Otimização de formulários de pagamento para aumentar a conversão por meio da leitura de cartões de crédito com tecnologia de IA
O ecossistema de pagamentos é vasto e complexo.
Um único pagamento com cartão que um usuário realiza enquanto prepara o jantar passa por uma ampla rede de partes interessadas antes de ser processado e liquidado.
Mas, apesar de estarem no centro desse ecossistema, os usuários mal se dão conta disso.
Eles não se importam com o que acontece nos bastidores. Tudo o que querem é uma forma prática e segura de pagar pela assinatura, pela viagem de negócios ou por uma peça de roupa.
Conheça o BlinkCard: um leitor de cartões de crédito desenvolvido pensando nos usuários
Há algumas semanas, lançamos o BlinkCard v2, uma solução de digitalização de cartões de crédito baseada em IA para aplicativos móveis e da web.
O BlinkCard elimina a necessidade de inserção de dados em qualquer aplicativo móvel ou na web, permitindo que os usuários digitalizem o cartão de pagamento com o qual desejam efetuar uma compra.
Existem duas razões pelas quais a leitura de cartões de crédito deve ser uma estratégia prioritária para as empresas que buscam proporcionar melhores experiências e aumentar a receita.
Primeiro, como forma de pagamento online, os cartões de crédito e débito continuam sendo extremamente populares, tendo as carteiras digitais como seu único grande concorrente. (1)
Isso significa que centenas de milhões de pessoas ainda digitam manualmente os dados de seus cartões.
Segundo, a maioria dos processos de finalização de compra disponíveis no mercado apresenta muitos obstáculos. Na Europa, por exemplo, 56% das lojas de comércio eletrônico apresentam pelo menos três erros básicos em seus formulários de pagamento. (2)
Uma análise da Stripe mostra que as empresas estão, literalmente, dificultando que os usuários paguem a elas. Nove em cada dez vendas perdidas na Europa ocorrem na página de finalização da compra.
O motivo exato pelo qual tantos usuários abandonam o processo de finalização da compra depende também de outros fatores, mas uma experiência do usuário (UX) insatisfatória está, sem dúvida, entre os principais culpados.
A validação em campo ajuda os usuários a preencherem seus dados de pagamento logo na primeira tentativa. O BlinkCard é o primeiro SDK que lançamos com um formulário integrado e personalizável.
Quando problemas com a inserção de dados antecedem a autenticação multifatorial e outras verificações obrigatórias, todo o processo pode se prolongar muito mais do que deveria, fazendo com que os usuários desistam de realizar a compra.
Com a leitura do cartão de crédito, podemos evitar que esse atrito se acumule logo no início do processo, poupando tempo e esforço aos usuários.
Para as empresas, isso promete uma chance maior de atender — e superar — as necessidades dos usuários em termos de rapidez e conveniência, o que provavelmente terá um impacto positivo nas taxas de conversão.
O que está impedindo a adoção generalizada da leitura de cartões de crédito?
Se a maneira mais fácil de pagar com cartão é passá-lo no leitor, por que ainda estamos preenchendo nossos dados de pagamento à mão?
A resposta para essa pergunta pode ser que ainda não é fácil digitalizar seu cartão na vida real.
Na verdade, descobrimos que alguns dos melhores aplicativos do mundo nas áreas de serviços bancários, comércio eletrônico, transporte compartilhado e entrega de comida oferecem a função de digitalização de cartões de crédito, mas isso está longe de ser o ideal.
Usando um smartphone Android de gama média, testamos alguns deles e, em seguida, comparamos seu desempenho com o do BlinkCard.
Nossos dados de teste consistiram em três cartões de crédito originais com designs complexos; um com caracteres impressos desbotados e os outros dois com caracteres em relevo que se confundem com o fundo.
Eis o que descobrimos:
- In a popular ridesharing app, we were repeatedly unable to scan the card with printed characters. The two cards with embossed characters made it through, but the app only returned the card number — we had to type in the expiry date and CVV ourselves.
- A peer-to-peer payment app with 1M+ downloads scanned all three cards but didn’t extract the cardholder name on either of them. Also, it could only recognize Mastercard and Visa cards. Interestingly, the app has scanning as its primary method of adding a new card to the account.
- Finally, an e-commerce app with more than 100 million downloads. This one gave us mixed results. Three out of four times, it was able to scan the card with printed characters on it, but it kept returning the wrong expiry date. It also extracted the card number and the expiry date from the other two cards (with one exception presented below), but we had to manually enter the cardholder name.
Em comparação, o mecanismo baseado em aprendizado de máquina do BlinkCard forneceu, de forma consistente, informações completas sobre os três cartões.
O BlinkCard extraiu o nome do titular, o número do cartão, a data de validade, o emissor, o CVV, o IBAN e uma imagem do cartão digitalizado, tudo isso em menos de um segundo.
Fácil de usar, difícil de produzir
Não culpamos os aplicativos (nem os SDKs que eles utilizam) por não oferecerem suporte a todos os tipos de cartão e por retornarem apenas dados parciais sobre alguns deles.
É muito difícil conseguir uma digitalização correta de cartões de crédito, pois não se sabe o que esperar. Ao contrário, por exemplo, dos documentos de identidade emitidos pelo governo, existem poucas diretrizes — e muitas vezes ignoradas — sobre a aparência que os cartões de pagamento devem ter.
Um desafio inerente ao próprio design: os cartões de pagamento vêm em diversos formatos e modelos, e algumas pessoas optam por personalizá-los, o que pode introduzir um novo nível de complexidade.
Para resolver essa drástica falta de consistência e possibilitar a extração de dados em grande escala, tivemos que reestruturar o fluxo de trabalho por trás do BlinkCard.
Nesta atualização, o BlinkCard passou por uma reformulação baseada em IA semelhante à que o BlinkID teve em 2019, quando mudamos para uma extração de dados baseada em aprendizado de máquina.
Começamos a treinar nossos modelos para que cada um lidasse com uma tarefa específica, como detectar o emissor do cartão e identificar informações contidas nele. Em seguida, inserimos os resultados combinados desses modelos em um algoritmo separado para preencher e validar os resultados com os dados analisados.
Essa nova integração permite que o BlinkCard leia cartões emitidos pela Visa, Mastercard e outras dez redes em tempo real, diretamente no próprio dispositivo, mantendo os dados dos titulares dos cartões protegidos o tempo todo.
Isso também nos permite começar a oferecer suporte a novos cartões com uma rapidez incrível. Na maioria das vezes, basta uma única amostra (dados mascarados já servem) e estamos prontos para começar.
Procure servir, não se desviar
A tecnologia facilitou muito os pagamentos on-line, mas ainda há espaço para melhorias.
Ao simplificar os formulários de finalização de compra com a leitura de cartões de crédito por meio de IA, podemos reduzir as taxas de abandono e melhorar a experiência do usuário, o que parece ser uma vantagem para todos.
Se você quiser ver como funciona a leitura de cartões de crédito no seu aplicativo para iOS, Android ou na web, experimente o BlinkCard gratuitamente.
Caso precise de ajuda com sua integração, conte com nossa equipe de suporte.
