器学习可以自动应用一系列调整来改善在您业务的支付流程,自适应消息结合了过去的成功交易,并计算出最有可能通过授权的支付消息格式。
此外,Intelligent Acceptance 智能引擎可以进行数千次个体调整,提高授权成功率。使用 Checkout.com 数据后台分析,您可以查看不同类型优化所带来的百分比增益,甚至可以看到因没有机器学习的优化导致的营收差异。
信用卡退单是常见的利润消耗者;不仅您的客户希望退款,而且您的员工还必须投入时间调查每个案例。您必须查看相关的指标,才能知道信用卡退单给您的业务带来了多少额外的成本。
在某些数据平台您可以构建自己的报告,以可视化呈现您的信用卡退单数据,例如 Checkout.com 数据浏览器(Data Explorer)后台将根据您选择的参数创建自定义图表。下方的条形图显示了在特定时间内三个国家的信用卡退单率。
该数据后台是动态的,您可以将鼠标悬停在上面查看该时期的退单率和交易数量。
对比信用卡退单率的好处是它可以帮助您找到需优先处理的问题。如果您发现业务中的退单率有问题,您可以按照卡类型、发卡行、BIN号码、货币、支付方式等参数对数据进行细分分析,这页可以帮助您找出特定的问题及其解决方式。
根据您信用卡退单的指标分析,您可以考虑几种不同的策略来减少退单:
当然,信用卡退单欺诈的风险总会存在,我们将继续更详细地讨论欺诈问题。
令人担忧的是,越来越多的美国企业遭遇支付欺诈:2023年达到46%,比前一年的32%更高。若欺诈监控无法跟上,不仅会严重损害您的资产负债表,还可能损害您的业务声誉,产生昂贵的法律诉讼,甚至限制您的交易。
分析交易指标来检测欺诈模式会更好,通过高支付成功率最大化营收必须与防止欺诈相平衡。当某些用户行为引发欺诈怀疑时,最好配置 3D 安全认证协议在您的支付流程。
欺诈活动的一个危险信号是没有充分原因的异常高频次交易。值得深入研究用户的付款记录账户,寻找存在企图欺诈付款的迹象。例如,您应该检查账单地址是否与在每次重复付款时一致。
此外,您应该检查失败的支付是否快速、连续地重试。在这种情况下,修改您的支付 UI (即从客户的角度看到您App或网站上支付过程的结构和流程)是正确的。您应该使用自动设置阻止重复的交易尝试,并查看是否也可以在支付之前实现欺诈检查。
减少潜在的支付欺诈有一种直接方法,是要求客户验证连接到其帐户的电子邮件地址此外您还应该确保发送的支付确认电子邮件中包含如何报告欺诈行为的信息。
我们先进的支付数据分析平台为您的收支支付提供了必要的可见性。当您与 Checkout.com 合作时,您将获得一流的支付分析工具,帮助您提高盈利能力。