從美國Fintech平臺中，國內的網貸平臺能學到什么？

自從美國的Fintech平臺LeadingClub高頻率出現(xiàn)在國內各大金融媒體以來，F(xiàn)intech一詞就掀起了一股熱潮。無論是網絡投資者、借貸者還是相關從業(yè)者，如果不知道Fintech，就好像追星族不知道強尼·戴普，腦補一下畫面都會覺得尷尬不已。

話到這里，筆者先科普一下Fintech到底是什么？

Fintech一詞其實是Financialtechnology的縮略詞，中文意為科技金融，根據(jù)維基百科的解釋，所謂的Fintech就是運用高科技來促使金融服務更加富有效率的一種商業(yè)模式。說細致一點就是互聯(lián)網公司或者高科技公司利用云計算、大數(shù)據(jù)、人工智能、機器運作，自然語言處理、移動互聯(lián)等新興科技手段提供低門檻金融服務，解決金融問題的一種手段。廣義上來講，F(xiàn)intech具有多重內涵，包括但不限于P2P網貸、第三方支付、大數(shù)據(jù)征信、眾籌、互聯(lián)網銀行、互聯(lián)網保險、互聯(lián)網券商、互聯(lián)網基金銷售、互聯(lián)網資產管理、智能投顧、在線投資社交、金融產品搜索、在線金融教育、個人信用管理等。

Fintech起源美國，在美國的線上金融市場Fintech平臺大放異彩。

目前，美國大大小小的Fintech平臺有1300多家，真正成長良好的平臺大致有50多家，比如2005年成立的第一家Fintech平臺Prosper；美國最大規(guī)模的Fintech平臺LendingClub；全球最大的在線財富管理平臺Wealthfront；成立于2006年，專注于中小企業(yè)貸款的平臺Ondeck；社交金融平臺典型代表Sofi；開創(chuàng)“領投＋跟投”的股權眾籌平臺Angellist；小而美的學生貸款平臺Commonbond；在線智能投資管理平臺Betterment、Motifinvesting等等，其中，LendingClub和Ondeck已在紐交所上市。

目前國內的網貸平臺規(guī)模為2300多家，在數(shù)量上是有優(yōu)勢的，但就整體發(fā)展而言，美國的Fintech平臺卻有許多值得我們學習的地方，具體的來看是哪些方面？他們的優(yōu)勢到底在哪兒？

科技驅動金融創(chuàng)新

從Fintech科技金融的字面意思來看，F(xiàn)intec平臺更加偏重技術屬性，與國內互聯(lián)網金融強調互聯(lián)網技術不同的是，F(xiàn)intech所涵蓋技術范圍要廣泛很多，上述所說的云計算、大數(shù)據(jù)、人工智能、機器運作，自然語言處理、移動互聯(lián)等技術接都包括在其中。而大部分中國的網貸平臺目前還停留在金融業(yè)務信息化的第一階段，也就是互聯(lián)網的普及以及金融機構核心系統(tǒng)的應用階段?？v觀美國的Fintech平臺，不少平臺已經具備相對成熟的大數(shù)據(jù)風控以及智能投顧的創(chuàng)新模式。

由于征信體系成熟，美國的Fintech平臺能夠很好地利用大數(shù)據(jù)構建模型的方法來控制金融業(yè)務風險并進行風險提示，這也是為什么大多數(shù)Fintech平臺借款逾期率以及壞賬率遠低于國內網貸平臺的根本原因。不過可喜的是，國內的個人征信體系正伴隨著高度信息化時代的到來快速發(fā)展、完善。

近期非常受國內大型網貸平臺推崇的智能投顧模式對科技創(chuàng)新要求更高。所謂的智能投顧是指虛擬機器人基于客戶自身的理財需求，通過大數(shù)據(jù)識別用戶風險偏好，并在馬科維茨提出的投資組合理論基礎上（這個理論已在發(fā)達證券市場實踐中被證明是行之有效的，并且助力其提出者馬科維茨獲得1990年諾貝爾經濟學獎），通過算法和產品搭建一個技術模型，實現(xiàn)理財規(guī)劃師才能夠提供的智能理財顧問服務，上文提到的Wealthfront、Betterment、Motifinvesting就是智能投顧平臺的典例。智能投顧模式在最優(yōu)資產配置，無情緒化工作，快速提供理財方案，降低服務門檻以及交易成本這四大方面都顯示出巨大的優(yōu)勢。

除了大數(shù)據(jù)風控以及智能投顧，人工智能這一項最前沿的科技在Fintech領域的應用范圍也很廣泛。包括語音識別、圖像識別、活體識別、手寫簽名等技術在內的身份識別認證；應用于量化投資的決策系統(tǒng)（通過海量大數(shù)據(jù)和基于大數(shù)據(jù)的預測技術，將影響投資結果的變量、行為動態(tài)如網民情緒等都進行捕捉，再進行實時運算，進而形成量化投資方案）等。目前國內頂尖的互聯(lián)網公司如百度、阿里已經已經在這一領域取得了突破性的進展。

不斷完善自身的征信體系，拓展征信渠道

前文我們也提到國外的Fintech平臺有天然的征信體系優(yōu)勢，那么對于國內的網貸平臺，在征信體系并不完善的大環(huán)境下，又該怎樣做？關于這一點，筆者認為可以參考Prosper的做法。Prosper根據(jù)已有的征信數(shù)據(jù)對貸款用戶進行分類，并形成一個基于預估損失率（estimatedlossrate）專有的“Prosper分級”，該評級由兩個分數(shù)決定，一個是信用評分，從外部征信體機構中獲得，一個是根據(jù)用戶在平臺內的借款還款等行為進行評分，評級由風險最低到風險最高依次被標記為AA,A,B,C,D,E,和HR(高風險)，具體情況如下圖表1所示。

Prosper對借款人內部評級的做法對國內網貸平臺的風控體系建設具有參考意義。在征信渠道上，可以從已有的線下個人征信企業(yè)中獲取數(shù)據(jù)，也可以與部分線上的征信企業(yè)如芝麻信用、騰訊征信等進行合作，當然如果可行，還可以使銀行信用卡消費的一整套體系線上化，或者還可以從搜索社交數(shù)據(jù)、O2O消費數(shù)據(jù)、LBS（基于位置的服務）數(shù)據(jù)等角度挖掘，完成外部征信體系的評分。

根據(jù)平臺內外的征信數(shù)據(jù)，對信用等級越高的用戶提供更優(yōu)惠的借款利率，對信用等級越低的用戶不貸款或者提升借款利率。而對平臺的投資者，則要保證他們對借款者信用等級評分的知情權。

采用更加成熟的商業(yè)模式

我們知道一個平臺商業(yè)模式的好壞以及是否具有可盈利性直接決定了一個平臺的生死。在美國的Fintech平臺中，筆者總結了兩種值得國內網貸平臺學習的商業(yè)模式。

第一種，通過B端合作獲取精準的C端客戶或者通過智能算法獲取客戶

在國內網貸平臺獲客成本高居不下的今天，如果能夠通過B端合作批量導入精準客戶，那么平臺能夠節(jié)省大量的人力物力成本。因為一般來說B端已經實現(xiàn)了對用戶的篩選，平臺獲得有效客戶或者有相應服務需求的客戶概率能夠大幅提升。比如網貸平臺與消費分期平臺合作，那么它就能獲得大部分經過篩選的高質量借款人，完成從資產端到資金端的對接。第三方支付平臺如果能夠與大型連鎖超市或者大型的交通服務公司合作，那么它就能快速地積累C端支付客戶。

對于有一定實力的平臺還可以通過智能算法獲取客戶，簡稱智能獲客。這一理念目前還不夠成熟，但在未來這也是科技金融平臺發(fā)展的一個趨勢。想必我們都有這樣的一種相似感覺，當我們在某一個網站上看到一件商品后，接下來你換一個網站，你也可以看到這個商品的彈幕廣告，即便你已經在上一個網站購買，它依舊讓你看。這就說明，在科技金融領域，智能獲客的做法也是可行的。而要做到如此，平臺需要足夠多的數(shù)據(jù)精準地刻畫用戶畫像，捕捉用戶產生金融服務需求的那一瞬間并即時展示自己可以提供的金融服務，當然這也都需要巨大的流量去觸達這些客戶。

第二種，專注細分領域，提供相關的增值服務

這種模式在整體市場相對飽和后，優(yōu)勢便會逐漸顯露出來。本身國內網貸平臺的客戶群體大都是傳統(tǒng)金融未覆蓋到的群體，在資質上沒有優(yōu)勢，但數(shù)量卻十分龐大，能夠產生巨大的長尾效應，尤其是廣大的中小平臺能夠在細分領域找到突破口，提供更加專業(yè)化的投融服務。目前，國內的網貸平臺已經有不少平臺嘗試，涉及的細分領域包括農業(yè)金融、能源金融、社交金融、消費分期、供應鏈金融等。

在增值服務方面，跨界營銷是網貸平臺推廣營銷值得思考的一個點。比如某某平臺與某某連鎖店合作或者某某平臺與某某打車軟件公司合作，平臺為擴充連鎖店提供資金或者為司機提供貸款，這又回到我們上文所說的通過B端合作獲取精準的C端客戶的商業(yè)模式中去了，但最終都能達到互惠共贏的效果。

以上就是筆者的一點薄見以及整理出來的可從前沿Fintech平臺中可以參考的點，希望對您有用。

本文系作者寶點君授權零壹財經發(fā)布，文章僅代表作者立場。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現(xiàn)的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。