在RTA体系中，风控不只是“拦截”，更是利润协同的关键杠杆。本篇作为系列第2篇，将深入拆解风控产品经理如何在风险控制与利润最大化之间找到动态平衡。

本篇是我们《信贷投放新纪元：RTA 与 AI 的全链路实践》系列的第二篇

引言：获客≠利润

在消费金融和小贷行业，长期存在一个悖论：

• 投放负责人追求的是获客量（规模指标）；
• 风控负责人追求的是坏账率（风险指标）；
• 股东和CEO真正关心的是利润（财务指标）。

问题是，这三者之间并不天然统一。获客量大≠利润高，坏账率低≠业务赚钱。

尤其是在 流量越来越贵、资金成本走高 的当下，信贷业务如果只盯着“获客规模”，很可能陷入“越放越亏”的陷阱。

于是，一个核心问题摆在面前：

如何让 投放、风控、资金 说同一种语言？

答案是：RTA + 利润模型。

一、利润视角的全链条逻辑

信贷业务的利润，本质上是一个公式：

单客利润 = 收入 – 资金成本 – 风险损失 – 获客成本

• 收入：利息收入、手续费收入；
• 资金成本：自有资金/资金方的资金价格；
• 风险损失：预计的违约率（结合Vintage分析）；
• 获客成本：广告、渠道、运营等费用。

关键点：这个公式中的所有环节，都可以通过 RTA 进行优化。

二、Vintage 分析与风险预测

在利润协同中，核心难点是“风险损失”的准确预测。

Vintage 分析：通过分期/时间维度观察不同批次客户的违约表现，预测全生命周期的损失率。

例如：第 1 个月逾期率 2%，第 6 个月累计逾期率 15%，第 12 个月累计 25%。

结合不同 Vintage 曲线，可以对“新增客户”做出更准确的风险损失预估。

预测结果接入 RTA：

• 低损失率人群→提高出价；
• 高损失率人群→降低出价或放弃竞价。

这样，RTA 不仅仅是降低坏账，而是直接对接到 利润最大化。

三、利润系数的设计：从风险到 ROI

在实际落地中，RTA 的“系数”设计非常关键。

常见做法是 三层系数组合：

1）风险系数（Risk Factor）：来自风控模型评分。

• 低风险：1.2～1.5倍出价
• 中风险：0.8～1.0倍
• 高风险：0.1～0.3倍

2）利润系数（Profit Factor）：来自单客利润测算。

• 利润高的人群，即使风险略高，也可能值得高价抢占。
• 利润低甚至负利润人群，即便风险低，也无需过多预算。

3）策略系数（Strategy Factor）：由业务目标决定。

• 规模优先→放宽风险阈值，提高出价；
• 利润优先→严控风险，缩窄出价区间。

最终出价公式可以简化为：

出价 = 基础出价 × 风险系数 × 利润系数 × 策略系数

四、人群分层打法

结合上述系数，RTA 可以把市场人群分为三类：

核心客群（高利润 + 低风险）

全力出价，保证量。

中间客群（中利润 + 中风险）

低价承接，维持规模。

边缘客群（低利润 + 高风险）

不参与竞价，避免浪费。

这样一来，广告预算就会自动流向 利润最优的客群。

五、案例拆解：某头部信贷平台

某头部信贷平台在 2023 年引入“利润系数 + RTA”策略，效果显著：

• 投放ROI提升15%+；
• 获客成本下降20%；
• 新增客户的Vintage损失率下降12%。

核心原因是：广告预算集中在了“利润正向”的人群，而不是盲目追量。

六、挑战与前瞻

利润协同虽好，但也有挑战：

1. 预测误差风险：Vintage模型对未来的预测存在不确定性；
2. 计算复杂度：利润测算涉及多因子（利率、期限、资金成本），RTA要做到毫秒级响应不易；
3. 部门协同难：投放、风控、财务三方目标不同，如何形成统一机制？

未来的方向是：

• 实时利润预测模型：结合RTA，每日甚至每小时更新损失率预估；
• 跨部门指标统一：用“单客利润”作为唯一KPI，消解部门壁垒；
• AI托管化：AIAgent自动根据利润曲线调整RTA系数，减少人工干预。

七、结语

如果说 RTA 与风控的协同（第一篇）解决的是“广告预算别浪费”，那么 RTA 与利润的协同，解决的是“广告预算能赚钱”。

• 风控协同→规模更干净；
• 利润协同→投放更赚钱。

当 RTA 把 风险 + 利润 + 策略 三维整合在一起时，广告投放终于从“成本中心”变成了“利润中心”。

未来，信贷机构之间的竞争，将不仅仅是模型强弱，而是谁能更快地把 利润逻辑嵌入 RTA，形成真正的全链条闭环。