本文是某次培训的讲稿，主要面向的对象是不了解或刚入行互联网信贷行业（下面简称互金）的运营、产品和分析师。主要是作者在运营多个互金业务后，对互金业务、数据、运营的经验总结，本文讲述贷中篇，希望对您有所帮助。
我经手的项目有某支付公司年放贷200亿的现金贷项目，同公司的年放贷2亿左右的消费分期项目，也有某头部卡贷公司贷超项目。对入行3年以内的朋友应该还有借鉴意义，业务经验较丰富的朋友可能需要自行判断是否跳过。原文超过一万两千字，拆成贷前贷中贷后三篇发出来，希望文章的价值可以值得大家的阅读时间。
本文按互金业务阶段顺序拆解内容，每个阶段我一般会分成4个方向去讲，第一是该阶段的业务特征或流程，第二是该阶段关注的指标，第三是这个业务阶段，行业内都是怎么做的，或者流程是怎么样的，第四是这个阶段主要关注的运营场景。
下面我开始讲贷中，贷中主要是两个环节，一个是授信，一个是请款跟放款。
先看授信阶段，授信更多是资方或者大的助贷方在做的，我大致讲一下授信和风控的原理。有个行业的大佬讲过，现代信贷和传统信贷不同的地方，就在于风控的一体两翼。它的一体说的是“以群体风控为主体”，两翼则是“以定价覆盖风险，以催收覆盖不良”。
这个话怎么理解呢？传统信贷的风控主要是一人一策，一人一价，而现代的人群定价，则是一群人一个策略。风控会根据用户提交的信息，以及在征信平台、第三方平台的数据源，查到的用户的收入数据、消费数据，以及其它历史数据等各种信息，根据这些信息，判断用户的需求强度、借款能力、还款能力，然后对用户进行人群的对号入座。比如说典型的分层像蓝领阶层，白领阶层，管理阶层，都会根据人群整体，形成对应的风控策略。
因为这些不同的分层，用户的整体情况是不一样的，他的收入水平、消费水平、还款能力其实都是不一样的，就导致客群基本的逾期概率是不一样的。风控模型就会在客群初始逾期几率的基础上，对这个客群对放款金额和放款利率进行调控。比如说白领客群的逾期几率只有0.5%，信贷产品的生产方就会在0.5%的基础上，加上自己的资金成本。假如资方是4%利率把这个资金借入的，那就加一个4%，助贷方的获客营销等运营成本是4%，就再加一个4%。基于基础的费率，再加上一个自己希望的收益费率，比如说5%，那给白领人群的最低费率就是0.5%+4%+4%+5%=13.5%。然后再根据个体在白领人群中的具体情况，再决定更进一步的费率调整。
另外因为不同客群收入和消费的能力也不一样，所以他的额度肯定也是不一样的。这就是群体风控，就是定价覆盖风险。至于催收覆盖不良，我稍后讲到催收那块再讲。
在授信这块，关注的核心指标就有两个，授信额度和授信通过率。因为国内现金贷授信一般都是策略+模型风控，没有更多的环节。从业务侧来说，拆分的维度很有限，助贷侧通常会拆解不同资方来看。
在授信阶段，有一个比较典型的行业案例，可以帮助大家理解授信的风控模型。蚂蚁信用的模型可以进行学习参考，它有非常强的风控借鉴意义。因为17年之前，市面上有1/3以上的信贷产品是不查征信，也基本没有风控系统的。他们只查蚂蚁信用分，只要是580分或者600分以上，都可以获得3000元左右的额度。从这些产品当时的不良情况来看，蚂蚁的模型还是有相当强的借鉴意义的。
另一个值得一说的，是授信风控所处的技术阶段，在17年的时候，某信已经做了大数据风控，这也是某信上市的一个卖点，目前大数据风控已经是行业基础了。20年某支付拿到了小贷牌照，有牌照后按政策要求，就必须要做自己的风控系统了，当时某支付已经做到了智能风控，通过机器学习去训练自己的风控算法。整体来说，风控这块技术应用还是比较领先的。
在风控这边的运营可能参与的场景，主要有两个，一个是通过用户行为数据识别监控欺诈用户，另一个是通过周边业务数据采集辅助风控。但是这两个其实都是风控和大数据主导的，运营主要配合使用，所以也不再详细讲了。
下面讲一下请放款阶段。请款放款之所以放在一起，是因为它其实是一体两面的，用户请款，平台放款，所以把它放在一起。请放款的流程，也是相对较简单的。用户去申请提现，资方进行贷中风控，如果风控没有问题，就会进入到第三个阶段放款。从提现到放款中间，资方会再次查用户的信息，比如征信，来判断用户在申请到放款期间，资质有没有变化。如果资质有下降，他很可能会面临额度下降、额度冻结、放款失败之类的情况。
这个阶段关注的指标，主要是支用率和支用金额。支用率拆解下来有借款申请率和借款通过率，还可以分成新老用户的不同客群指标，还可以按用户注册或授信时间，拆分成近期新户、远期新户、近期老户、远期老户。支用金额可以拆解成支用用户数、支用件均，客群侧的拆解，可以参考支用率。
这个阶段有一个需要注意的点，就是借款通过率下降的问题。像某支付，资方最开始接的是众安，众安这个产品上线的第一年，借款通过率基本上都是在90%以上的。但是从第二年开始，借款通过率就出现了比较大幅度的下降，而且是持续性的下降，6个月内就迅速从90%直接降到60%多。通过率的下降，对于助贷平台或者是资方来说，都是一个比较头疼的问题，因为它本质来说是用户质量的下降。它的下降原因，可以分成两种类型的用户来看。
一种是新用户，新用户借款通过率下降，主要可能客群的问题。因为这部分用户很可能同时向多个信贷产品申请借款，他就会存在多条的征信查询记录。因为用户操作的时间差会导致信息不同步，会出现授信的时候征信还没有问题，等到放款时候，这个用户已经有多条征信查询记录了，就会导致放款失败。另外一种是老用户，老用户会有两种情况，一种是授信完没有发起借款，授信跟首次借款之间相差的时间比较久，用户的信息在这段时间内发生了变化，导致最终贷中风控不成功。
另外一种，是用户已经借款了，他复贷借款时候被拦截。复贷风控被卡的原因，常见于用户多次借款，已经到了逾期危险次数的情况。资方根据复贷次数判断这个用户的资质是否下降到了危险区间，如果是，就会风控拦截。
之前在某信的时候，他们的风控专家有一个在行业里边都比较有名的论断，他认为一个正常的用户，在复贷过4次之后，这个用户的价值就开发完了，因为复贷4次后，用户的逾期风险会大幅度的提升。这个结论是通过某卡贷自己的授信、逾期数据得到的。
我们去分析这个结论的时候，认为现金贷用户，有借款次数的危险边界或者叫生命周期。一个正常的用户，不可能连着不断的去借款。如果累积借款到4次，就说明这个用户收入和支出的匹配上，大概率存在问题。这些问题，可能是赌博、无法节制的消费欲望，也可能是想借钱创业、投资，改变命运，无论他的原罪是什么，这种类型的用户，一定是非常容易逾期的，也就需要风控的重点关注。
当然，这是18-20年左右的结论了。现在很多助贷平台为用户开多卡授信，以提升用户综合授信额度，以提升整体放款金额，实质上是鼓励用户多头。这种情况下，即便是一个好的用户，质量也是在飞速下降的。资方风控稍微紧一些，贷中被拒也就不奇怪了。
接着看下这个阶段需要做的一些运营工作。一般来说用户完成授信后，在一定的时间内，一定会产生借款。因为他经过前面那么繁琐复杂的步骤，完成了授信的过程，就可以说明他是一个有需求的用户，有需求就一定会去借款。所以其实运营侧想推动用户主动去借款，是比较困难的事情。因为现金贷用户本身就是强需求驱动，当前比较紧急，有需求的用户都已经去借款了。用户当前没有借款，可能只是还没有到需求节点。
这个阶段的运营触达主要有几种。一是纯内容的触达，有的用户过了一段时间会忘记他在这边还有一个额度，纯内容触达就是对他做一定的提醒。第二种是还款券，还款券逻辑比较简单，助贷方自己出成本做功能就可以，可以最先上线。第三种是免息券，免息券因为要跟资方做成本和功能上的合作，又有各种信息传输，一般是最后才能上的。这几种触达内容整体看下来，免息券会比还款券或内容触达，效果好很多。即便是免息券的最高减免金额和还款抵扣金额一致的情况下，免息券效果也会比还款券要好。
这个阶段的用户分层逻辑是比较简单的，按用户的行为深度、沉默周期、需求强度评估等，进行防沉默、失活召回、沉默召回触达就行。
这个阶段的触达通道主要有APP内弹窗、PUSH、短信、智能外呼、人工外呼等手段，其中PUSH效果最差，短信效果其次，智能外呼效果会好一些，然后是人工外呼和APP内弹窗。在运营时，APP内弹窗是实时触达，基于用户旅程定点触达即可。PUSH和短信要基于文案的“六大元素”（称谓、欢迎语、卖点权益、时效限制、社会证言、行动号召）进行AB正交实验，相同人群的不同文案转化可能相差10倍，而且结果也可能是反直觉的（不一定权益描述越清楚效果越好）。智能外呼和人工外呼则需要不断AB测试优化话术SOP，并控制好智能外呼和人工外呼的顺序。
触达的形式，第一阶段通常是手动AB。得到较好结果后，第二阶段做触达策略的自动化固化，再配合对特殊或重要客户的手动取数触达。第三阶段要基于对用户旅程的实时数据，基于用户在业务流中的旅程节点和时间节点，进行分层分类的实时自动化触达。这块儿大家如果有兴趣，后面我单独开一篇来讲。
本文由 @超级个体计划 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Unsplash，基于CC0协议。
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。