在付款中学习

这新冠病毒大流行已经迎来了一个新的时代电子支付;那些曾经邮寄支票和亲自购物的人现在通过电子支付和网上购物。随着经济受到冠状病毒的冲击，支付领域的一些AI初创公司将会成功，其他一些将会失败。所有这些都在迅速转向电子商务，如果这不是他们的重点开始。

金融机构将寻找可提供更快，更容易，更安全的付款的AI公司，以便他们可以采取更多业务，在这一日益数字世界中越来越少。在本文中，我们探索我们的人工智能机会景观以下用例中对支付领域AI创新的研究:

访问付款系统
销售点
使用付款数据
个性化产品和经验

我们开始对使用简要概述的机器学习的分析，并讨论AI如何用于增加对支付系统的访问。

下面的图形突出了我们喜欢在三个离散应用领域进行可视化AI影响的方式：

下面，我们将分别研究这三个应用程序，更详细地充实它们的用例。

访问付款系统

有许多接口创新可以让公司更好地访问支付系统。语音识别软件是一个潜在的用例。在便利支付方面，它还没有得到广泛应用，但随着语音搜索产品变得越来越流行，这些应用程序在未来将变得更加普遍。

随着越来越多的人选择非接触式交流方式，变得越来越孤立，其他对话式接口，如文字聊天，也可能会增加使用。像1-800-Flowers这样的公司多年来一直为客户提供通过聊天机器人下单的能力。特别是1-800-Flowers，据说他们的聊天机器人取得了巨大成功。2016年推出聊天机器人后不久，通过Chatbot订购的70％的客户是新客户根据CB Insights的说法。

在EMERJ，我们相信自助支付软件 - 这有助于客户服务自己的需求和与品牌交易 - 将在灰尘沉淀和企业再次考虑战略的情况下，对创新部门变得更加受欢迎。

被迫更精简的公司仍然需要处理客户卷，并需要考虑这些技术来处理客户担忧。

类似的应用程序包括节省客户偏好的应用程序，例如提示下一次购买的个人金融和电子商务应用程序。这些往往会提高客户终身价值，并为下一个公司的一个买家旅程创造更畅柔性的用户体验。

谈到访问付款时，启动生态系统正在引领充电。虽然大型信用卡公司并成立零售商有兴趣提高客户体验，初创公司和大型技术可能负责更加激进的变化和变化。

如果语音识别软件因响应大流行而变得更加流行，则它将是因为苹果或谷歌。如果文字聊天突破，它将是因为百度或微软的一些科学自然语言处理突破。如果保存用户偏好并提示购买的新方法变得流行，则它将是亚马逊或一些创新的付款或电子商务启动，实际上会发生这种情况。

销售点

在经济危机期间，支付欺诈往往会增加。已经有一个在冠状病毒大流行期间，欺诈行为大幅增加。在最后一次经济衰退期间，飙升的退款。消费者不得不削减费用，在某些情况下使用退款作为一种方法。他们更有可能声称他们实际制作的交易是欺诈性的，所以他们可以通过银行获得资金。

因此，在冠状病毒危机期间，可以提供帮助的AI应用检测欺诈性付款或者了解已知收取回复交易的特定客户的足迹可能会变得更加相关。付款欺诈检测是罕见的AI使用案例之一，即短期内对业务产生直接影响。目前，公司的重点是Moonshot目标，更专注于降低成本和降低风险;付款欺诈检测将是一个有价值的应用。

欺诈检测公司喜欢筛如果我们的客户缺乏业务，可能会失去金钱，但其核心应用程序现在比以往任何时候都更有价值，特别是如果公司能够更新其AI算法以校准新的欺诈模式的攻击和友好欺诈的普遍存在很可能发生在经济衰退中。

AI的欺诈检测供应商通常提供异常检测软件是一种机器学习，可以检测出偏离常规的情况(在这种情况下是合法的交易)。下面是Sift的界面演示:

在销售点，创新不限于创业生态系统。类似的公司签证和万事达根据他们处理的交易数量，有很强的能力开发欺诈模型。大型零售商和金融服务机构也可以这样做。在预防和检测欺诈方面的创新将由现有的金融服务和零售公司分享，而不是访问支付，这将带来初创企业生态系统推动的更具破坏性的变化。

使用付款数据

和访问支付一样，有很多创新的方式来使用支付数据来改善用户体验或改变商业模式。支付数据的一个用例是in信用评分。

千禧一代和属于第一代Z的人往往缺乏强大的信用历史，因为他们不会像父母的一代一样借用。结果，他们的信用评分通常是低或不存在的，这可能使其难以实现贷方要知道他们是否值得贷款或信贷额度。

金融服务领域的一些人工智能公司提供人工智能算法，使用替代数据源来确定贷款或信贷申请人重放贷款或按时支付余额的可能性。这些算法可能会使用与申请人希望贷款购买的物品有关的信息，比如一辆汽车，包括它的品牌、型号、年份、申请人计划多久开一次车，以及经销商的位置。

在美国以外的某些情况下，贷款人正在使用AI在他们的手机上挖掘申请人的社交媒体数据和数据（随用户的同意）来确定其信誉。LenddoEFL解释下面的促销视频中的使用情况：

同样，这些算法可以使用申请人的借记卡支付和银行账户存款作为信誉指标的历史，即申请人将钱存入其帐户的频率以及他们购买的物品的数量。贷款人也可能在电子商务平台上使用申请人的购买历史，例如沃尔玛和亚马逊。

由于突破公平贷款法律的可能性，这种特殊的AI用例是爆炸性的。有时，这些算法以指示申请人的种族或性别的方式相关的两个看似无关的数据点，否则贷款人都不能用于确定是否批准申请人贷款或信用额度。

那个所说，贷方和为他们提供服务的AI公司可能会通过支付数据创新，因为年轻借款人从电子商务网站购买的历史。在这样做时，他们将能够提供年轻的申请人对贷款和信用档案的优惠，而不承担太多风险。

这种申请在未来几年可能特别重要，因为贷款机构要应对冠状病毒大流行的影响。随着人们失业，真正的正常状态还没有真正的结束日期，人们很可能会在可预见的未来推迟购买大宗商品。

然而，与实体店相比，他们会在网上进行大量购物。在其他贷款机构陷入困境之际，能够利用机器学习技术，利用电子商务数据来确定申请者的信用状况的贷款机构，或许能够赢得新业务。

有关此特殊AI用法的更多信息，请聆听EMERJ对ZEST AI的CTO采访：贷款人如何通过机器学习赢得更多业务。

产品和体验的个性化

An AI startup ecosystem may develop for taking information from merchants or financial services firms about payments and users and enriching that data to further customize that particular user’s experience based on the behaviors of other users or the preferences of similar users that the startup’s algorithm has been trained on.

这种生态系统将成为其自身的第三方数据公司市场，类似于Experian。卡联系营销是信用卡公司正在使用此数据的一种方式。卡链接营销允许广告商根据过去的购买信用卡或借记卡以过去的购买向客户展示有针对性的广告。