PayPal优势：数据洞察与科技结合带来持续竞争优势

截至2021Q4，PayPal庞大的支付网络连接超过3.92亿消费者和3400万商户，并与多家银行、卡组织和监管者保持深度合作关系，积累了海量的用户行为和交易数据。这是用户洞察的基础，公司通过自主研发算法，帮助商户实现精准营销和风险管理。具体体现在：

1、支付授权率持续提升

2020年末，PayPal全球Branded支付授权率在过去三年中提升超过300 bps，新用户授权率提升600 bps，而且还在不断提升。

支付授权率是商家提升收入最重要的因素之一。支付授权率是指商家交易中成功授权的比例。尽管消费者在认证失败后，可以尝试不同的支付方式，但很多消费者会选择放弃订单。凭借强大的数据集、机器学习、人工智能、网络令牌化、与支付网络和发行方强大的合作关系，以及关联数字钱包中不同的资金来源，PayPal的支付授权率持续提升。

网络令牌化（Network Tokenization）：即通过使用独特的令牌（Token）替代原有银行卡进行交易验证。网络令牌化可以提升银行卡的生命周期、卡储存、安全性，提升卡的品牌价值，增进与客户的信任关系。PayPal是早期采用网络令牌化的公司，现在已经是全球最大的网络令牌提供商，在全球主要市场拥有超过1.25亿令牌化银行卡（2020年4月数据）。PayPal通过批量令牌化（Bulkto kenization），可以显著提升带宽和网络效率，节约发卡行的信息处理时间。

数据科学、机器学习和人工智能：PayPal机器学习模型，结合历史数据和交易变量，帮助预测消费者的卡是否会被拒绝，如果被拒绝，则通过定制化的体验保障交易正常进行。比如，更换支付方式、签订3D安全协议、通过输入CVV以证明身份安全等。通过上述定制化体验，可提升授权率60-240 bps。如果还是被拒绝，则建议更新银行卡信息。

2、有效降低欺诈风险

PayPal的机器学习算法能有效地抵御大规模的非法交易。

据Juniper Researc预测，全球商户因无卡交易欺诈在2019-2023年间将损失合计1.3万亿美元。机器学习和实时决策能帮助区分欺诈交易，例如卡盗刷。机器学习的效率取决于它所学习的数据集。由于PayPal的双边网络效应可以聚集大量的交易数据，因此能够产生有效的风险档案数据。2018年PayPal收购Simility，Simility的自适应决策平台帮助世界领先的金融服务、电子商务和支付处理公司提高防欺诈能力，最大限度地减少欺诈损失，提高运营效率。具体包括以下四个方面：

数据智能：有助于提供更准确和有效的欺诈检测。Simility的DeviceRecon分析超过350个原始信息，其中包括浏览器、手机、桌面和网络属性等，通过模糊匹配算法为每个设备创建独特的指纹。结合历史地理位置、设备风险信号和众多其他数据进行分析，并使用交易数据进行数据增强。

大数据驱动机器学习：平台内置了基于UI的商业智能和简洁的操作界面供企业使用，Simility的高级机器学习让企业可以灵活使用自己的监督或无监督模型。

有效决策：为帮助企业减少人工审查，并通过集中精力处理高风险事件来提高运营效率，Simility提供身份验证系统。复杂身份验证利用包括内部和外部、历史、设备、位置和行为智能在内的各种数据源，以实现实时自动接受或拒绝验证。

稳固的链接分析/可视化功能：Simility通过链接分析、数据可视化功能和交叉分析，帮助数据分析师通过深入挖掘数据点之间的连接，发现潜在可能预示欺诈行为的数据结构。仪表板可以根据业务的独特需求进行定制，提供动态的、高层次的智能概览。