完善风控搭建对互联网消金行业发展的影响「平台搭建」

互联网 2023-04-10 08:08:37

今天给大家普及一下完善风控搭建对互联网消金行业发展的影响「平台搭建」相关知识,最近很多在问完善风控搭建对互联网消金行业发展的影响「平台搭建」,希望能帮助到您。

编辑导读:消费金融本质上是信用贷款业务,是金融机构向消费者提供金融产品和服务,意在向所有在传统金融贷款服务之外的低收入人群提供贷款服务,以满足其消费意愿,从而达到促进消费的目的。本文作者分析了完善风控搭建对互联网消金行业发展的影响,希望对你有帮助。

在聊到互联网消金风控之前,我们可以先看看目前现阶段的消金行业的情况。

消费金融本质上是信用贷款业务,是金融机构向消费者提供金融产品和服务,意在向所有在传统金融贷款服务之外的低收入人群提供贷款服务,以满足其消费意愿,从而达到促进消费的目的。

一、互联网消费金融公司现状

从政策上看,近年商务部、发改委发布促进消费,促进消费结构改进调整的信号不在少数,包括各地方政府在疫情之后通过“消费券”的形式变相发给民众现金鼓励促进消费,在各种门户网站上搜索促进消费都能感受到各地政府、企业对响应国家政策要求做出的反馈。

此外,近年来各类线上消费金融场景在不断拓宽,旅游分期、租车分期、租房分期等新场景出现,将线上消费金融场景从比较单纯的电商类消费场景拓宽,线上消费场景增多能支持引入更多用户,从政策和市场发展看,似乎整个市场是欣欣向荣的。

但是,从2020年蚂蚁上市失败、蛋壳暴雷、美丽贷、校园贷、砍头息,整个消费金融行业,尤其是互联网消费金融行业,都相对比较低调,在借款产品的开发和应用场景方面在整体利率支持方面也有较大的冲击,2020年8月民间借贷利率的司法保护上限调整为15.4%,和此前的24%和36%相比,有较大幅度的下降。

此外,2021年3月份,中国人民银行要求所有贷款产品均需要明示借款年利率,同时,最高法在今年2月份也召开了人民法院调解平台应用成效暨《中国法院的多元化纠纷解决机制改革报告(2015-2020)》新闻发布会,从侧面也反映了目前政府部门提倡通过各类调解手段解决民事纠纷,尤其是涉及财产的,法院对借贷诉讼司法保护的上线调低,提倡非诉讼解决民事纠纷,从某种程度上是减少消金类机构通过强制司法手段执行获取高额收益。

除了监管更加严格,我们如果回到上文提到的政策因素去看,政府部门一直在鼓励促进消费,但鼓励的方式是通过发放消费券的形式,实际上是通过发放现金的形式,而不是按借款的形式去鼓励消费,政府并没有和消费金融的公司深度合作,推动创造、扩散超前消费式的金融产品,消费券这种“现金-消费”的形式本质上和国内民众的消费观念仍保持一致。

消费券的发放某种程度上和线上消费金融产品的模式相悖,同时又有大量目标群体是相类似的,这种冲突加上近年监管水平的提高,让整个消费金融市场成长速度放缓,2021年资产增加幅度最大的几家持牌消金均为近1-2年取得牌照的消金公司,在整个持牌消金市场收益仅占10%以下,较为头部的几家消金资方目前增长都有限,整体市场用户规模和2019年的逾期相比还有较大差距。

二、面临的问题

对互联网消金公司而言,对业务影响最大的主要是三个方面:资金、场景、技术。

资金方面,早期消金的发展主要依靠商业银行的资金作为依托,完成线下消金业务的拓展场景方面,早期电商互联网红利让线上消金有真实场景、真实用户发展业务量,但随着监管更为严格,电商场景下能发展的消金产品类型、利率几乎都趋于同质化技术方面,由于监管更为严格和早期场景较为统一,原来的业务风控逻辑和信贷风控逻辑在一定程度上趋同

近年来所有持牌消金公司在业务合作模式、业务风控模式、信贷风控模式、用户池趋同的情况下,获取新用户的难度提高,对老用户进行风控识别的成本增加,流量获取途径较为固定,新场景开发困难,利率下降

以上的所有都会增加互联网消费金融公司的运营成本,在随着监管更为严格的情况下,前端运营成本的增加,后端获利的下降,就逼迫消金公司需要尽快进行改变目前的现状进行技术转型升级,做到“开源节流”。

“开源”:

一些持牌的金融平台通过与流量巨头合作实现了规模增长,但运营能力跟不上,无法将借款用户转为自有用户,对所谓的助贷模式比较依赖。这时,消费金融机构高价格买来的流量,很难转化为自己的渠道用户,形成了买一次用一次、下次再用再买的状态。若无法跨越把合作渠道的放款用户转化为自有用户的“天堑”,自身核心能力越是退化,对外部流量的依赖度就越高,客户留存率就越低,公司的竞争力就越弱。

这种模式在目前持牌消费金融机构中非常常见,有的甚至是由流量巨头联合商业银行合作建立的,但在这种模式下,谁拥有流量,谁能提供新场景的建设就会更有话语权,同时,这就导致了资金方在这样的合作模式下会渐渐失去话语权。

想要做到开源,就需要在流量池和消费场景下进一步进行挖掘:

流量池:流量池的方面,需要对现有用户进行一定程度的数据挖掘,因为用户场景较为单一,到了目前这个阶段用户量相对来说比较稳定,大量用户还存在“共债”的情况(也成为多头借贷),这就需要在所有流量池中去挖掘能够提升业务的用户,根据优质用户的行为,去挖掘优质用户群体的旅程,在旅程中找到同类型可关联的用户群体,做精准投放。

通常来说,互联网消金类产品用户旅程可能会有以下这些阶段:获客、注册/登录、申请 审核、借款、还款5个阶段。

通常企业在进行用户运营的时候会根据以上阶段对用户的流转进行漏斗分析,去判断哪个获客渠道优质、注册/登录环节哪些产品设计能打动用户,通常会使用RFM R模型将用户分为8个层级,通过层级、用户特征去归纳筛选出不同类型的用户画像。

用户画像目前来看实际上是对一部分用户在一定时间内的行为操作打上标签,但是并没有能够串联用户在不同时间体现的不同行为进行判断。用户画像一般是根据用户不同事件节点下的行为记录标签化,通过标志性标签完成用户类型划分,最后引入风控机器学习、用户机器学习模型进行判断。

因为风控通常会使用评分卡、逻辑回归、随机森林等模型去进行判断,对风控模型来说,评分卡实际输出的是用户的信用评分,这是实际上是对逾期概率的解读。而逻辑回归、随机森林等模型,输出的大部分是“0”、“1”的判断指标,在某种程度上可以表示为“是”、“否”。

用户的所有行为标签的获取都是从借贷前端,到被界定为坏账进入催收为止。从整体的流程看,是这么一个漏斗形式的分析,包括了整体用户的筛选也是根据“是”或“否”完成漏斗的模式。

在收集了“高质量用户”的特征和“高质量用户的渠道”这部分数据,数据量是越来越小的,用户的模型是越来越精确的,但和别的互联网消费场景来说,消金场景略有不同。

因为金融交易带来的特性,用户的行为在参与用户漏斗之后同样会被后端的逾期资产追回中有记录,这就让用户被定义为“中低质量用户”后,有大量的、有迹可循的用户行为被留存下来。

这些被排除在外的“中低质量用户”并不是没有作用,可以通过这些用户,和实际这部分用户在逾期催收之后行为数据进行收集,生成相关用户逾期行为流程和模型,找到原来的“高价值用户”在逾期后的还款行为标签。

根据逾期部分的行为数据去校准前端的风控模型、用户画像;根据用户的逾期行为去进行知识图谱的建模,找到有逾期行为的用户社交联系,找到可能出现逾期的特征用户群;根据特征用户群再明确用户的引入渠道,通过用户渠道的标签,去判定用户渠道和风控模型的契合程度(某种程度上也是和不同周期的产品类型进行匹配了)。这样的话能最大程度的寻找共同渠道评分(共同渠道标签),渠道测试的周期和用户投放群也能做到更为精准,对用户的引导也能更为高效。

通常来说,在普通的互联网用户AARRR漏斗模型中,通常关注留存下来的用户部分,在拓宽留存途径的时候也通常会对转化率不高的产品环节进行A-Btest,很少继续研究用户在实际完成借贷环节之后的行为,尤其是涉及到贷后催收系统、调解系统。

这些系统的设计初衷是为了便于业务员进行催收、调解业务操作,加上需要实时调用准确数据,基本上会搭载在大数据平台上方便进行调用。但对于所有的历史数据沉淀,却不太完善。这些用户跟进节点的数据并没有合理的留存下来,这就会导致实际用户的行为在逾期之后就无准确记录了,实际上用户的整体行为体系构建是不太完善的。

为什么会需要这些用户的完善的行为模式进行标记?

本身消费金融行业面对的目标人群就是相对于银行贷款、信用卡消费风险系数更高、消费能力更弱的用户群体,由于风控严格程度较低,风控过审要求的用户资料相对也较少,像类似于信用卡申请需要的单位信息、年收入等数据几乎不会从线上获取(且目前随着监管更为严格,这些数据的获取难度就更大),这就要求对用户基本信息的审核也更需要完善的用户行为画像,去对用户的实际逾期行为进行风控建模。

另外,消费金融在国内发展的几年内,并没有很多的适应消费分期的实际场景产生,甚至还有大量的“不合法”的消费贷场景出现,场景的有限导致所能吸引的用户数量也有限,并没有像很多论文、行研分析所阐述的有巨大的潜在用户市场涌现,该潜在的仍然潜在。

再者,近年来有大量“助贷”场景出现,帮助持牌消金机构、商业银行去获取流量,用户是无法直接被后台资方所直接接触的,这就导致了风控实际上是由两部分所完成的,由助贷机构完成初次审核导入,由资方风控的算法决定评分卡和放款额度,风控体系之间实际上是存在断层的。

但目前流量接口几乎都存在于前端拥有大量流量的平台,后台资金方也寄希望于前端流量平台去完成消费场景的挖掘,从而引流更多潜在客户。但这就导致了前后端风控关注的部分不一致,对用户行为的追踪也是割裂不完整的,对用户的实际状况并不能完全摸清楚,也不清楚同类型目前用户可能存在的其他消费场景,也导致了无法开发新的合理的消费场景,仍是在最基础的消费金融模式下进行借贷行为。

所以这种情况下,也更需要完善全流程的用户行为去进行分析,这就需要完善贷后逾期资产处置体系,去还原用户的全部行为,根据用户之间的行为画像做知识图谱关联,找到潜在的消费场景,根据场景开发相应的营销策略和活动,完成场景创新,拉动更多用户参与消费。

“节流”:

上面写开源也提到了,由于更严格的监管、疫情、中国人的存储观念,消费金融的场景相对来说开发难度仍然较大,所以同样需要进行节流,很多风控系统因为没有实际关联到后端逾期资产处理的方面,会有大量用户在逾期短时间内被直接降低额度或者直接判定为不过审。

但实际上,消费金融的目标,尤其是互联网消费金融的目标用户应该是能够支持多次消费借贷的,而不仅仅作为一次性用户,这就需要对用户的层级进行更为细致的区分。完成每一层级用户行为的判断,挖掘用户留存的可能的消费机会和消费触发行为,同时根据用户分层执行指定的不同力度的用户催收、调解手段。在起到唤醒沉睡用户的同时完成资金的收回,同时执行相应的营销手段,这种用户的贷前行为和贷后行为综合考量。在获取新流量的成本日益增加的互联网环境下能最大程度地去挖掘现有用户的最大可获取利益,某种程度上也帮助助贷机构、消费金融机构去更深度参与用户消费金融行为,引导用户完成消费方式从储蓄转换为分期消费,识别用户粘性的可能发展方向,完成用户培养。

三、写在最后

消费金融机构现有政策监管和疫情的环境下发展并不顺利,还需要更深刻地去思考如何完成用户行为深入挖掘,完善助贷——放贷——收贷的风控整体流程,培养用户消费观念,形成稳定的消费场景,扩大市场,大跨步地进步。

作者:Logan_RRRC,公众号: Logan的运营学习日记

本文由 @Logan_RRRC 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自Pexels,基于 CC0 协议