企业领导者与从业者在收入增长认知上，存在哪些令人意外的误解？

很多时候，企业管理者可能过度关注短期收入增长，却以牺牲长期、可持续增长为代价。但我们观察到，这种做法通常会导致客户流失、利润侵蚀及运营效率低下。

当我们思考 Klarna 在收入增长方面的成功经验时，核心在于将客户终身价值置于即时收益之上。因此，我们并未追逐短期收入峰值，而是专注于投入个性化互动、无阻力用户体验或其他真正能建立忠诚度的举措。

关于支付成本，存在哪些常见误解？

显然，这是我长期关注的一个话题！我认为一个主要误解在于，将支付成本视为固定成本，而非战略杠杆。因此，企业管理者往往仅关注手续费，认为成本最低的支付方式就是最优选择，但这在现实中并无道理，对吧？较低的手续费并不等同于更优的表现，反而常常适得其反，可能导致销售额流失、结算缓慢及客户体验不佳等问题。

因此，我在沟通中努力帮助企业转变思维，聚焦于收入优化——这实际上超越了支付本身。它关乎提升平均订单价值 (AOV)、提高购买频次、降低购物车放弃率。即使某种支付方式的单笔交易手续费更高，仍可能带来更高的净收入。

您认为支付优化领域的下一个重大创新方向是什么？

在 Klarna，我们正积极致力于降低所有支付方式的操作阻力并提升安全性。我们认为，下一轮重大创新将涉及把银行卡支付现有的保护机制与优化方案拓展至其他支付方式。例如，令牌化技术将在简化非银行卡重复交易中发挥关键作用。目前，令牌化技术已开始向替代支付方式延伸，包括银行转账支付、数字钱包及开放银行等。

至于其他创新领域，以加密货币为例：其所需的身份验证与安全框架，将超越我们目前所见的 3DS 或网络令牌模式。由于 3DS 是为银行卡通道设计的，而新兴数字支付方式则需要采用去中心化的身份验证模式，以匹配这类资产的实时可编程特性。因此，该领域将迎来诸多变革。

您认为 AI 的快速发展将对支付优化产生何种影响？

这是我们在 Klarna 最喜欢的话题！AI 驱动的欺诈检测必将推动身份验证模式从被动的、基于规则的模式，向实时自适应模式转型。届时，AI 将不再单纯依赖 3DS 等固定设置或身份验证模式，而是会针对每笔交易持续分析数千甚至数百万个数据点，包括用户行为模式、设备智能、历史支付记录等，以实现动态风险评估。这种转型将意味着更少的 3DS 挑战、更高的批准率、更低的欺诈损失。

随着 AI 的持续发展，其对支付领域乃至整个世界的影响，将不仅限于风险缓解，还将延伸至提升个性化服务、优化交易流程，甚至可能催生新型金融产品或个性化产品。因此，AI 不仅能阻止欺诈者，最终也将为客户带来切实益处。

AI 可能催生哪些新型金融产品？

潜在机遇无穷无尽。可以说，AI 的影响力堪比互联网的诞生。试想，未来或许只需 30 秒就能获得一份新的抵押贷款方案——这得益于机器学习模型正以惊人速度优化承保流程，并实现更精准的实时信用风险评估。未来可能实现的创新远超当前想象。

Payments Unscripted 系列更多洞见

如需了解 Anthropic、Visa、Mindbody 等企业领导者的更多洞见，可参阅我们的指南：《重构收入增长：来自 10 位行业领导者的实战经验》。

让洞见落地实践。立即在 Stripe 平台启用 Klarna。