นันดัน เชธ ซีอีโอของ Splitit – บทสัมภาษณ์พิเศษ

นันดัน เชธซีอีโอของ Splitit คือผู้บริหารและผู้ประกอบการด้านฟินเทคมากประสบการณ์ที่มีความเชี่ยวชาญอย่างลึกซึ้งในด้านการชำระเงิน การค้าดิจิทัล และโครงสร้างพื้นฐานทางการเงิน โดยดำรงตำแหน่งผู้นำบริษัทมาตั้งแต่ปี 2022 และยังดำรงตำแหน่งในคณะกรรมการบริหารอีกด้วย ก่อนหน้านี้ เขาทำงานที่ Fiserv เป็นเวลา 5 ปี ในตำแหน่งหัวหน้าฝ่าย Carat & Digital Commerce ซึ่งเขาได้ช่วยกำหนดรูปแบบระบบนิเวศการชำระเงินสมัยใหม่ และก่อนหน้านั้น เขายังร่วมก่อตั้ง Acculynk ซึ่งเป็นผู้บุกเบิกเทคโนโลยีการตรวจสอบความถูกต้องของการชำระเงินออนไลน์ที่ปลอดภัย นอกจากนี้ เขายังดำรงตำแหน่งผู้นำที่ American Express หลังจากการเข้าซื้อกิจการ Harbor Payments ซึ่งเป็นบริษัทที่เขาร่วมก่อตั้งและขยายกิจการจนกลายเป็นแพลตฟอร์มการเรียกเก็บเงินอิเล็กทรอนิกส์ขนาดใหญ่ ตลอดระยะเวลากว่าสองทศวรรษ เชธได้มุ่งเน้นอย่างต่อเนื่องในการสร้างสรรค์นวัตกรรมการชำระเงินที่ลดความยุ่งยาก เพิ่มความปลอดภัย และปรับปรุงเศรษฐกิจของร้านค้า ซึ่งทำให้เขามีความพร้อมที่จะนำพา Splitit ไปสู่การเป็นผู้ให้บริการโครงสร้างพื้นฐานการซื้อตอนนี้จ่ายทีหลังรุ่นใหม่

แยกมัน Splitit เป็นบริษัทฟินเทคที่มุ่งเน้นการเปลี่ยนรูปแบบการซื้อตอนนี้จ่ายทีหลัง (BNPL) ให้เป็นโครงสร้างพื้นฐานที่เน้นผู้ค้าเป็นหลัก แทนที่จะเป็นผลิตภัณฑ์สินเชื่อที่เน้นผู้บริโภคเป็นหลัก แพลตฟอร์มของบริษัทช่วยให้ผู้ซื้อสามารถแบ่งการซื้อสินค้าออกเป็นงวดๆ โดยใช้บัตรเครดิตที่มีอยู่แล้ว โดยไม่ต้องขอสินเชื่อใหม่ ตรวจสอบเครดิต หรือขั้นตอนการสมัครที่ยุ่งยาก นวัตกรรมหลักของบริษัทอยู่ที่โมเดล "การผ่อนชำระเป็นบริการ" (Installments-as-a-Service) แบบไวท์เลเบล ที่ช่วยให้ผู้ค้าสามารถผสาน BNPL เข้ากับประสบการณ์การชำระเงินของตนเองได้อย่างเต็มที่ รักษาความเป็นเจ้าของความสัมพันธ์และข้อมูลของลูกค้า ในขณะเดียวกันก็ช่วยเพิ่มอัตราการแปลงและมูลค่าการสั่งซื้อเฉลี่ย ด้วยการใช้ประโยชน์จากเครือข่ายบัตรเครดิตที่มีอยู่และผสานรวมเข้ากับระบบของผู้ค้าโดยตรงผ่าน API เดียว Splitit จึงวางตำแหน่งตัวเองเป็นทางเลือกที่มีความเสี่ยงต่ำกว่าและราบรื่นกว่าผู้ให้บริการ BNPL แบบดั้งเดิม สอดคล้องกับการตรวจสอบด้านกฎระเบียบที่เพิ่มขึ้น ในขณะเดียวกันก็มอบประสบการณ์การชำระเงินที่ราบรื่นและควบคุมได้โดยแบรนด์

คุณเคยสร้างและขายบริษัทด้านการชำระเงินหลายแห่ง รวมถึง Harbor Payments และ Acculynk ประสบการณ์เหล่านั้นหล่อหลอมมุมมองของคุณอย่างไรเกี่ยวกับเหตุผลที่ความแน่นอนในการชำระเงินอาจกลายเป็นปัจจัยสำคัญในการเติบโตของธุรกิจตัวแทน?

เส้นทางอาชีพของฉันมุ่งเน้นไปที่ระบบการชำระเงิน ซึ่งเป็นส่วนหนึ่งของการค้าที่คนส่วนใหญ่ไม่ค่อยสังเกตเห็นจนกว่าจะเกิดความผิดพลาด ฉันได้เรียนรู้ว่า การค้นหาข้อมูลดึงดูดความสนใจได้ แต่การอนุมัติต่างหากที่จะนำมาซึ่งรายได้ในท้ายที่สุด

ในระบบการค้าแบบมีเอเจนต์ ซึ่งเอเจนต์ AI มีอิทธิพลต่อการซื้อสินค้า เอเจนต์เหล่านี้มักต้องการวิธีการชำระเงินที่คาดการณ์ได้ รวดเร็ว และมีโอกาสผ่านการตรวจสอบสูง ความไม่แน่นอนในการชำระเงินสร้างความติดขัดและอาจทำให้เอเจนต์หลีกเลี่ยงร้านค้าหรือสินค้าบางอย่าง ความแน่นอนในการชำระเงินจึงเปลี่ยนจากปัญหาเบื้องหลังมาเป็นปัจจัยสำคัญในการแนะนำสินค้าหรือบริการ

Splitit เพิ่งเปิดตัวโปรแกรมพันธมิตร Agentic Commerce การผสานการผ่อนชำระผ่านบัตรเข้ากับระบบ AI อัตโนมัติในการช้อปปิ้ง จะช่วยแก้ปัญหาคอขวดเรื่องความแน่นอนในการชำระเงิน ซึ่งคุณเชื่อว่าเป็นปัจจัยจำกัดอัตราการแปลงในปัจจุบันได้อย่างไร?

ด้วยการผสานฟังก์ชันการชำระเงินภายหลังที่เชื่อมโยงกับบัตรเข้ากับตัวแทนช้อปปิ้งอัตโนมัติ Splitit จึงสามารถตอบโจทย์ความต้องการได้ โปรแกรมพันธมิตรการค้าของ Agentic ระบบนี้ย้ายการผ่อนชำระไปยังขั้นตอนต้นๆ ของกระบวนการ AI ไม่ใช่แค่ที่ขั้นตอนชำระเงินเท่านั้น ซึ่งช่วยให้เจ้าหน้าที่สามารถประเมินความสามารถในการจ่ายและความเหมาะสมของการชำระเงินได้ ในขณะที่ระบบกำลังคัดกรองตัวเลือกและตัดสินใจว่าจะซื้ออะไร

อีกหนึ่งข้อดีคือ โมเดลของเราใช้บัตรและระบบการชำระเงินที่มีอยู่แล้ว ทำให้การชำระเงินมีความน่าเชื่อถือและง่ายขึ้นสำหรับตัวแทน AI ซึ่งช่วยแก้ปัญหาใหญ่ได้ นั่นคือ การแปลงลูกค้าจำนวนมากไม่สำเร็จเนื่องจากความไม่แน่นอนในการชำระเงินมากกว่าความเหมาะสมของผลิตภัณฑ์ หากผู้บริโภคต้องสมัครเครดิตใหม่หรือรอการอนุมัติ กระบวนการก็จะหยุดชะงัก การใช้เครดิตที่มีอยู่แล้วจะช่วยเร่งกระบวนการให้เร็วขึ้น

ในทางปฏิบัติ โปรแกรมของคุณช่วยให้ตัวแทน AI สามารถนำปัจจัยด้านความสามารถในการชำระหนี้มาพิจารณาในการแนะนำสินค้าได้อย่างไร โดยใช้บัตรและระบบการชำระเงินที่มีอยู่แล้ว โดยไม่ต้องขอสินเชื่อใหม่หรือสร้างบัญชีใหม่?

Splitit ช่วยให้ตัวแทนสามารถแปลงราคาสินค้าทั้งหมดเป็นยอดชำระรายเดือนโดยใช้บัตรที่ผู้ซื้อมีอยู่แล้ว ซึ่งแตกต่างอย่างมากจากการผลักดันให้บุคคลนั้นเข้าสู่กระบวนการกู้ยืมแยกต่างหาก

ผู้ซื้อสามารถใช้บัตรที่มีอยู่แล้วโดยไม่ต้องยื่นใบสมัครใหม่ เปิดบัญชีใหม่ หรือเปลี่ยนไปใช้เว็บไซต์ของบุคคลที่สาม แผนการผ่อนชำระยังคงอยู่ภายใต้ความสัมพันธ์กับธนาคารปัจจุบันของผู้ซื้อ ทำให้ผู้ซื้อสามารถตัดสินใจซื้อได้ง่ายขึ้น และช่วยให้ตัวแทน AI ประเมินไม่เพียงแค่คุณสมบัติและราคาของผลิตภัณฑ์เท่านั้น แต่ยังประเมินด้วยว่าผู้ซื้อสามารถซื้อสินค้าได้จริงหรือไม่

คุณโต้แย้งว่าการค้นหาโดยใช้ AI นั้นล้ำหน้ากว่าการเปลี่ยนลูกค้าเป้าหมายให้เป็นลูกค้าจริงแล้ว แล้วการชำระเงินสร้างอุปสรรคในกระบวนการค้าขายแบบตัวแทนตรงจุดไหนบ้าง?

ความยุ่งยากเกิดขึ้นในสามด้าน ได้แก่ คุณสมบัติ การอนุมัติ และขั้นตอนการทำงาน ผู้ซื้ออาจพบสินค้าที่เหมาะสมผ่าน AI แต่กระบวนการอาจล้มเหลวหากตัวเลือกการชำระเงินต้องมีการตรวจสอบเครดิต ส่งผลให้การอนุมัติไม่แน่นอน หรือต้องมีการยื่นคำขอหรือขออนุมัติแยกต่างหาก

นี่คือช่องว่างระหว่างการค้นพบและการเปลี่ยนมาเป็นลูกค้า AI ช่วยดึงดูดลูกค้าที่มีความตั้งใจสูงให้เข้ามาซื้อสินค้าปลีกได้แล้ว แต่โครงสร้างพื้นฐานด้านการชำระเงินยังล้าหลัง โอกาสจึงมีอยู่ ความท้าทายคือการทำให้การซื้อเสร็จสมบูรณ์อย่างราบรื่นเหมือนกับการค้นพบสินค้า

ปัจจุบันผู้ค้าจำนวนมากพึ่งพาแพลตฟอร์มซื้อก่อนจ่ายทีหลัง (Buy Now Pay Later) แล้วรูปแบบการผ่อนชำระผ่านบัตรแตกต่างจากแพลตฟอร์มซื้อก่อนจ่ายทีหลังแบบดั้งเดิมอย่างไร เมื่อนำมาผสานรวมเข้ากับกระบวนการซื้อขายที่ขับเคลื่อนด้วย AI?

รูปแบบการผ่อนชำระผ่านบัตรของเราใช้เครดิตที่มีอยู่แล้วของผู้บริโภค ในขณะที่ BNPL แบบดั้งเดิมมักขอให้ผู้ซื้อสมัครเครดิตใหม่ในขณะที่ทำการซื้อขาย ความแตกต่างนี้มีความสำคัญในกระบวนการซื้อขายที่ขับเคลื่อนด้วย AI เพราะการตัดสินใจเกี่ยวกับเครดิตใหม่แต่ละครั้งจะเพิ่มความเสี่ยงที่จะถูกปฏิเสธ เมื่อเกิดเหตุการณ์เช่นนั้นบ่อยเกินไป ตัวแทน AI จะเริ่มลดความสำคัญของร้านค้าลง

ระบบ BNPL แบบดั้งเดิมนั้นมีขั้นตอนมากกว่าและต้องใช้แบรนด์ใหม่ๆ มากมาย แต่โมเดลของเราช่วยให้ผู้ค้ายังคงควบคุมได้ และรับประกันว่าผู้ซื้อจะใช้บัตรที่เชื่อถือได้ ซึ่งช่วยลดความไม่แน่นอนสำหรับตัวแทน AI

จากมุมมองทางเทคนิค การเพิ่มประสิทธิภาพขั้นตอนการชำระเงินกำลังมีความสำคัญน้อยกว่าความสามารถในการคาดการณ์การอนุมัติในสภาพแวดล้อมแบบเอเจนต์หรือไม่?

การเพิ่มประสิทธิภาพขั้นตอนการชำระเงินมีความสำคัญ แต่ความสามารถในการคาดการณ์การอนุมัติการชำระเงินสำคัญยิ่งกว่า กล่าวอีกนัยหนึ่งคือ ขั้นตอนการซื้อที่ชัดเจนและเรียบง่ายยังคงช่วยได้ แต่การอนุมัติการชำระเงินเป็นตัวกำหนดผลลัพธ์ในท้ายที่สุด ในการค้าแบบดั้งเดิม บริษัทต่างๆ มุ่งเน้นไปที่ประสิทธิภาพส่วนหน้า เนื่องจากผู้ซื้อที่เป็นมนุษย์จัดการแต่ละขั้นตอนด้วยตนเอง ในการค้าแบบตัวแทน ตัวแทน AI จะจัดการการนำทางส่วนใหญ่

ปัญหาที่ยากกว่าคือ การชำระเงินจะสำเร็จลุล่วงไปด้วยดีและราบรื่นหรือไม่ หากขั้นตอนการอนุมัติ—กระบวนการที่ธนาคารหรือเครือข่ายการชำระเงินอนุมัติธุรกรรม—ไม่น่าเชื่อถือ ระบบชำระเงินที่ออกแบบมาอย่างสวยงามก็ไม่สามารถแก้ปัญหาที่แท้จริงได้ ในสภาพแวดล้อมเช่นนี้ ความสามารถในการคาดการณ์การอนุมัติจึงกลายเป็นส่วนหนึ่งของประสิทธิภาพทางการค้า ไม่ใช่แค่การดำเนินงานด้านการชำระเงินเท่านั้น

เมื่อระบบอัตโนมัติเริ่มตัดสินใจซื้อสินค้าแทนผู้บริโภค บริษัทเทคโนโลยีทางการเงินควรเตรียมพร้อมสำหรับข้อกำหนดด้านการปฏิบัติตามกฎระเบียบหรือข้อบังคับใหม่ๆ อะไรบ้าง?

การยินยอมเป็นสิ่งสำคัญ บริษัทต้องกำหนดอำนาจของตัวแทนและชี้แจงข้อกำหนดในการอนุมัติให้ชัดเจน

ความรับผิดชอบต้องตามมา ต้องมีการตรวจสอบอย่างชัดเจนเกี่ยวกับการจัดซื้อของตัวแทนและการใช้จ่ายเกินวงเงินที่กำหนด

การควบคุมเป็นสิ่งสำคัญ บริษัทต่างๆ จำเป็นต้องมีระบบการอนุญาต ข้อจำกัด และตรรกะการจัดการข้อยกเว้นที่แข็งแกร่ง

ในมุมมองของผม ระบบการชำระเงินต้องเอื้ออำนวยให้ตัวแทนสามารถทำการซื้อได้และรับประกันความรับผิดชอบ ซึ่งต้องอาศัยระบบรักษาความปลอดภัยที่แข็งแกร่ง การอนุมัติที่ชัดเจน และความยินยอมที่กำหนดไว้อย่างดี เมื่อมนุษย์เข้ามามีบทบาทน้อยลงในการทำธุรกรรม การกำกับดูแลที่เข้มแข็งในระดับการชำระเงินจึงกลายเป็นสิ่งสำคัญอย่างยิ่งต่อการสร้างความไว้วางใจในการค้าผ่านตัวแทน

การผ่อนชำระส่งผลต่อระบบแนะนำสินค้าของ AI แตกต่างจากการชำระเงินแบบดั้งเดิมอย่างไร? การเปลี่ยนแปลงความสามารถในการจ่ายส่งผลต่อการจัดอันดับหรือจัดลำดับความสำคัญของผลิตภัณฑ์โดยตัวแทนอย่างไร?

ขั้นตอนการชำระเงินแบบดั้งเดิมจะปรากฏขึ้นหลังจากเลือกสินค้าแล้ว ส่วนการผ่อนชำระจะได้รับผลกระทบเร็วกว่านั้นเนื่องจากความสามารถในการจ่ายที่เปลี่ยนแปลงไป สินค้าที่ราคาสูงเกินไปจะกลายเป็นสินค้าที่ซื้อได้ด้วยการผ่อนชำระผ่านบัตรในราคาที่คาดการณ์ได้ สิ่งนี้เปลี่ยนแปลงวิธีการที่ตัวแทน AI จัดอันดับตัวเลือก: พวกเขาจะพิจารณาไม่เพียงแค่ความเหมาะสมของสินค้า แต่ยังรวมถึงความสามารถในการซื้อที่แท้จริงด้วย

คุณกำลังติดตามสัญญาณหรือตัวชี้วัดใดบ้างเพื่อพิจารณาว่าการค้าแบบตัวแทนกำลังก้าวจากขั้นตอนการทดลองไปสู่การนำไปใช้ในวงกว้างหรือไม่?

มีสัญญาณห้าประการที่สามารถบ่งชี้ได้ว่าเมื่อใดที่การค้าแบบตัวแทน (agentic commerce) จะเปลี่ยนจากสิ่งแปลกใหม่ไปสู่ช่องทางที่ขยายขนาดได้และเปลี่ยนแปลงรูปแบบการทำธุรกรรม

ขั้นแรก ให้ติดตามสัดส่วนของปริมาณการซื้อขายที่ขับเคลื่อนด้วยเส้นทางการช้อปปิ้งที่ใช้ AI ซึ่งจะแสดงให้เห็นว่าผู้บริโภคกำลังนำเทคโนโลยีไปใช้หรือไม่ ไม่ใช่แค่ทดลองใช้เท่านั้น

ประการที่สอง ให้สังเกตคุณภาพของการแปลง (Conversion Quality) สิ่งสำคัญคือเซสชันที่ขับเคลื่อนด้วย AI จะต้องมีอัตราการแปลงที่น่าเชื่อถือ ไม่ใช่แค่การสร้างจำนวนคลิกเท่านั้น

ประการที่สาม ตรวจสอบว่าวิธีการชำระเงินที่มีความมั่นใจในการอนุมัติสูงกว่าจะได้รับส่วนแบ่งคำแนะนำมากขึ้นหรือไม่ ซึ่งจะแสดงให้เห็นว่าความแน่นอนในการชำระเงินมีผลต่อพฤติกรรมของตัวแทนหรือไม่

ประการที่สี่ มองหาการบูรณาการที่ลึกซึ้งยิ่งขึ้น เมื่อผู้ค้า แพลตฟอร์ม และผู้ให้บริการชำระเงินผนวกการชำระเงินเข้ากับขั้นตอนการทำงานของตัวแทนโดยตรง พวกเขาก็จะเปลี่ยนการทดลองให้กลายเป็นโครงสร้างพื้นฐาน

ประการที่ห้า สังเกตอัตราการอนุมัติ อัตราการเปลี่ยนลูกค้าเป็นผู้ซื้อ และมูลค่าการสั่งซื้อเฉลี่ยที่สูงขึ้น เมื่อมีการนำราคาที่เหมาะสมมาพิจารณาในการแนะนำสินค้า

เมื่อมองไปข้างหน้า คุณคิดว่าธุรกรรมที่ขับเคลื่อนโดยตัวแทนจะขยายออกไปนอกเหนือจากอีคอมเมิร์ซ ไปสู่ด้านอื่นๆ เช่น การจัดซื้อจัดจ้างแบบ B2B หรือการจัดการการสมัครสมาชิกหรือไม่?

อีคอมเมิร์ซเป็นเพียงก้าวแรก ไม่ใช่ก้าวสุดท้าย ตัวแทนจะเพิ่มมูลค่าให้กับกระบวนการซื้อขายใดๆ ด้วยกฎเกณฑ์และงบประมาณที่กำหนดไว้ การจัดซื้อจัดจ้างแบบ B2B และการจัดการการสมัครสมาชิกเป็นตัวอย่างที่เห็นได้ชัด

ทั้งหมดนี้ขึ้นอยู่กับระบบการชำระเงินที่บริษัทต่างๆ ไว้วางใจ เชื่อมต่อ และใช้งานร่วมกันได้ นั่นคือเหตุผลที่ Splitit สนับสนุนมาตรฐานแบบเปิด เช่น Universal Commerce Protocol ของ Google เพื่อให้สามารถทำธุรกรรมแบบตัวแทนได้อย่างแท้จริงข้ามหมวดหมู่ต่างๆ

ขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม หากใครสนใจเรียนรู้เพิ่มเติม สามารถเข้าไปดูรายละเอียดได้ที่เว็บไซต์ แยกมัน.