惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Microsoft Azure Blog
Microsoft Azure Blog
WordPress大学
WordPress大学
小众软件
小众软件
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V
V2EX
Hugging Face - Blog
Hugging Face - Blog
美团技术团队
博客园 - 三生石上(FineUI控件)
Last Week in AI
Last Week in AI
酷 壳 – CoolShell
酷 壳 – CoolShell
博客园 - Franky
Microsoft Security Blog
Microsoft Security Blog
Y
Y Combinator Blog
A
About on SuperTechFans
The GitHub Blog
The GitHub Blog
U
Unit 42
H
Hackread – Cybersecurity News, Data Breaches, AI and More
云风的 BLOG
云风的 BLOG
IT之家
IT之家
MyScale Blog
MyScale Blog
V
Visual Studio Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
I
InfoQ
博客园 - 司徒正美

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
额度策略好做也不好做
雷帅 · 2024-05-01 · via 人人都是产品经理

在互联网金融类产品中,如何确定用户的额度?要参考哪些指标,了解那些信息?本文对这种场景提出了几点疑问,供大家参考。

有人问我,额度应该怎么定,都说是根据风险和收入来定,具体怎么做呢?外行容易把这个问题想简单,内行又容易把这个问题想复杂。

你可能觉得风险低收入高的给高额度,风险高收入高、风险低收入低的给中等额度,风险高收入低的给最低的额度,风险过高的不予授信。‍

道理简单成这样,当然没有毛病。

然后以为额度策略就这么简单,但问你几个问题。

收入,准确来说其实应该是偿债能力,还需要减去每月负债的,例如车贷房贷的每月应还,还有贷记卡、网贷的在贷余额,怎么折算到每月应还上去?这里有多少你取得到,有多少你取得准?

然后就是额度和偿债能力的关系怎么定,是相等吗?肯定不是,额度使用是分期还的,那是不是「偿债能力 x 期数」就可以了?

这里面利率肯定被忽略掉了,那就先忽略掉吧。

那进一步,要不要考虑额度使用率?甚至,要不要考虑留一个裕度系数?

具体一点,用户每个月有1w的新增可支配收入,你是希望他每月还1w呢,还是5k呢,还是2w呢?‍‍‍‍‍‍‍我们计算偿债能力时,减掉了负债端的每月应还,相关数据准不准的问题先不论,还有一个更重要的因素是同业影响。

同业机构的展业影响比可支配收入计算得准不准问题大多了。

假设某用户是一个理性人,他开通了三个产品,某呗、某条、某花,这三个产品优先级(即产品服务决定的用户偏好,包括支用和履约等)依次就是这个顺序。

你现在是某条这个产品的经营者,你给的额度够不够是第一个问题:某呗给的额度够不够是第二个问题,因为当某呗额度很高用户用不完时,你给的再高也没有用,第三个问题是某花能不能提额降价升级到你前面去。你想要不受制于人,就要做第一的产品,成为第一且保持第一。不然就有同业影响,这个同业影响怎么考虑,除以1.2还是除以2还是除以5,还是乘以2,谁能知道?反正我不知道。‍

我不知道还有没有别的特别要注意的地方。

仅凭以上,基于收入来定额度是很不准的,更不要说上述的信息你有多少能取到多少取不到,最终的结果往往是给额和用户的潜在履约额度上限也就能在一个数量级上准确。

当然,你还可以基于一些增信信息,例如高学历、高职称等给一个增信额度。

直接说了,最有效的定额策略就是对照测试。A、B、C、D、E到底该给多少,多分几组测一测才知道。甚至不需要根据风险和收入交叉划分组别,就基于风险分组也可以。

你要是不放心,可以以前面基于每月可支配收入定的额度策略为对照组,多分几组试验组。可以约束试验组和对照组的平均额度不变,也可以不要这个约束,只要你的评估标准完备,其实怎么测都行。

当然了,前提是尽量保证风险可控。

本文由人人都是产品经理作者【雷帅】,微信公众号:【雷帅快与慢】,原创/授权 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。