OZBILJAN RAST

Plaćanja za digitalnu robu će se udvostručiti između 2024. i 2029.

Istraživanje je pokazalo da će napori za proširenje brzog interneta na ruralna područja na tržištima u razvoju ubrzati adresnu bazu korisnika za usluge kao što je video streaming. Prilika za prihod je ovdje značajna zbog veličine stanovništva i sve većeg raspoloživog dohotka.

Plaćanja za digitalnu robu će se udvostručiti između 2024. i 2029.
Depositphotos

Nova studija koju je proveo Juniper Research utvrdila je da će do 2029. obujam plaćanja putem e-trgovine za digitalnu robu dosegnuti 188 milijardi, s 87 milijardi u 2024. Studija je identificirala rast na tržištima u razvoju, poput Indije i Brazila, kao glavne čimbenike koji doprinose globalni rast jer infrastrukturna ulaganja povećavaju pristup korisnika platformama za e-trgovinu.

Istraživanje je pokazalo da će napori za proširenje brzog interneta na ruralna područja na tržištima u razvoju ubrzati adresnu bazu korisnika za usluge kao što je video streaming. Prilika za prihod je ovdje značajna zbog veličine stanovništva i sve većeg raspoloživog dohotka. Dodatno, kupnja digitalne robe postat će dostupnija kroz sve veću popularnost rješenja za mobilni novac kao što je M-Pesa, pan-afrički mobilni novčanik koji olakšava digitalna plaćanja putem telefona bez potrebe za bankovnim računom. "Kako bi iskoristili ovaj rast prihoda, trgovci e-trgovinom moraju optimizirati svoje platforme za podršku lokalnim metodama plaćanja, povećavajući dostupnost za rastuću bazu korisnika", komentirao je autor istraživanja Lorien Carter.

Juniper Research predviđa da će plaćanja za usluge digitalne pretplate rasti najbrže na indijskom potkontinentu u sljedećih pet godina. Ovaj će rast biti uzrokovan širim rasponom cjenovnih planova koje korisnicima u Indiji nude usluge pretplate na popularnu glazbu kao što je Spotify te proširenjem dostupnih jezika. Kako bi razvili nove točke diferencijacije usluga na tržištu koje se brzo razvija, dobavljači moraju nastojati lokalizirati svoje ponude, osigurati fleksibilne modele cijena i ulagati u strojno učenje koje omogućuje hiperpersonalizirane preporuke za hvatanje različitih preferencija publike.