挑战

Invideo 创办于 2017 年，目标是确保任何用户均可轻松创建专业级成品——无论经验水平如何，均可实现视频创作民主化。生成式 AI 工具的日益强大，助力 Invideo 的产品得到了极大提升。现在，用户仅需给出简单文本提示，即可创作高质量视频。

随着 Invideo 产品受到越来越多全球客户的青睐，公司收入出现激增（2024 年较上一年增长了三倍多）。但是，快速的增长步伐亦使 Invideo 的计费和支付系统面临巨大压力。Invideo 在更新用户订阅时遭遇的高交易失败率，就是其中一个突出问题。另外，其原有计费系统缺乏灵活性，导致 Invideo 无法轻松更改定价和订阅模式，一度陷入无法维系持续增长的窘境。

在支付端，由于其新加坡业务部门负责处理来自欧洲、亚洲和中东 30 多个国家和地区的付款，而其美国业务部门则主要处理来自北美客户的付款，因此 Invideo 在跨境支付授权率方面亦面临巨大挑战。Invideo 急需一个更加灵活敏捷的支付处理系统，以简化公司的跨境支付处理流程。与此同时，Invideo 还需要添加更多的支付选项，以迎合全球客户的支付偏好——但是 Invideo 希望将新增支付选项的集成工作外包，从而减轻开发团队的负担。

“处理世界各地的支付系统是一项极其繁琐复杂的事情，”Invideo 创始人兼首席执行官 Sanket Shah 如是说。

最后，随着海外业务的增长，Invideo 面临的欺诈交易风险也将大大增加，因此公司必须引入更加强大的欺诈管理工具。

解决方案

2023 年底，Invideo 将其支付和计费技术栈整合到 Stripe Payments 和 Stripe Billing 上。Stripe 早在 2020 年就已成为 Invideo 的支付服务供应商之一，并以其优越的技术易用性给 Invideo 的开发人员留下了深刻印象。

“我们能够明显感觉到 Stripe 的与众不同，这主要体现在他们拥有更完善的客户支持生态系统，且提供大量实用文档和 API 支持上，”Shah 表示。

迁移至 Billing 后，Invideo 可以使用各种高级功能，从而降低其更新支付失败率。例如，Smart Retries 利用在 Stripe 网络数十亿个数据点上进行训练的机器学习算法，来确定重试失败付款的最佳时机。Billing 的自适应设计——支持包括基于用量的计费在内的不同定价模式——亦为 Invideo 提供了一个灵活平台，使其能够持续调整自身定价和订阅模式。

Stripe Payments 则帮助 Invideo 克服授权挑战并优化跨境支付处理流程。现在，无论客户来自北美、欧洲还是亚洲，Invideo 均可轻松应对。例如，Invideo 通过使用 Adaptive Acceptance，借助机器学习技术，优化授权申请并降低误拒风险。另外，Invideo 开始使用卡组织令牌和 Stripe 的实时银行卡账户更新器技术，以降低支付失败率。

为了进一步提升前端支付体验，Invideo 还采用了 Optimized Checkout Suite 结账优化套件，包括嵌入式 UI 组件，并且允许用户接入多种不同支付方式，而无需反复集成。使用 Optimized Checkout Suite 后，Invideo 开始提供 Cash App Pay——允许用户使用 Cash App 余额或借记卡直接付款，同时还开通了 Link 实现客户支付信息的自动填充，以打造更快速且更安全的结账体验。

为了加强欺诈管理，Invideo 还实施了 Stripe Radar 风控团队版。Radar 是一款基于机器学习技术的欺诈预防解决方案，它使用 Stripe 网络上的全球数百万商家的交易和欺诈数据进行训练，能够在提高欺诈交易拦截效率的同时，确保合法交易不被误拒。实施 Radar 风控团队版后，Invideo 与 Stripe 专业服务团队合作，对欺诈指标进行深入分析，并制定了专门评估用户 IP 地址和计费地点的自定义规则（因为这两者是 Invideo 在自身实践中注意到的欺诈指标）。此举帮助 Invideo 提高了支付成功率并减少欺诈交易（尤其是“善意”欺诈这类持卡人滥用行为）。Stripe 专业服务团队还帮助 Invideo 实施了争议预防工具，其中包括 Verifi 和 Ethoca，以确保发卡行能够在持卡人提出争议前，识别并拦截欺诈争议。

结果

在一个月内迁移至 Billing

Invideo 仅用了差不多一个月的时间，就将其客户从原有计费平台迁移至 Billing，而这主要得益于 Stripe 所提供的明确支持和实用文档。“那是实现无缝迁移的基础，”Shah 表示。

现在，Invideo 亦可借助 Billing 的灵活性轻松调整自身订阅模式。例如，Invideo 目前正在考虑在其分级订阅计划中引入基于用量的订阅模式。对于软件即服务 (SaaS) 企业而言，在追求盈利和让用户实际使用产品之间找到平衡，是一件非常困难的事。

“全球许多 SaaS 企业都存在‘僵尸’收入的问题（他们的客户虽然购买了产品，但却根本不用）；因此，正确的做法是按用量收费，”Shah 说。

失败付款恢复率提升至 30%

Stripe Billing 推出的 Smart Retries 等优化工具，成功帮助 Invideo 将失败订阅更新付款恢复率从 23% 提高至 30%。在实现这一提升后，Invideo 果断换下了另一家催款软件提供商。

“使用多种工具和报告系统毫无意义，”Shah 认为。

支付优化工具推动实现超百万美元收入增长

Adaptive Acceptance、卡组织令牌、银行卡账户更新器等优化功能的引入，更是帮助 Invideo 新加坡和美国公司提高授权率，并实现百万美元以上的收入增长。这意味着 Invideo 的年收入同比增长了 4%。

近四成交易通过 Link 进行

使用 Optimized Checkout Suite 后，Invideo 能够更加轻松地添加新的支付方式，根据 Shah 的说法，这为 Invideo 节省了“数千小时的开发时间”。自上线以来，Invideo 通过 Link 处理了 37% 的交易。

通过加强欺诈管理，节省超过一百万美元

通过 Radar 风控团队版，Invideo 和 Radar 可以实现双赢。一方面，Radar 可以使用 Invideo 针对自身所面临的欺诈场景制定的自定义规则，训练其机器学习算法，从而提高自身的欺诈预防能力，而另一方面，Invideo 又可以借助 Radar 来更有效地减少欺诈交易。得益于此，Invideo 美国和新加坡公司通过准确识别和拦截欺诈交易，合计在一年内节省了超过一百万美元。