Hur kunderna interagerar med ditt betalningsflöde säger mer än vem som betalade och vem som inte gjorde det. Det avslöjar även vad dina kunder förväntar sig, var de fastnar och vad som kostar dig intäkter (på sätt som du kanske inte märker). Om du vet hur man läser dessa signaler kan du bygga en betalningsupplevelse som är snabbare, smartare och mycket effektivare. Nedan förklarar vi hur.

Vad innehåller den här artikeln?

• Vad är en analys av kundernas betalningsbeteende?
  
• Vilka beteendesignaler är mest användbara för att förfina betalningar?
  
• Hur kan analys av betalningsbeteende hjälpa ditt företag?
  

Vad är en analys av kundernas betalningsbeteende?

Analys av kundernas betalningsbeteende är processen att observera hur köpare interagerar med din betalningsupplevelse för att sedan använda dessa observationer för att fatta smartare beslut. Det är en riktad undersökning av det sista steget i kundresan: hur, när och varför köpare genomför (eller misslyckas att genomföra) en betalning.

Du analyserar:

• Vilka betalningsmetoder olika kunder föredrar

• Hur ofta betalningar lyckas eller misslyckas och vad orsakerna till nekanden är

• Var kunder tenderar att falla bort i kassaflödet

• Hur återkommande kunder beter sig annorlunda jämfört med engångsbesökare

• Vad som utlöser betalningstvister eller bedrägeriflaggor

• Hur abonnemangsfaktureringen presterar över tid

När dessa signaler ses i sitt sammanhang talar de om för dig hur kunderna rör sig genom ditt betalningsflöde och var det flödet hjälper, skadar eller i tysthet läcker intäkter. Kundernas agerande säger dig något: det finns alltid en anledning till att de överger kundvagnar eller misslyckas med att betala, och den anledningen går ofta att åtgärda.

Den här typen av analys gäller för alla affärsmodeller:

• Inom e-handel spårar du hur olika betalningsmetoder, enhetstyper och geografiska områden påverkar konverteringen.

• Inom SaaS (molnbaserade mjukvarutjänster) tittar man på hur motorn för återkommande intäkter fungerar – vad som orsakar ofrivilligt kundbortfall, hur nya försök fungerar och när man ska ingripa.

• På marknadsplatser balanserar man bedrägeribekämpning och betalningstillförlitlighet i stor skala, ofta med flera intressenter inblandade.

Betalningsbeteendet förändras med nya regioner, förändrade bedrägerimönster, regeländringar och konsumenternas förväntningar. Att upprätthålla en sund analyspraxis hjälper företag att bygga upp en vana av att implementera ständiga förbättringar.

Vilka beteendesignaler är mest användbara för att förfina betalningar?

Det råder ingen brist på data i ditt betalningssystem. Men inte alla data hjälper dig att fatta bättre beslut. Här är de mest användbara beteendesignalerna att fokusera på.

Auktoriseringsfrekvens

Börja med grunderna: hur ofta betalningar går igenom på första försöket. En hög auktoriseringsfrekvens innebär att kassa, bedrägeriregler och betalningsrouting synkroniseras. En lägre frekvens än väntat innebär att du förlorar intäkter som annars skulle kunna återvinnas.

Betalningsmetodsanvändning

Vad folk väljer att betala med säger en hel del. Föredrar kunderna kreditkort, digitala plånböcker eller lokala banköverföringsmetoder? Finns det populära alternativ i en region som du inte erbjuder? Om du ser bortfall i specifika regioner eller på mobilen är risken stor att de tillgängliga betalningsalternativen inte motsvarar konsumenternas förväntningar. Att lägga till rätt metoder – eller tydligare visa den mest föredragna – kan vara tillräckligt för att öka konverteringen.

Information om övergivna betalningar

Många kunder börjar ange sin betalningsinformation för att sedan överge hela processen. Genom att spåra var användare lämnar flödet får du insyn i vad problemet är. Lämnar de på sidan med faktureringsuppgifter eller direkt efter att autentiseringen har utlösts? Slutar mobilanvändare när det är dags att mata in kortuppgifterna?

Mönster för abonnemangsfel

Återkommande betalningar är förknippade med en egen uppsättning beteendesignaler. Abonnemangsföretag bör fokusera på ofrivilligt kundbortfall (dvs. misslyckade betalningar, inte uppsägningar av användare), andel lyckade återförsök och hur länge kunderna förblir aktiva efter ett betalningsproblem.

Betalningsbeteende under kundens livstid

Mönster över tid spelar också roll. Hur ofta betalar en kund? Hur stora intäkter genererar de? Hur tillförlitliga är deras betalningar mätt i månader eller år? Om du vet att dina mest värdefulla kunder tenderar att använda digitala plånböcker och aldrig misslyckas med sina betalningar kanske det är en betalningsmetod som är värd att uppmuntra. Om enstaka köpare alltid misslyckas med förbetalda kort kan det kräva en uppmaning om en reservmetod eller en bedrägerikontroll.

Bedrägeri- och tvistflaggor

Är tvisterna koncentrerade till vissa produkter eller säljare på marknadsplatsen? Utlöser vissa flöden för många falska positiva identifieringar? Det här är beteendemönster som är värda att spåra. Alltför strikta bedrägerikontroller kan blockera bra kunder, medan alltför slappa kontroller kan leda till fler återkrediteringar.

Hur kan analys av betalningsbeteende hjälpa ditt företag?

När betalningar misslyckas, kunder överger kassan eller bedrägeriregler blockerar legitima köpare hjälper en analys av betalningsbeteende dig att förstå varför. Att åtgärda dessa problem kan leda till ökad kundlojalitet, färre supportproblem och mer tillförlitliga intäkter.

Här är vad den här typen av analys kan hjälpa dig att göra.

Återvinn misslyckade betalningar

Varje nekad transaktion har potential att bli en förlorad försäljning, men alla nekade transaktioner är inte slutgiltiga. Många kan förebyggas eller återvinnas:

• Om du ser fel på grund av utgångna kort kan implementering av en kortuppdaterare lösa problemet i tysthet.

• Om "otillräckliga medel" ofta dyker upp som felorsak kan smartare tidpunkt för återförsök (t.ex. efter ordinarie lönedagar) öka återvinningen.

• Anpassningsbara verktyg för nya försök eller dirigering via en annan betalleverantör kan omvandla allmänna nekade betalningar till godkända betalningar.

Även små förbättringar i återvinningen kan ge tusentals dollar i återvunna intäkter över tid.

Öka kassakonverteringen

Genom att analysera var och hur personer faller bort får du en färdplan för att förbättra upplevelsen. Att göra A/B-tester på betalningsflöden kan avslöja snabba vinster:

• Formulärets längd och ifyllnadsprocessen spelar roll. Även små justeringar av användargränssnittet (UI), som automatisk ifyllning och adressvalidering, kan göra skillnad.

• Att inkludera lokala och mobila betalningsalternativ kan också göra stor skillnad. Företag som använder Stripe har sett intäktsökningar på upp till 14 % genom att lägga till ett alternativ för köp nu, betala senare.

Minimera kundernas friktion

Den bästa betalningsupplevelsen har färre klick, färre försök och mindre förvirring. Genom att analysera beteendet kan du ta reda på hur du tar dig dit och var användarna snubblar:

• Om mobilanvändare hoppar av oftare än andra kanske ditt betalningsformulär inte är anpassat för små skärmar.

• Om 3D Secure orsakar en ökning av övergivna kundvagnar kan det trigga mer än nödvändigt eller så kan flödet behöva förenklas.

• Om kunderna inte återkommer efter en misslyckad betalning kan det bero på att de inte fick ett tydligt sätt att lösa problemet.

Förbättra abonnemangsretention

Ofrivilligt kundbortfall är en av de mer diskreta inkomstläckorna för företag med återkommande betalningar. Kunden säger inte upp någonting, de slutar bara att betala. Beteendeanalyser visar hur ofta förnyelsebetalningar misslyckas, hur många som återvinns (och hur) och vilka kundsegment som är mest utsatta.

Med hjälp av dessa data kan du anpassa din dunning-strategi med:

• Smartare tidpunkt för återförsök

• Personliga e-postmeddelanden

• Anståndsperioder

• Proaktiva uppmaningar att uppdatera faktureringsinformation

Även några få procentenheters förbättring av återvinningen kan ha stor inverkan på årliga återkommande intäkter (ARR).

Finjustera bedrägerikontroller

Det är nödvändigt att bekämpa bedrägerier. Men om det skapar för många hinder för dina kunder kan du förlora legitima köpare på samma gång.

• Om transaktioner med lågt värde sällan leder till bedrägeri kanske du inte behöver utlösa extra autentisering för dem.

• Om vissa regioner eller enheter flaggas oproportionerligt mycket kan du kalibrera om risktrösklarna.

Målet är att dessa kontroller endast ska tillämpas där de faktiskt gör skillnad. Genom att analysera betalnings- och tvistmönster kan du göra det utan att behöva gissa.