Zajęci, ale bez zysku
in Fintech

Krótka odpowiedź

Wysoki TPV i niska marża wkładu to problem mixu produktów, gdzie lending zamienił przychód wart 7x na przychód wart 2x. Dla spółek fintech problem ma charakter strukturalny: lending ustabilizował rachunek wyników i zamienia przychód wart 7x na przychód wart 2x. Każda wiarygodna odpowiedź musi więc uwzględniać blended take rate i charge-off rate w jednym widoku, a tu zwykle kończy się wewnętrzna analiza, bo dane te pochodzą z różnych systemów.

Gdy TPV jest duży, a marża wkładu niska, pierwsze kroki idą zwykle w stronę kosztów operacyjnych. Część kosztów da się obniżyć, lecz to nie zmieni wyniku, bo przyczyna leży wyżej: wolumen płatności i akceptowane konta merchantów wymagają lendingu, który obniża blended take rate.

Ten sam wzorzec powtarza się w kanałach. Niewielka grupa segmentów merchantów lub źródeł origination daje dodatnią marżę wkładu po charge-offach. Długi ogon wolumenu utrzymuje facility i operacje w ruchu, lecz nie dodaje marży. Ponieważ nisko marżowy przepływ zajmuje pojemność, praca o wyższej marży nie może rosnąć – ograniczeniem nie jest popyt, lecz alokacja facility.

Rozwiązanie to reguła selekcji oparta na marży wkładu według kanału i typu merchantów, nie program efektywności. Gdy każde źródło TPV da się uszeregować według wpływu na marżę po charge-offach i CAC, decyzja, który wolumen przyjąć lub odrzucić, staje się mechaniczna.

Operatorzy fintech dochodzą do tego punktu, gdy TPV i liczba merchantów rosną, a przychód netto i marża wkładu nie: lending obejmuje większą część przepływu, blended take rate spada, a draws z facility rosną bez odpowiadającego wzrostu marży. Żadne dodatkowe produkty ani ekspansja rynku nie rozwiążą tego, dopóki nie zmieni się mix akceptowanego wolumenu.

Jak rozpoznać, że to rzeczywiście Twój problem

Te trzy razem tworzą charakterystyczny obraz. Samo w sobie zwykle wskazuje na coś innego.

✓ TPV i liczba merchantów rosną, podczas gdy marża wkładu stoi w miejscu lub spada, a facility pozostaje w pełni wykorzystana
✓ Ustalenie, które kanały lub kohorty merchantów dały dodatnią marżę wkładu w ostatnim okresie, wymaga jednorazowej analizy zamiast stałego raportu
✓ Odrzucenie dowolnej kategorii wolumenu lub merchantów wydaje się niemożliwe, bo obniżyłoby raportowany TPV, nawet gdy marża wkładu z tego wolumenu jest ujemna

Posunięcie, które zwykle pogarsza sprawę. Pozyskiwanie dodatkowej pojemności facility lub kapitału na większy wolumen, co tylko powiększa facility przydzieloną do nisko marżowego mixu i powtarza tę samą kompresję P&L w większej skali.

Who this is for — and who it is not

It is for you if you run or finance a fintech and everyone is fully occupied and cash is tight. It is the situation where the numbers are available but nobody has put them in an order that produces a decision.

It is not for you if Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.

Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.

Jak to wygląda przy rzeczywistym uruchomieniu analizy

Below is an excerpt from a real run of this analysis on fintech. It is a sample profile rather than a customer, and it is engine output translated from English — this is the format you get, on your own numbers.

The subject is Verrano Pay, a sample company profile used for testing rather than a customer — $84M net revenue, 28,000 merchants, $9.4B of payment volume.

This is one move out of a full analysis. Read a complete report — every page, no email required.

Co silnik robi z tym pytaniem

This question routes to Proprietary EFF Methodology, one of 29 engagements the platform runs. For spółki fintech it works through blended take rate, charge-off rate, contribution margin and CAC by channel, then produces the sequence rather than a list of options — which move first, what it funds, and the observation that would say the sequence is wrong.

You watch the analysis get built before paying anything. Przeczytaj pełny raport tutaj if you would rather see the depth first.

Pytania, które ludzie zadają na ten temat

Jak wiedzieć, którą pracę przestać przyjmować?

Uszereguj według wkładu na jednostkę rzeczywistego ograniczenia — godzina maszyny, godzina rozliczeniowa, slot dostawy, metr kwadratowy. Nie według przychodu i nie według procentowej marży brutto, bo oba wskaźniki faworyzują niewłaściwą pracę, gdy ograniczeniem jest pojemność.

Czy odrzucanie pracy zaszkodzi relacji?

Czasem tak, lecz zwykle jest to tańsze niż alternatywa. W praktyce cena odzwierciedlająca zużycie zasobów albo czyni konto rentownym, albo przenosi je do konkurenta — oba wyniki są lepsze od obecnego.

Czy to problem cenowy, czy efektywnościowy?

Sprawdź: gdyby każda zlecenie przeszło idealnie, bez strat, czy te cienkie przypadki przyniosłyby zysk? Jeśli nie, to kwestia ceny i selekcji, a żaden program efektywności tego nie naprawi.

Is this different in fintech than in other industries?

Materially, yes. Lending fixed the P&L and converts revenue worth a 7x multiple into revenue worth a 2x multiple — which changes both the diagnosis and the order of the fixes. The metrics that decide it here are blended take rate, charge-off rate, contribution margin, and an answer built on industry-general benchmarks will usually point at the wrong one first.

What data do I need before this analysis is worth running for a fintech?

Less than most people expect. Your last twelve months of revenue and cost split the way you already split it, plus whatever you hold on blended take rate and charge-off rate. The analysis is explicit about what it is assuming where your data stops, which is more useful than waiting for numbers you may never have.

When is Percision the wrong tool?

Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.

Does Percision replace a lawyer, tax advisor, auditor, or AI implementation team?

Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.