Комиссия с транзакций: PayPal, Stripe и платежная инфраструктура
Монетизация движения денег. Разбираем, как PayPal, Stripe и другие платежные компании зарабатывают на комиссиях.
Transaction Fee Model — бизнес-модель, где компания получает процент или фиксированную сумму с каждой обработанной транзакции. Характерна для платежных систем, финтех-сервисов и marketplace.
| Параметр | Значение |
|---|---|
| Барьер входа | Высокий (лицензии, compliance, доверие) |
| Маржинальность | 40-70% после масштабирования |
| Масштабируемость | Очень высокая |
| Зависимость от данных | Критическая (fraud, risk) |
| Ключевой риск | Регуляторные изменения, fraud |
TPV (Total Payment Volume) = Общая сумма обработанных платежей
Take Rate = Revenue / TPV × 100%
(обычно 1.5-3.5% для card processing)
Revenue = TPV × Take Rate
Payment Success Rate = Успешные платежи / Все попытки × 100%
Chargeback Rate = Chargebacks / Транзакции × 100%
(должен быть < 1% для viability)
Stripe — платежная инфраструктура для интернета. В 2023 году:
2010: Запуск — 7 строк кода для приёма платежей
↓
2012-2015: API-first, developer experience focus
↓
2016-2019: Expansion — Connect, Billing, Capital
↓
2020-2026: Platform play — Treasury, Issuing, Climate
| Продукт | Pricing | Описание |
|---|---|---|
| Payments | 2.9% + $0.30 | Card processing |
| Connect | 0.25-0.5% | Marketplace payouts |
| Billing | 0.5% + $0.50 | Subscription management |
| Issuing | Interchange share + fees | Virtual/physical cards |
| Capital | 2.5-10% фикс | Merchant cash advance |
1. Payment flow
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Customer │ ──▶ │ Merchant │ ──▶ │ Stripe │
│ (карта) │ │ (сайт) │ │ API │
└─────────────┘ └─────────────┘ └─────────────┘
│
▼
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Issuing │ ◀── │ Card │ ◀── │ Acquiring │
│ Bank │ │ Network │ │ Bank │
│ (Chase) │ │ (Visa) │ │ (Stripe) │
└─────────────┘ └─────────────┘ └─────────────┘
2. Интерчей-структура
$100 транзакция:
┌─────────────────────────────────────────────────────────┐
│ $100.00 Список покупателя │
├─────────────────────────────────────────────────────────┤
│ -$2.50 Interchange fee (Issuing bank — Chase) │
│ -$0.10 Network fee (Visa/Mastercard) │
│ -$0.30 Acquirer fee (Stripe) │
├─────────────────────────────────────────────────────────┤
│ $97.10 Выплачено мерчанту │
│ $2.90 Stripe revenue (2.9% + $0.30) │
└─────────────────────────────────────────────────────────┘
3. Fraud detection (Radar)
Stripe Radar использует ML для детекции fraud:
# Упрощённая модель fraud detection
class StripeRadar:
def __init__(self):
self.fraud_model = load_ml_model('fraud_v3')
self.risk_rules = load_risk_rules()
def evaluate_transaction(self, transaction):
# Извлечение признаков
features = self.extract_features(transaction)
# ML prediction
fraud_score = self.fraud_model.predict(features)
# Применение правил
risk_level = 'low'
if fraud_score > 0.8:
risk_level = 'high'
elif fraud_score > 0.5:
risk_level = 'medium'
# Проверка правил (можно переопределить ML)
for rule in self.risk_rules:
if rule.matches(transaction):
risk_level = rule.action
return {
'fraud_score': fraud_score,
'risk_level': risk_level,
'action': 'block' if risk_level == 'high' else 'allow'
}
def extract_features(self, tx):
return {
'amount': tx.amount,
'currency': tx.currency,
'country_match': tx.billing_country == tx.ip_country,
'velocity': self.get_transaction_velocity(tx.card_hash),
'device_fingerprint': tx.device_score,
'email_age': self.get_email_age(tx.email),
# 100+ других признаков
}Payments — core processing:
Connect — для marketplace и платформ:
# Пример Connect integration для marketplace
import stripe
stripe.api_key = "sk_test_..."
# Создание connected account (seller)
account = stripe.Account.create(
type="express",
email="seller@example.com",
capabilities={
"card_payments": {"requested": True},
"transfers": {"requested": True},
},
)
# Создание payment с split
payment_intent = stripe.PaymentIntent.create(
amount=10000, # $100
currency="usd",
payment_method_types=["card"],
transfer_data={
"destination": account.id,
"amount": 9000, # $90 seller
},
application_fee_amount=1000, # $10 платформа
)Billing — subscription management:
Capital — merchant cash advance:
Issuing — card creation:
| Метрика | Значение |
|---|---|
| TPV | $817 млрд (2023) |
| Take rate | ~1.8-2.0% blended |
| Payment success rate | 85-95% (зависит от региона) |
| Chargeback rate | < 0.5% |
PayPal — цифровой кошелёк и платежная платформа. В 2023 году:
| Параметр | Stripe | PayPal |
|---|---|---|
| Фокус | Developer-first API | Consumer wallet + checkout |
| Integration | API для разработчиков | PayPal button, one-click |
| Consumer brand | Слабый (B2B2C) | Сильный (direct consumer) |
| Take rate | 2.9% + $0.30 | 2.5-3.5% (varies) |
| Venmo | Нет | Да (P2P) |
┌─────────────────────────────────────────────────────────┐
│ PayPal Ecosystem │
├─────────────────────────────────────────────────────────┤
│ │
│ PayPal Core Venmo Braintree │
│ - Checkout - P2P payments - SDK │
│ - Wallet - Social feed - Card processing│
│ - BNPL (Pay in 4) - Debit card │ │
│ │
│ Xoom Hyperwallet Paidy │
│ - Remittances - Mass payouts - BNPL Japan │
│ │
└─────────────────────────────────────────────────────────┘
1. Checkout flow
┌─────────────┐ ┌─────────────┐ ┌─────────────┐
│ Customer │ ──▶ │ PayPal │ ──▶ │ Merchant │
│ (checkout) │ │ Checkout │ │ (redirect) │
└─────────────┘ └─────────────┘ └─────────────┘
│
▼
┌─────────────────────────────────────────────────────────┐
│ PayPal Wallet │
│ - Linked bank account │
│ - Linked card │
│ - PayPal balance │
└─────────────────────────────────────────────────────────┘
2. Risk management
PayPal обрабатывает $1.5 трлн TPV с fraud rate < 0.2%:
# Упрощённая система risk management PayPal
class PayPalRiskManager:
def __init__(self):
self.ml_models = {
'fraud': load_model('fraud_detection'),
'money_laundering': load_model('aml'),
'account_takeover': load_model('ato'),
}
def evaluate_transaction(self, tx):
# Multi-model scoring
scores = {}
for model_name, model in self.ml_models.items():
scores[model_name] = model.predict(tx.features)
# Ensemble decision
overall_risk = self.ensemble(scores)
# Actions
if overall_risk > 0.9:
return 'block'
elif overall_risk > 0.6:
return 'review' # Manual review queue
else:
return 'approve'| Источник | % выручки | Take rate / Pricing |
|---|---|---|
| Transaction revenues | ~85% | 2.5-3.5% blended |
| Other value added | ~15% | FX, crypto, BNPL fees |
┌─────────────────────────────────────────────────────────┐
│ Four-Party Model │
├─────────────────────────────────────────────────────────┤
│ │
│ Cardholder ←→ Issuer (Chase, BoA) │
│ ↑ ↑ │
│ │ │ │
│ Network (Visa/MC) │ │
│ ↑ │ │
│ │ │ │
│ Merchant ←→ Acquirer (Stripe, PayPal) │
│ │
└─────────────────────────────────────────────────────────┘
Issuer — банк, выпустивший карту:
Network — Visa, Mastercard:
Acquirer — Stripe, PayPal:
1. Customer вводит карту на сайте
2. Merchant отправляет в Stripe
3. Stripe → Acquiring bank
4. Acquiring → Card Network
5. Network → Issuing bank
6. Issuer проверяет:
- Доступный лимит
- Fraud score
- CVV match
7. Ответ (approve/decline) идёт обратно
8. Весь процесс: 2-3 секунды
# Упрощённый authorization flow
def authorize_payment(card, amount, merchant):
# Step 1: Fraud check
fraud_score = run_fraud_check(card, amount, merchant)
if fraud_score > 0.8:
return Decline(reason='suspected_fraud')
# Step 2: Send to network
auth_request = {
'card_number': encrypt(card.number),
'expiry': card.expiry,
'cvv': card.cvv,
'amount': amount,
'merchant_id': merchant.id,
'mcc': merchant.category_code,
}
# Step 3: Network routing
network = get_network(card.bin) # Visa/MC/Amex
response = network.authorize(auth_request)
# Step 4: Handle response
if response.approved:
return Approve(auth_code=response.auth_code)
else:
return Decline(reason=response.decline_code)Проблема: $41 млрд потерь от fraud в 2022.
Решения:
Проблема: Сотни лицензий, AML/KYC требования.
Решения:
Проблема: Merchants теряют деньги на fraud chargebacks.
Решения:
Проблема: Конкуренция снижает take rates.
Решения:
Core Processing:
- Payment gateway
- Tokenization (PCI scope reduction)
- 3D Secure handling
Risk & Compliance:
- Fraud detection ML models
- KYC/KYB verification
- Transaction monitoring
- Sanctions screening
Operations:
- Dispute/chargeback management
- Reconciliation
- SettlementДалее: Direct-to-Consumer Model