算法将如何改变支付行业？

本篇文章2442字，读完约6分钟

不久前，许多大银行坚信，银行的地理位置是向客户提供服务时必须考虑的一个因素。然而，在过去的10年里，数字银行已经崛起。数字银行可能永远不会有实体存在，但它会继续扩大其用户基础，增加其服务，包括保险、抵押贷款和贷款。

今天，让我们来看看数字化和算法将给传统支付模式带来的变化:对数据集的分析只是第一步。为了完成算法过程，有必要使用机器学习和人工智能来创建新数据。

算法将如何改变支付行业？

在支付行业，我们见证了像大通和fisrtdata这样的公司在该行业占据主导地位超过40年。然而，正如银行业的数字化迫使业内人士改变策略一样，我们注意到数字支付帮助一些公司获得了更大的市场份额，如worldpay、vantiv，甚至是最近的stripe、paypal/braintree和adyen。

他们的成功不是建立在传统商业的基础上，而是大力发展科技创业项目，一些发展良好的项目抢走了传统商业的风头，甚至将它们推下了历史舞台。在这里，你可以想到娱乐媒体巨头与netfix、出租车与优步、传统商店与亚马逊之间的竞争。

2018年和2006年亚马逊与传统零售公司的市场价值比较

然而，随着越来越多的企业意识到数字化是大势所趋，我经常会问:支付行业的下一次革命是什么？

就像那些在20世纪70年代和80年代大胆采用计算机和数据库的公司，或者那些知道互联网将在20世纪90年代带来巨大变化的公司一样，他们经历了新千年互联网泡沫破裂的验证。我认为那些深刻理解算法化带来的变化并积极投资的公司最有可能在2010年和2020年的激烈竞争中顺利生存。

数字流程

为了理解什么是算法，我们首先需要回顾一下传统的业务流程。数百年来，传统的业务流程由创造产品或提供劳务的人以及与之相关的一系列外围业务活动组成。

例如，提供医疗服务的医生有时间咨询，病人可以直接就医或提前预约。传统上，一系列过程，如登记病人信息、更新病历和开处方，都是用纸和笔完成的。随着这些过程的数字化，计算机已经进入医生的办公室，从那里病人的档案可以数字化地存储，医疗预约可以使用数字日历，并且处方可以直接邮寄给药剂师。

即使在今天，企业仍在继续改进数字流程:开发移动应用程序或提供云服务，使用户能够更好地访问和存储实际业务流程生成的数据。

算法化

当我们讨论算法时，我们讨论用存储在数据库和自动化程序中的数字标签数据分析用户的过程，并根据结果进一步向用户反馈有价值的信息。

大多数公司已经完成了上述过程，但这只是进入算法的第一步。当数据集(n)可以用来分析用户信息并给出反馈时，下一步是使用机器学习和人工智能来创建一个新的过程(n=n+1)，该过程可以提供新的数据集和完整的算法周期。

支付服务提供商的示例

为了更好地解释，假设有一个支付服务提供商每天处理数百万笔交易。商家上传的每笔交易都包含与交易相关的信息，如pan(个人账号)、cvc(信用卡验证码)、到期日、客户名称和电子邮件地址。通过浏览器，psp(支付服务提供商)还可以收集附加数据，如时间和日期、设备id、浏览器类型和版本、ip地址和其他数据点(n)。

在处理事务时，事务数据将存储在数据库中。大多数psp(支付服务提供商)将使用这些数据在指定日期向商家提供标准交易报告。有些人甚至可以汇总数据来提供数据摘要。如果他们想吸引更多的用户，他们会开发直观的图表来显示交易是如何随时间变化的。

随着计算能力、云计算和分布式存储技术的发展，包括psp(支付服务提供商)在内的许多公司都在尝试各种方法来改进现有流程。例如，我们之前假设的psp(支付服务提供商)决定研究海量历史数据是否能帮助公司防止未来传入交易数据中的欺诈行为。通过使用机器学习和人工智能，数据科学家可以发明一种算法，该算法可以在一些交易中使用各种变量来预测最近上传的交易是欺诈性交易的可能性。

基于卡的支付系统的优点是持卡人可以在一定时间内对交易提出质疑。每当报告欺诈交易时，发卡机构将发送消息来恢复交易。只要收到信息，psp(支付服务提供商)就可以将其存储在数据库中。这使psp能够验证初步欺诈预测的准确性。在人工智能算法的帮助下，他们可以通过增加或减少前一算法中各变量的权重来调整原算法并提高其得分。这实际上在算法中创建了一个新的过程(n=n+1)。

算法如何影响支付？

前面的例子只是一个关于如何使用算法来改进现有流程的例子。有趣的是，本案中的方案确实是多年来处理欺诈交易的主要方案，但欺诈者变得越来越聪明，欺诈仍时有发生。

但是支付不仅仅是防止欺诈。成本、货币兑换、连接性能、计费和支出是新的psp可以通过使用算法产生影响的一些领域。随着越来越多的公司习惯于psp的商业化，保持psp成功的方法不是减少欺诈或交易成本，而是展示psp的价值，也就是给用户带来更多的业务。

销售部比财务部更受欢迎的原因是，创造更多的收入等于增长，而降低成本可能会增加利润，但不会增加收入。

智能采集路径

根据性能、功能或定价，可以使用相同的交易数据来优化收购路线。这是实现多路径算法的好方法，它是a/b测试的更“智能”或更复杂的版本。它使用机器学习来动态地将流量分配给性能好的变量，而将较少的流量分配给性能差的变量。通过连接多个数据收集器，psp可以将最佳预测变量分配给特定客户，从而提供最佳预测结果、定价和功能。

动态3dsecure

由于发卡机构设置的两步交易验证，如visa的验证或mastercard的3dsecure，许多PSP仍然有较高的支付拒绝率。利用决策树的机器学习方法，PSPs可以预测事务是否需要进入3dsecure页面进行额外的两步验证，或者事务是否可以通过常规过程完成。

不要被别人的想象力所限制

当然，还有许多其他方法可以使用事务数据来提高业务绩效。如果有人能利用几十年积累的用户数据来创建一个可以改进现有流程的psp，或者一个可以满足目前甚至不存在的商业模式的支付要求的psp，我认为这是完全可能的。