“秒批”的背后:AI如何瞬间决策你的借钱申请?|五篇大文章调研行

市场资讯
Jun 26

  炒股就看金麒麟分析师研报,权威,专业,及时,全面,助您挖掘潜力主题机会!

本报(chinatimes.net.cn)记者付乐 上海摄影报道

月均拦截异常身份证超4500张、锁定1500个疑似黑灰产团伙……这组来自海尔消费金融的数据,揭开了信贷“秒批”背后的风控逻辑。

当前,消费金融行业正从规模扩张转向质量竞争,从“跑马圈地”转向“精耕细作。海尔消费金融也通过技术降本、场景深耕等方式服务消费者。

“秒批”背后的黑科技

当前,大模型的出现为消费金融行业带来深远变革。

海尔消费金融首席信息官梁树峰对《华夏时报》记者表示,作为里程碑式的技术跃迁,大模型能直接从原始数据提取特征,突破专家经验局限。未来,用户有望仅通过视频等方式,便捷获取金融服务,甚至享受专属陪伴机器人服务。

海尔消费金融首席信息官 梁树峰

2024年5月,海尔消费金融与火山引擎宣布共同成立金融大模型联合创新实验室。在活体检测与身份核验环节,大模型能精准识别活体真伪、判断身份证合成情况,月均成功拦截异常身份证超4500张。

AI如何识别高风险客群?

梁树峰表示,大模型利用图像特征识别技术,甄别身份证异常、背景异常等情况,能发现并拦截疑似欺诈行为。异常信息结合图谱分析,可识别团伙欺诈,防范黑产风险。借助大模型多模态特征识别、背景分析等技术,锁定欺诈意图用户,海尔消费金融大模型目前已识别出1500个疑似黑灰产团伙。

在风控方面,例如用户在APP上出现异常操作行为,类似反复修改地址等,会被实时记录并传输至风控模型。在图像活体检测环节,运用大模型能够精准识别用户使用的是视频、照片还是真实本人。在身份证核验环节,AI可识别身份证拍照存在的模板化加工、背景图片高度相似等异常情况。

“因其处理难度大,在以往,背景信息常被忽略,例如,背景是有白板的办公室环境,可初步判断为办公场所。尤其在识别团伙欺诈、伪造信息及刻意规避规则的欺诈行为方面,大模型发挥着重要作用。”梁树峰表示。

“识别伪造身份证,或特殊背景等异常图像至关重要。”他称,大模型能形成人类难以理解但模型可识别的显著分类数据,再将这些数据融入关系图谱分析,观察这类人群在图关系中的特征,如是否位于同一区域、同一网络空间、预留联系人是否相同等。再结合关系网络及黑名单信息,可判断异常个体是否属于团伙。例如,若某人被识别为异常,且其第一层关系中20%至30%的人已违约,则可能被认定为团伙成员。

此外,在多重身份验证流程中,除人脸识别外,还融入了声纹识别技术。尤其在客服环节,声纹识别若发现多个投诉账号声纹相同,从而识别黑产团伙,保障金融安全。

“声音本身带有情绪信息。我们可以结合用户声音及图像中的表情,分析用户意愿,判断是否存在欺诈行为。特别是线下场景或远程面审,通过用户语言和表情可大致判断该人状态。”梁树峰表示。

不过,梁树峰也坦言,技术其实并非最大的难点。当前挑战更多在于技术与业务间的平衡。例如,主要渠道合作方在某些场景中对审批时效性要求高,必须在几秒内完成。

一方面,主要渠道合作方对审批时效和通过率要求严格。互联网大厂渠道流量大、峰值高,需进行资源隔离,确保独立资源满足高性能响应需求。另一方面,为提高审核通过率,海尔消费金融摒弃传统单一模型,采用动态模型,依据用户分层和流量实时调整模型及数据加载策略。

在风控体系发展方面,梁树峰将其分为四个阶段:第一阶段是依赖专家经验设定规则的专家型风控;第二阶段是大数据风控,结合专家规则与大数据统计规律;第三阶段是规则加模型,在特定场景更多应用AI模型进行评分,如预测违约率;第四阶段是智能风控,未来有望突破专家经验天花板,利用非结构化数据和大模型能力直接提取特征规律。例如,专家通常认为征信查询次数多风险高,而AI结合多项因素,可能发现此类用户借还款频繁、还款意愿强,风险未必高。

梁树峰称,传统“专家+规则”模型泛化能力差,难以应对客群和渠道的微小变化。AI能更好地挖掘数据价值和规律,结合大模型高维参数带来的智力涌现,并且有很强的泛化能力,加上强化学习,可以突破当前决策瓶颈。

AI驱动风险定价

AI技术也助力风险定价更加精准。贷前基于精准分层定价;贷中根据用户行为动态调整额度与利率;贷后预测用户还款表现,针对性调整催收策略。

消费金融服务用户借款金额普遍较小,需借助技术覆盖更广用户群。海尔消费金融用户平均借款金额约3000元,场景分期可达1万元甚至10万元。而利率受风险影响,用户复购频率直接关联盈利。

谈及获客成本,梁树峰认为,主要消耗在互联网平台的流量投放,白热化竞争推高了成本。在用户服务方面,海尔消费金融致力于利用AI提升服务质效。例如,通过智能客服系统结合大模型的意图理解和语言生成能力,未来或可实现人机协同,根据用户性格和喜好配置专属智能体,优化服务体验。

梁树峰还提到,数字化转型正从“+AI”向“AI+”模式转变。这将推动金融服务更加智能化、精细化,为用户提供全面优质的体验,让AI能力如水电气般触手可得。

严控B端商户

在消费金融行业竞争加剧的背景下,场景金融可以说是一条差异化发展道路。

业内普遍认为,场景金融比现金分期更具挑战,需同时考量用户风险、商户风险及管理效率,其中最具挑战的环节在于对B端合作商户的严格筛选与深度绑定。

“场景金融的核心竞争力在于对合作商户的严格筛选与管理。”海尔消费金融场景业务负责人对《华夏时报》记者指出。

首先,基于行业成长性设定差异化额度。其次,建立商户准入机制。综合评估商户的经营稳定性、服务交付能力、经营者风格及合规性,确保合作资质合规。再次,实施精细化运营与动态风控。对商户进行ABCD分级管理,差异化配置额度与通过率,持续监控并动态调整,不合规即终止合作。最后执行差异化客户回访。针对不同风险等级的商户,其采取差异化电话核实与消费决策提醒。

据本报记者了解,在消费金融行业,线上环境虽增加识别难度,但通过对行业的理解,模型能预判不同客群的发展趋势与收入潜力。针对不同客群的风险特征和还款能力差异,消费金融机构会实施差异化的风险定价策略。对于优质客群,一般由商户贴息为学员提供利息分期服务,降低其决策门槛与经济负担。

对于布局场景的初衷,上述负责人坦言,一是服务实体经济,促进真实消费,直接服务于居民特定的生活场景的消费升级;二是优化差异化风险定价。根据不同场景的消费特征、客群风险、资金流向的可控性;三是优化客户体验。针对特定场景设计更贴合用户需求的产品,如贴息、前低后高等;四是生态协同,获取优质流量。家电分期服务集团主业,促进家电成套解决方案。

海尔消费金融采用风险定价策略,根据用户贷款用途,及所属客群的风险水平和未来价值潜力,在审核通过率、产品体验、定价、服务额度等多维度实施差异化策略。

“目标是减少对前端人工输入的依赖,让系统高效、精准评估客群风险与价值,并在定价、额度、通过率等方面自动应用差异化决策,实现更加智能化的运营。”上述负责人称。

上述负责人表示,我们的初衷是建立长期陪伴关系,在用户当前学习或技能提升阶段提供支持,培养信任与良好体验。当用户未来成长起来,在人生不同阶段如家庭装修、婚庆筹备、子女教育,产生新的金融需求时,基于过往的良好体验,会优先想到使用过的产品。

当前,部分消费金融机构的定价策略着眼于用户生命周期价值最大化,通过具有吸引力的价格培育长期关系,为将来服务用户生命周期的多个关键场景奠定基础。

科技应用不仅提升了风控能力,也优化了产品体验。海尔消费金融将金融产品嵌入消费决策的关键环节,如在支付页面提供明显的分期支付选项,消除用户资金不足的尴尬。

目前,海尔消费金融提供家电、教育、医美等场景分期服务,业务主要通过B2B2C模式展业,为符合条件的商户提供线上金融业务及合规培训等,其推出的“智家分期”产品,目前正在全国紧锣密鼓铺开。

责任编辑:冯樱子 主编:张志伟

海量资讯、精准解读,尽在新浪财经APP

Disclaimer: Investing carries risk. This is not financial advice. The above content should not be regarded as an offer, recommendation, or solicitation on acquiring or disposing of any financial products, any associated discussions, comments, or posts by author or other users should not be considered as such either. It is solely for general information purpose only, which does not consider your own investment objectives, financial situations or needs. TTM assumes no responsibility or warranty for the accuracy and completeness of the information, investors should do their own research and may seek professional advice before investing.

Most Discussed

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10