Splitit Üst Yöneticisi (CEO) Nandan Sheth, PYMNTS tarafından yayımlanan yeni 'Yapay Zeka Odaklı Ödeme Altyapısını İnşa Etmek' adlı e-kitapta, karta bağlı taksitlendirmelerin yapay zeka (AI) ticaretinde ödeme hatalarını önleyebileceğini belirtti.
Yapay zeka ajanlarının karar aldığı bir işletme yapısına geçmek, ticaret yapma biçimini kökten değiştirmeyi gerektiriyor. Yapay zeka ajanları karar almaya başladıkça, şirketlerin sadece bu ajanların neler yapabileceğini değil, aynı zamanda düzgün çalışmaları için hangi süreçlerin değişmesi gerektiğini de belirlemesi gerekiyor.
Ödeme sistemlerinde bu durum, şirketlerin insan müdahalesi gerektiği için tıkanan ödeme modellerinin hangi kısımlarını yeniden gözden geçirmeleri gerektiği anlamına geliyor.
Geleneksel 'şimdi al, sonra öde' (BNPL) modeli bu tıkanıklığın yaşandığı alanlardan biri. Son 10 yılda BNPL, perakendecilerin sayısız müşteri için ödeme kolaylığı sorununu çözmesine yardımcı oldu. İstatistiklere göre bu model, dönüşüm oranlarını ve ortalama sepet tutarını artırıyor.
Ancak BNPL, yapay zeka ajanlarını anında durduran bir yapı üzerine kuruldu ve o anı bekleyen şirketler kendilerini yapayalnız beklerken bulacak.
Bir BNPL işleminde tüketici, satın alma anında kısa vadeli kredi için başvuruyor, anlık bir onay kararı alıyor ve işlemi Affirm gibi bir sağlayıcı üzerinden tamamlıyor. Bu model, ekran başında bekleyen insan bir alışverişçi için tasarlandı. Bir sorun çıkarsa, kişi sadece bir form doldurabilir, şartları kabul edebilir ve üçüncü taraf bir akışa yönlendirilebilir.
Ancak yapay zeka ticaretinin yükseldiği günümüzde, AI ajanları bir alışverişçi adına hareket ederek ürün buluyor, değerlendiriyor ve satın almayı tamamlıyor. Döngüde yeni bir kredi başvurusunu yönetecek bir insan yok. İşlem ya tamamlanıyor ya da tamamlanmıyor. Yeni kredi başvurularında BNPL onay oranları yüzde 35 ile 40 arasında değiştiği için, yapay zeka tarafından yönetilen her 10 BNPL işleminden 6'sı ödeme adımında başarısız olabilir. İşin en kötü yanı, perakendeci bu durumu fark etmeyecek bile. Yapay zeka ajanı sadece başka bir satıcıya yönelecektir.
Ajanları devreye alan işletmeler, bu sınırlamayı ancak üretim aşamasında, bir ödeme entegrasyonunu yeniden yapılandırmanın maliyeti, onu en baştan doğru modellemenin maliyetinden önemli ölçüde yüksek olduğunda fark edebilir.
Ortaya çıkan çözümlerden biri olan ve tüketicinin mevcut kredi kartına bağlı taksitlendirme sistemi, BNPL'nin sahip olmadığı kesinliği sağlıyor. Sistem şöyle işliyor: Satıcı, ödeme adımında alışverişçinin mevcut kredi kartından tam satın alma tutarı kadar provizyon alıyor, ardından bu provizyon tutarını aylık taksitlere bölüyor. Bu, yeni bir kredi başvurusu veya üçüncü taraf bir kredi anlamına gelmiyor; sadece alışverişçinin zaten sahip olduğu kredi limitinden düşülen taksitler demek.
Karta bağlı taksitlendirmeler, ödeme hatalarını önlemeye yardımcı oluyor çünkü kredi kararı kartın basıldığı anda veriliyor. Yapay zeka ajanı mevcut bir kredi limitini kullanıyor, anlık bir kredi onayı tetiklemiyor.
En az bunun kadar önemli olan bir diğer konu da karta bağlı modellerin, kredi geçmişi oturmuş ve yeterli limiti olan tüketicileri seçmesi. Bu tüketiciler genellikle daha yüksek sepet tutarlı alışverişler yapıyor ve tekrarlayan alıcılar. Karta bağlı BNPL, yüksek kaliteli ve düşük riskli bir büyüme motoru.
Yapay zeka ticareti dünyasında asıl zorlu iş ödeme adımında başlıyor. Bu adımı doğru yapan perakendeciler, yapay zeka ajanlarının tekrar tekrar tercih edeceği markalar olacak.
