܄

百融金服CEO 张韶峰:探究Capital One大数据的逆袭之道,寻觅中国的Capital One

【数据猿导读】 Capital One作为国内很多银行信用卡中心、消费金融公司共同的学习目标,很多银行信用卡中心的负责人十分推崇,并立志将自身打造成中国的Capital One。但事实上,虽然国内大行的风控部基本都有模型岗,但一直到现在,也没有发现国内的银行在营销部门设置专门的风控模型岗位...

百融金服CEO 张韶峰:探究Capital One大数据的逆袭之道,寻觅中国的Capital One

一、初见Capital One:风控前置的精准营销

本人对Capital One的关注,除了来自于一些客户和朋友的推崇,更来源于几年前的两次行业交流。

本公司最初的业务是为线上线下的各种消费与零售类企业、互联网企业提供基于大数据的精准营销服务。几年前,与我们合作的一家知名电商营销VP离职,其继任者以前在美国知名银行Capital One工作,当时比较好奇,因为之前没有在电商圈里遇到过银行出身的营销负责人。后来跟他交流,问他为什么转行来做电商,他说以前自己在银行的营销部,现在只是转到了电商公司的营销部;以前是基于数据做金融产品的精准营销,现在是基于数据做消费品的精准营销,觉得能够胜任。在后续的合作中,的确感受到他对“数据驱动营销”理念的追求。

2012年,互联网金融开始兴起,我们公司也进入到金融大数据领域,而且也跟一些知名银行开展了实际的合作。这位客户就找我交流,他说准备离开电商行业,投身到互联网金融,而且是去做风控模型。我很疑惑他怎么从营销跨界去做风控?他的回答更吃惊,他之前在Capital One的营销部门就是负责风控模型的,银行营销部门还设置风控模型岗位?国内好像没有听说过哪家银行有这样做的。

他讲述说,Capital One认为,风控应该前置到营销端,风险太高的用户不应该看到Capital One的广告。首先,“坏人”申请贷款很可能被拒绝,而给坏人看广告也要花广告费;其次,“坏人”一旦成功申请到贷款,Capital One可能连本金都会亏掉。因此,不同风险的人看到产品的利率、额度、期限应该是不同的,这就要求银行在精准营销时就建立风控模型。

作为大数据行业的从业者,本人对于Capital One对数据应用的极致追求佩服不已。从此,我就对Capital One产生了浓厚兴趣,开始研究它。

Capital One作为国内很多银行信用卡中心、消费金融公司共同的学习目标,很多银行信用卡中心的负责人十分推崇,并立志将自身打造成中国的Capital One。但事实上,虽然国内大行的风控部基本都有模型岗,但一直到现在,也没有发现国内的银行在营销部门设置专门的风控模型岗位。

二、凭借数据和技术在成熟行业发现颠覆性机会

上世纪80年代,Capital One开疆拓土前,美国市面上已经有几家规模较大、利润相当不错的信用卡公司或者综合银行信用卡中心。消费金融行业增速已经比较缓慢,整个行业已经比较成熟,没有人相信这个行业会出现颠覆性机会,更无人相信这样的机会会降落在Signet这家连前20名都排不进的坐落于弗吉尼亚州的小银行身上。

Signet也没有奢望过有这样的运气,直到Richard Fairbank和Nigel Morris的加入,并负责组建信用卡部门(即Capital One公司的前身,之后Signet将信用卡部门分拆成了独立的公司,即今天的Capital One)。之后Capital One一路披荆斩棘,创造了连续10年间资本回报率和利润增长率均超过20%的奇迹,目前,Capital One资产规模已经超过3000亿美元。

据后来Nigel自己说:“我们当时发现在消费金融和个人金融领域内有很多颠覆性机会,可以通过获取数据、存储数据、分析数据,让消费金融更加普及,使更多的普通美国人获得金融服务。基于数据对不同风险水平的人进行差异化定价,对风险低的人可以降价来吸引,对风险高的人则相反。”

Rich和Nigel对这套基于数据和技术的方法充满信心,但当他们尝试去说服所有的大型消费金融机构采用这套方法来改进既有业务时,得到的回答都是“No”。在几乎已经完全失望时,Signet银行同意尝试。

那时候美国的信用卡普及率已经非常高了,但各家银行对信用卡的定价都比较僵化,没有银行很好的使用数据分析手段,甚至根本没有意识到可以通过数据分析来做差异化定价。而且信用卡的利率普遍是20%左右,这实际上是在强迫好客户补偿坏客户(信贷行业、保险行业都存在这样的问题)。

当然,信用卡的坏客户不仅仅指产生坏账的垃圾客户。从某种意义上讲,没有坏账但也不产生欠款的客户也是坏客户(至少不算真正意义上的好客户),银行对这群客户的服务也是亏损的(在中国尤其如此,因为在美国信用卡机构还可以收到一定的刷卡手续费,但是中国的刷卡手续费费率实在太低)。

真正的好客户是经常使用循环信用额度或者使用分期功能,并且能够坚持还款从而为银行贡献稳定利息收入的客户(Capital One的定义是每年贡献约1000美元利息的客户)。例如,国内的招商银行信用卡中心,其80%的利润是由愿意使用循环信用或者分期功能的客户贡献的,这部分客户只占招行卡中心客户总数的20%。

三、首创Test-and-Learn数据分析法

Capital One坚信,可以通过大规模“边测试边学习”(即著名的Test-and-Learn)的数据分析方法来进行差异化定价,尽量留下好客户,避免服务坏客户。Capital One第一个在市场上推出了针对好客户的利率降低到10%左右的产品,从而快速吸引其他信用卡中心的好客户转移到Capital One。当然,与此同时,非常重要的工作是要甄别并防止其他银行的坏客户、尤其是高坏账率的垃圾客户成为Capital One的客户。

怎么做Test-and-Learn呢?Capital One首先将客群分为数百组,针对不同组的客户,营销不同价格的产品,从而测试不同客群对不同产品的接受度(兴趣度)、NPV(用户贡献的净现值)、坏账率等指标,然后根据实际指标来调整产品策略、营销策略、风控策略。在任何一个时期,Capital One都在同时进行上千种这样的测试。这样的工作让当时Capital One的很多员工觉得很繁琐:为什么所有人不设置一个价,搞这么多价格,运营效率太低了。事实上,员工说的也没错,在Rich和Nigel主导Capital One早期,运营成本的确很高,而且坏账率还也相当高。运营成本高是因为产品太多、需要同时针对不同的客群做不同的测试,而总客户数又很小,毫无规模优势。

现在,Test-and-Learn体系因为Capital One被全行业所推崇,理解起来也不是很难,但是执行起来,却没那么容易。应该说,对大多数机构来讲,要执行好Test-and-Learn体系,是一件很挑战的事情,很多机构都会面临员工不愿意调整自己的思维模式、找不到数据挖掘人才、初期遇到一点障碍甚至利润下降、风险上升就很容易放弃等现实问题。

下图显示了Capital One的初期实际运营情况:横轴是信用卡额度使用率,纵轴是60天逾期贷款的比例;黑色小方格是1991年11月之前Capital One的数据,白色小方格是1991年11月之后Capital One的数据。

图:Capital One信用卡额度与逾期贷款关系图

可以粗略但清晰地看到:1991年前的Capital One,在成功诱惑持卡人使用信用额度(即从银行贷款)时,持卡人的贷款M2逾期率也线性升高,信用卡活跃度与不良率是成正比的。但所有银行信用卡中心都希望实现活跃度上升同时,保持不良率不变甚至下降这一理想目标。Capital One只花了3年时间,在1991年11月之后,实现了大幅度提升活跃度的同时,维持不良率不变的目标。

在Capital One成立的前4年,他们的坏账率一直比全行业平均水平高,直到1992年第三季度才达到行业平均水平。在这之后,Capital One的坏账率一直比行业平均水平低很多。

图:Capital One历史坏账率

初期的高坏账率倒不是因为Capital One风控水平不行,而是因为Capital One刚刚才成立,不像其他银行信用卡中心拥有大量持卡人的历史风险表现数据。因此,新成立的信用卡中心,必须通过实际发卡积累风险表现数据来优化模型。这个过程对新设机构来讲是比较漫长的,一般需要花费数年时间才能形成较为成熟的模型。

这也是为何现在如此多的“泛消费金融机构”找与包括百融在内的互联网大数据公司合作的根本性原因:大数据公司已经积累了比较成熟的、经过大型机构实际检验过的风控流程、风控模型以及数亿消费者数据,可以让消费金融机构大大缩短初期风险建模的时间,也不用从零收集消费者数据。

1992年之后,Capital One的发展势如破竹。很多大银行也意识到危机,开始学习Capital One重视数据挖掘、重视差异化定价与差异化服务。但一方面,大银行刚刚开始尝试Capital One的策略时,由于没有Capital One积累四五年的大量风险表现数据,大银行无法建立可信的模型,只敢设计少量的个性化利率产品,在很小范围内的客群中推广;另一方面,既得利益是很难被大银行主动放弃的,尤其是仍然有一批客户愿意支付较高价格时,大银行担心给一部分客户降价,会引起目前愿意支付高费率客户的不满和投诉,所以缩手缩脚、欲做还休。然而,Capital One在市场上已经同时拥有了口碑优势和规模优势,只要Capital One自身不犯错误,继续沿着差异化定价、差异化服务这一核心理念前行,它的成功已经很难被阻挡。

四、Capital One产品与市场策略

1、抢占中产阶级,开拓次贷人群

Capital One最初推出的是年化率9.8%、针对中等收入阶层且信用良好客户的产品,帮助这些客户去偿还他们在其他银行卡中心背负的年化利率19.8%的债务(即余额代偿,全球第一家上市P2P公司Lending Club的70%业务来自于帮助客户偿还信用卡债务),这一极具杀伤力的产品帮助Capital One快速获得了在中产阶级客群中的口碑,从而迅速从大银行获得了大量的客群。

当大银行发现其血液止不住地流、痛定思痛后决定效仿Capital One的做法为中产阶级降价时,Capital One在保持其既有产品在既有客群中优势的同时,又开辟了新战场:为蓝领工人、外国留学生和其他一些较低收入人群(次贷人群)推出针对性产品,而这样的产品以前是空缺的,这样的客群也是被大银行所忽视的。大银行忙着防守Capital One在中产阶级客群中的进攻时,眼睁睁看着Capital One进入次贷人群市场,但也几乎完全顾不上。

2、精细化运营,动态调整利率

Capital One已经属于业界精细化运营的典范,但即使这样,Capital One也持续追求内部运营的精细化。当Capital One拥有数百万高活跃度且风险较低的客户之后,开始担心市场竞争导致这些优质客户的流失。客户流失,不能简单理解为客户关闭Capital One的信用卡去用他行信用卡,例如,如果一个客户之前就有两张以上信用卡,但客户需要使用循环信用或者分期付款时,开始选择Capital One之外信用卡,那么这个客户就算实际流失。

基于用户的风险评分,Capital One开始建立精细化的利率调整模型,不断地调整每一个客户的利率,防止优质客户销卡,或者防止客户使用了信用额度之后,从之前的逐步还款变为很快还款(这会导致Capital One无利息可收)。事实上,做好差异化定价,将利率定在什么水平既可以诱惑客户使用信用额度且不会快速还款,又能够覆盖该客户的风险损失,是一件需要极大耐心和数据挖掘能力的技术性工作,而且这项工作永远不会结束。

五、中美对比,寻找我国消费金融领域的Capital One

今天中国消费金融创业者面临的环境,与当初Capital One面临环境相比,有好有坏。坏的方面是:(1)2016年的中国信用体系的完善程度,依然比30年前的美国差很远,中国目前只有不到30%的人口被官方征信数据库覆盖,而30年前的美国,征信数据库就已经覆盖了70%度的人口。因此今天中国的信贷机构查询借款人历史信用记录的难度依然比30年前的美国大;(2)美国金融体系经过上百年的建设,大多数美国人早就已经形成了“珍惜信用”、“有信走遍天下、无信寸步难行”的思想观念,在美国,不单是借贷时需要查询信用分,找工作、租房子、谈恋爱时都可能会查询信用分,一旦信用记录不良,在美国生活会遇到很大的麻烦。

好的方面是:(1)中国的大数据公司覆盖的人口数据,比30年前的美国强, 那时候美国也没有大数据公司;(2)目前各种机器学习、深度学习等大数据技术比30年前的美国强很多,30年前美国人也不敢想象能够出现AlphaGo这样深度的学习系统(30年前,深度学习这个词都尚未出现);(3)目前计算机的价格(按照计算能力计价),恐怕只是30年前价格的几十万分之一;(4)中国依然有70-80%的消费者从未享受过消费金融服务,而30年前的美国,消费金融已经覆盖70-80%的消费者,所以今天中国消费金融行业的总体发展前景比30年前的美国大很多。

但话说回来,虽然中国的消费金融创业者有很多当初Capital One不具备的优势,但金融仍然是比互联网严肃很多的行业,模型的稳定性至少需要2年时间的检验。Capital One花了4年时间将坏账率做到低于行业平均水平,而且在提升持卡人活跃度的同时保持了坏账率稳定。如果今天中国有哪家创业公司能够花3年时间做到这两点,就已经非常优秀了。

美国金融危机期间,很多金融机构都遭受了严重打击,但Capital One遭受到的打击几乎为零。危机之后,大多数金融机构都在收缩规模,但Capital One却逆势扩张,进行了一系列收购,或许因为Capital One扩张动作太大,以至于美国金融监管机构还专门发文要求Capital One控制其收购行为。通过收购其他金融机构,Capital One变成了美国第五大商业银行(在此之前,其信用卡业务已进入了美国前三甲)。收购其他金融机构之后,Capital One使用自身的经营策略和信息系统对其进行改造,从而使收购来的资产变为可以持续造血的优质资产。

Capital One的成功取决于其一开始就根植于血液中的精细化和差异化经营思路,而支撑这样经营思路的是其强大的数据处理能力以及“数据驱动业务”的理念。

借用Capital One创始人的话来结束本文:“我们不是一家银行,我们是一家以信息作为基础战略的公司,只不过我们公司一个成功的产品碰巧出现在银行业”。这似乎在暗示他们也会基于信息战略这一利器开拓其他行业,事实上,作为Capital One的创始人之一的Nigel离开Capital One之后,成立了QED基金,该基金投资了很多以数据为驱动的创业公司。


来源:智信网

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

大数据投融资周报(4月5日——4月7日,共9起)
大数据投融资周报(4月5日——4月7日,共9起)
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云平台Experience Cloud
大数据周周看:今日头条近10亿美元融资入账,Adobe推出体验云...
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑者获资本青睐
【独家首发】数之联完成A轮数千万元融资,大数据分析挖掘领跑...

我要评论

精品栏目

[2016/10/10]

大数据24小时

More>

[2016/09/26-7]

大数据周周看

More>

[2016/09/01-30]

大数据投融资

More>

[2016/11/28-2]

大咖周语录

More>

[2016/11/29-6]

大数据周聘汇

More>

[2016/12/06-13]

每周一本书

More>

返回顶部