BAT都(dōu)著(zhe)力發(fā)展消費金融,相比之下有什麼(me)不同?

145400175992-png

消費金融是當下互聯網金融乃至整個金融領域的熱點,企業降杠杆、居民升杠杆被認爲是未來經(jīng)濟大趨勢,消費金融前景可觀。巨頭在做,創業公司也紮堆;商業銀行看重,傳統消費金融公司看重,BAT等互聯網企業也非常看重。

這(zhè)其中互聯網系消費金融業務已經(jīng)成(chéng)爲消費金融市場的重要力量,尤其是BAT巨頭攜大數據資源與技術優勢殺入消費金融領域,具備傳統金融所不具備的能(néng)力。不過(guò)BAT三家各自的優勢不同,做消費金融的模式并不相同,解決問題的方法也略有差異。

BAT都(dōu)有哪些消費金融業務?

阿裡(lǐ)的消費金融業務主要通過(guò)關聯企業螞蟻金服旗下的花呗和借呗兩(liǎng)款産品來開(kāi)展。螞蟻花呗是分期付款服務,基于芝麻信用決定授信額度,金額在500-50000元不等,目前主攻電商消費場景。借呗是借款服務,芝麻信用分不低于600的用戶就(jiù)有機會(huì)申請,最高可申請30萬元的貸款,額度可轉到支付寶餘額。

百度消費金融業務主要通過(guò)“百度有錢花”來開(kāi)展,主要有分期、信用支付和現金貸三大類業務。目前重點推廣分期業務,以教育分期爲突破口,逐步拓展到家裝、租房、醫美等領域。教育分期最高額度16萬,裝修最高額度20萬,醫美最高額度15萬。信用支付和現金貸是借款類業務。

騰訊的消費金融業務主要通過(guò)微衆銀行來開(kāi)展,主要有微粒貸和微車貸兩(liǎng)款産品,依托微信和QQ兩(liǎng)個超級入口,向(xiàng)用戶提供日常消費類信用貸款,授信額度爲500元-30萬元之間,單筆爲400到4萬元。

BAT做消費金融的模式有什麼(me)不同?

BAT都(dōu)是互聯網巨頭,有令人羨慕的大數據資源,有不錯的數據分析、處理能(néng)力。本質上三者都(dōu)是利用大數據技術對(duì)用戶信用狀況進(jìn)行評價,進(jìn)而決定貸款額度并實施有效風控,來開(kāi)展消費金融業務。但在細節上,因爲三家企業本身的資源與能(néng)力不盡相同,模式也有一定的差異。

首先,核心資源優勢不一樣,切入點也就(jiù)不一樣,形成(chéng)的優勢業務也就(jiù)不一樣。阿裡(lǐ)相對(duì)而言核心優勢在于電商購物場景,電商購物的分期付款就(jiù)成(chéng)了首要的切入點,花呗也主要用于線上購物。最初在阿裡(lǐ)體系内購物,之後(hòu)又增加了唯品會(huì)、亞馬遜等40多家電商平台。在此基礎上花呗又在拓展線下,應用于大悅城等商場以及拜爾口腔等醫療支付場景。可以說(shuō)螞蟻金服的消費金融主要是鞏固電商購物領域的優勢并向(xiàng)線下消費場景進(jìn)行拓展。

百度相對(duì)而言核心優勢在于大數據、人工智能(néng)等方面(miàn)的技術,基于這(zhè)些技術,百度金融將(jiāng)自身定位爲科技金融公司,把自身的技術與能(néng)力開(kāi)放出來。通過(guò)超大規模集群技術、規模化機器學(xué)習等技術以及快速叠代的風控模型,向(xiàng)合作夥伴輸出風控能(néng)力,合作夥伴則爲百度提供場景。總體來說(shuō)百度消費金融是一種(zhǒng)能(néng)力開(kāi)發(fā)、技術輸出的模式。

騰訊相對(duì)而言核心優勢在于微信、QQ兩(liǎng)個超級入口,借助兩(liǎng)個入口以及基于社交數據的信用評估體系,向(xiàng)騰訊的用戶提供日常消費信貸産品。

其次,目前三家企業消費金融業務主攻的場景并不相同。百度目前主要對(duì)接消費金額偏高、消費頻次較低的信貸場景,如教育學(xué)費、裝修費用等,螞蟻金服主要對(duì)接消費金融不高但消費頻次較高的信貸場景,如網上購物等。騰訊微粒貸沒(méi)有披露相關資料。其平均每筆借款金額8000元左右,相對(duì)來說(shuō)金額偏中等,應該是主要對(duì)接居民日常消費相關的信貸場景。

BAT眼中的消費金融發(fā)展難點在哪裡(lǐ)?

消費金融雖然被業界看好(hǎo),但業務發(fā)展過(guò)程中的難點也是顯而易見的。三家企業對(duì)此都(dōu)有比較清晰的認知。

螞蟻金服旗下芝麻信用總經(jīng)理胡滔9月23日表示,消費金融在風控方面(miàn)存在四大難題。一是消費金融欺詐如何識别,二是用戶多平台借款如何防範,三是數億用戶缺少抵押和傳統征信記錄,如何評價,四是違約逾期、欠債不還(hái),如何懲戒。

在此之前的9月1日,百度主管消費金融業務的副總裁黃爽表示,消費金融市場仍面(miàn)臨信用下沉、風控線上化、獲客成(chéng)本增加、産品差異化程度低四大挑戰。

微衆銀行行長(cháng)李南青在6月6日的訪談中也表示,微衆銀行目前最大的挑戰之一,是如何在符合金融規律、滿足監管政策的前提下,平衡好(hǎo)行業規則和移動互聯網時(shí)代用戶創新體驗需求,做好(hǎo)市場的補充者。

綜合各家的判斷,目前消費金融面(miàn)臨的需要突破的具體難點主要是:1、如何服務低信用人群或無信用記錄的群體,如何做好(hǎo)線上風控;2、如何做好(hǎo)反欺詐,防範多平台貸款;3、如何有效進(jìn)行逾期違約的懲戒;4、如何降低獲客成(chéng)本;5;産品如何差異化發(fā)展。

面(miàn)對(duì)消費金融的難點,三家都(dōu)有哪些解決方案?

作爲互聯網行業的領軍企業,三家在破解消費金融難點方面(miàn)都(dōu)是利用數據和技術能(néng)力,解決新問題。但具體方法略有差異。

1、如何服務低信用人群或無信用記錄的群體,如何做好(hǎo)線上風控

這(zhè)無疑是做好(hǎo)消費金融業務的重中之重,也是互聯網系消費金融公司的核心能(néng)力。解決這(zhè)樣的難題,套路主要有兩(liǎng)方面(miàn),一是擴大數據源,二是通過(guò)技術提升風控模型的有效性。

螞蟻金服方面(miàn),在擴大數據源的路徑上,花呗通過(guò)各類合作,可以獲取線上消費數據、政府數據以及神州租車、婚戀網站、酒店等合作方的數據,芝麻信用數據已覆蓋借貸、支付、出行、住宿、公益等數百種(zhǒng)場景,包括電商數據、互聯網金融數據、公共機構數據、合作夥伴數據、用戶上傳數據等,90%數據合作夥伴已來自阿裡(lǐ)、螞蟻之外。在技術路徑上,芝麻信用稱梯度提升決策樹、随機森林、神經(jīng)網絡、分群調整技術、增量學(xué)習技術等在内的大規模機器學(xué)習算法,可以爲缺少信貸記錄的人群做出客觀的信用評價。

百度一方面(miàn)從政府、運營商、網貸、線上合作夥伴等處獲取數據,另一方面(miàn)通過(guò)與教育、家裝、醫美等相關産業的服務商合作獲取線下資料。另外也整合搜索數據和包括百度地圖、手機百度等多個億級用戶的應用數據;在技術路徑上,通過(guò)人工智能(néng)、用戶畫像、帳号安全、精準建模等技術,擴大征信範圍,快速叠代風控模型識别用戶信用等級;另外,與FICO在在風控、智能(néng)評分、大數據應用、金融場景建設等領域合作, 投資ZestFinance,借助其數據挖掘能(néng)力和模型開(kāi)發(fā)能(néng)力。

騰訊方面(miàn),騰訊征信擁有龐大用戶群體在社交網絡上的海量信息,包括QQ、微信、财付通、 QQ 空間、騰訊網、 QQ 郵箱等社交網絡上的大量信息, 數據類型包括在線時(shí)長(cháng)、登錄行爲、虛拟财産、支付頻率、購物習慣、社交行爲等。微衆銀行也多方面(miàn)采集客戶信息、産品交易、信貸行爲、征信、合作方和第三方平台等不同領域的風險數據。在技術路徑上,微衆銀行引入國(guó)外新型風險識别和算法技術,陸續建立了客戶分群授信、社交評分、信用評分、商戶授信管理、欺詐偵測等系列模型。

三家企業都(dōu)構建了算法和模型來搭建大數據風控體系,但具體的技術路線上略有差異。當然,以上都(dōu)是從公開(kāi)資料中整合的信息,各家風控技術和模型的有效性都(dōu)有待于時(shí)間和實踐的檢驗。

2、如何做好(hǎo)反欺詐,防範多平台貸款

在反欺詐方面(miàn),措施基本上包括兩(liǎng)方面(miàn),一是通過(guò)圖像識别、活體識别等人工智能(néng)技術來鑒定真實身份,防止欺詐,另一方面(miàn)是通過(guò)大數據模型和算法發(fā)現欺詐行爲。

百度一直發(fā)力人工智能(néng)領域,在語音識别、圖像識别、活體識别、在線手寫簽名認證方面(miàn)具備技術積累,語音識别可以應用于聲紋支付等場景,圖像識别适用于身份驗證等場景,活體識别适用于遠程開(kāi)戶等場景,防止申請人利用别人的照片進(jìn)行遠程身份驗證;在線手寫簽名認證适用于安全性要求較高的身份認證領域。在算法方面(miàn),百度金融通過(guò)大數據風控平台的六大引擎來做信貸全流程管理,其中包括反欺詐引擎。

騰訊方面(miàn),騰訊優圖人臉識别技術與騰訊征信、微衆銀行、财付通合作,進(jìn)行用戶身份驗證,進(jìn)而對(duì)用戶進(jìn)行信用評估。微粒貸構建了反欺詐模型,通過(guò)分析客戶線上行爲的一緻性、終端設備、IP、區域等信息,預測客戶申請和交易中的欺詐可能(néng)性;通過(guò)分析客戶與客戶之間信息呈現的共性特征,預測群體客戶的欺詐可能(néng)性。

螞蟻金服與Face++合作,研發(fā)了人工智能(néng)生物識别機器人“螞可”,可用作身份驗證基礎平台。在技術上,螞蟻花呗則通過(guò)三道(dào)防火牆,即智能(néng)風控大腦、反欺詐決策引擎以及合作夥伴的聯防聯控機制,來實施反欺詐。

智能(néng)風控大腦通過(guò)網絡環境、使用設備、和本人此前的使用習慣等多個緯度,來判斷是否本人在使用這(zhè)個賬戶;反欺詐決策引擎實時(shí)監控交易細節,實時(shí)分析買家賣家信息及曆史交易信息等,通過(guò)數十個反欺詐反套現風控模型識别出有套現或欺詐風險的交易;螞蟻花呗還(hái)與淘寶、大衆點評、微博等平台建立了聯防聯控機制。

3、如何有效進(jìn)行逾期違約的懲戒

對(duì)于違約行爲的懲戒,三家企業的做法大緻相同,包括收取違約金、計入征信記錄、加強催收等。

在違約金方面(miàn),官方資料顯示,花呗逾期之後(hòu),逾期利息按當期未還(hái)金額的0.05%按日收取。微粒貸自逾期之日起(qǐ),每天對(duì)逾期本金額外收取約定利率50%的罰息。百度有錢花從最晚還(hái)款日開(kāi)始按照本期應還(hái)金額的萬分之五每天計收逾期費。

螞蟻金服旗下芝麻信用與最高人民法院簽署了對(duì)失信被執行人信用懲戒合作備忘錄。雙方實現數據對(duì)接,在消費金融、螞蟻小貸、信用卡、P2P、酒店、租房、租車等場景通過(guò)網絡等渠道(dào)全面(miàn)限制失信被執行人,失信被執行人申請貸款、融資,通過(guò)淘寶或天貓平台購買機票、列車軟卧、保險理财産品及非經(jīng)營必需車輛、旅遊、度假産品等,預定三星級以上賓館、酒店,在互聯網的奢侈品交易等高消費行爲等均受到限制。這(zhè)對(duì)于長(cháng)期逾期違約的用戶會(huì)有比較好(hǎo)的懲戒意義。

4、如何降低獲客成(chéng)本;

在獲客方面(miàn),三家企業都(dōu)有用戶畫像方面(miàn)的技術,爲精準獲取用戶、降低獲客成(chéng)本提供技術保障。

三家企業不同的資源與模式也決定了獲客方式的不同。微粒貸擁有微信和手機QQ兩(liǎng)個超級入口,可以通過(guò)這(zhè)兩(liǎng)個用戶量大且高頻的應用爲微粒貸導入流量;螞蟻花呗的獲客優勢在于支付寶的入口,以及淘寶、天貓等購物場景,借助場景導入用戶;百度一方面(miàn)通過(guò)搜索等業務渠道(dào)導入消費信貸用戶,另一方面(miàn)通過(guò)與教育、家裝等合作商戶導入用戶,爲商戶提供涵蓋營銷、金融方面(miàn)的全面(miàn)管理方案,增強對(duì)商戶的吸引力。

三家企業的模式將(jiāng)給消費金融市場帶來什麼(me)影響?

傳統銀行一直有消費金融業務,持有消費金融牌照的企業也早已推出服務,但相比之下,互聯網巨頭攜自身的技術與數據資源入場,給消費金融帶來的改變或許更大。

消費金融本質上是普惠金融,爲普通民衆提供日常消費領域的信貸服務,普通民衆缺乏足夠的抵押,銀行流水金額可能(néng)也不高,通過(guò)傳統消費金融模式開(kāi)展風控存在很大難度。BAT三巨頭則擁有大數據資源與大數據風控能(néng)力,可以提供線上的風控解決方案,從而爲收入很一般的用戶群體提供信貸服務,真正實現普惠金融。

這(zhè)方面(miàn)的資源與能(néng)力顯然傳統銀行與消費金融公司并不具備。三家企業的強勢入局,正在逐步改變消費金融行業的核心競争力,由線下風控模式逐步向(xiàng)線上大數據風控模式轉變。

三家企業模式略有不同,對(duì)行業的影響也就(jiù)略有不同。相比之下螞蟻金服對(duì)于購物場景挖掘很深,并向(xiàng)其他領域拓展,其自營屬性更強一些。這(zhè)對(duì)于做大消費購物領域的消費金融規模有積極意義。百度消費金融和微衆銀行則都(dōu)傾向(xiàng)于輸出自身的數據資源與技術能(néng)力,整合銀行、商戶等各方面(miàn)資源,搭建消費金融生态。如微衆銀行更多整合銀行方面(miàn)的資源,擴大資金來源,百度整合教育、家裝等商戶,拓展信貸場景。這(zhè)樣的模式會(huì)對(duì)消費金融生态産生積極影響,使消費金融各類主體可以分享互聯網巨頭的數據與技術能(néng)力。

當然,目前還(hái)在消費金融消費金融初級階段,各方攜自身優勢入場,模式會(huì)有比較大的差異,但随著(zhe)進(jìn)一步的發(fā)展,下一步大家都(dōu)需要開(kāi)拓更多場景來增加業務量,也就(jiù)需要更多與外界的合作,或許在未來,三家企業的模式趨同性會(huì)越來越強。


昨天、今天、明天,你我都(dōu)在不斷的改變   

加入SiteServer,我們一起(qǐ)去探索未來! image.png


相關文章