新能力丨困扰商家已久的“分账问题”终于被解决了!

简介: “商家分账”能力正式上线。

小程序.jpg

“分给谁、分多少、怎么分”

包括电商、自助设备、票务等有多方参与的小程序业务,在进行资金分配时都会遇到这“灵魂三问”。

传统的方式是:商家雇专人来进行核对并打入分账方银行账号,订单量大的时候,一次分账周期要持续好几天。

为了解决这个痛点,支付宝小程序正式推出“商家分账”能力:通过该能力,每一笔小程序订单资金都将被自动分配至目标账户。

例如,用户下单付款100元,根据商家自行配置的规则,系统将分配给物流方6元,推广方2元,余下资金打入商家账户。

img.png

“商家分账”有三大好处:

1. 即时到账

当商家提前设置好分账规则后,比如收款方的支付宝账号以及金额等,每次资金流入时就会即时打到对方账号中,将分账周期缩短到零,大幅提升分账效率。

2. 节约人力成本

当规则确定后,小程序的订单资金将自动被处理,无需商家人工参与,节约人力成本。

3. 转账安全可靠

每次进行资金分配时,支付宝都会结合自身安全能力,对目标账户进行核验,确保每一笔资金分配的安全都有保障。

此外,系统服务商(ISV)也可在获得商家授权后,代替商家进行分账。

智慧旅游解决方案提供商快盈科技依靠“商家分账”能力,曾为某4A景区在五一黄金周期间每天分账20万元线上门票收入,涉及订单1000多笔,分账比达到92%,比传统分账方式效率提升许多倍。

谁可以用?

所有已经开通“小程序支付”的企业级商家都可免费接入

注:目前收钱码还不支持商家分账功能。

怎么开通?

登录蚂蚁金服开放平台(open.alipay.com) > 小程序开发中心 > 开发管理 > 在“功能列表”添加“商家分账”功能后,点击签约 > 签约完成后,提交用户信息 > 商家集成并配置SDK后即可使用。

想了解更多“商家分账”的内容,以及其他支付宝小程序最新能力,扫描下方二维码,可在支付宝 能力中心 里进行查看。

img (1).png


如果您有更多反馈和建议,欢迎在下方留言评论。

生活号+钉钉群.png

目录
相关文章
|
机器学习/深度学习 人工智能 编解码
【AI系统】MobileNet 系列
本文详细介绍 MobileNet 系列模型,重点探讨其轻量化设计原则。从 MobileNetV1 开始,通过深度可分离卷积和宽度乘数减少参数量,实现低延迟、低功耗。后续版本 V2、V3、V4 逐步引入线性瓶颈、逆残差、Squeeze-and-Excitation 模块、新型激活函数 h-swish、NAS 搜索等技术,持续优化性能。特别是 MobileNetV4,通过通用倒瓶颈(UIB)和 Mobile MQA 技术,大幅提升模型效率,达到硬件无关的 Pareto 最优。文章结合最新深度学习技术,全面解析各版本的改进与设计思路。
3491 8
|
8月前
|
中间件 关系型数据库 Go
Go语言数据库编程:数据迁移与事务控制
本文介绍了《Go语言实战指南》中关于数据库编程的核心内容,涵盖使用 GORM 进行数据迁移与事务控制。主要内容包括:AutoMigrate 方法自动创建或更新表结构;事务控制的自动与手动实现方式;事务隔离级别的设置;以及在 Gin 框架中统一管理事务的实践建议。适合开发阶段的数据库结构管理和事务性操作需求。
|
8月前
|
安全 Java 编译器
JD-GUI,java反编译工具及原理: JavaDecompiler一个Java反编译器
Java Decompiler (JD-GUI) 是一款由 Pavel Kouznetsov 开发的图形化 Java 反编译工具,支持 Windows、Linux 和 Mac Os。它能将 `.class` 文件反编译为 Java 源代码,支持多文件标签浏览、高亮显示,并兼容 Java 5 及以上版本。JD-GUI 支持对整个 Jar 文件进行反编译,可跳转源码,适用于多种 JDK 和编译器。其原理基于将字节码转换为抽象语法树 (AST),再通过反编译生成代码。尽管程序可能带来安全风险,但可通过代码混淆降低可读性。最新版修复了多项识别错误并优化了内存管理。
6296 1
|
安全 数据安全/隐私保护
谨防二维码陷阱:揭秘网络钓鱼攻击与保护措施
当我们深入了解二维码的世界时,了解它们的特性和潜在风险变得至关重要,揭示了伴随其广泛普及的更为阴暗的一面
620 1
|
Java 编译器
什么是双亲委派机制?
什么是双亲委派机制?
684 152
|
机器学习/深度学习 人工智能 自然语言处理
KDD 2024:港大黄超团队深度解析大模型在图机器学习领域的未知边界
【8月更文挑战第12天】在KDD 2024会议中,香港大学黄超团队深入探讨了大型语言模型在图机器学习的应用与前景。他们提出将LLMs与图神经网络结合可显著增强图任务性能,并归纳出四种融合模式,为领域发展提供新视角与未来路径。论文详细分析了现有方法的优势与局限,并展望了多模态数据处理等前沿课题。[论文](https://arxiv.org/abs/2405.08011)为图机器学习领域注入了新的活力。
663 61
|
机器人
给 Mac 添加右键菜单「使用 VSCode 打开」
如何在 Mac 下右键文件或文件夹,直接通过菜单项「用 VSCode 打开」。
1069 2
|
缓存 监控 网络协议
中间人攻击之ARP欺骗
【8月更文挑战第13天】
726 1
|
安全 数据安全/隐私保护 UED
什么是OTA升级管理系统?
【7月更文挑战第20天】什么是OTA升级管理系统?
849 6