消费金融学习笔记

蚂蚁金服的报告相对比较实在,对各类业务模式都相对客观分析评价。其他的各种的话,就随便看看吧。

消费金融类报告:

大数据征信学习与思考

关于信用评估

信用由你的过去决定,未来决策也影响你的信用。

关于企业征信与个人征信

企业征信难于个人征信。企业由于对利益的诉求,往往在信用造假上更愿意冒险。

中小企业征信难于大型企业征信。中小企业信用数据信息更为匮乏、离散。

关于数据征信的输入输出

数据源

数据验证

  • 实名验证(身份证拍照)
  • 学历信息(学信网)
  • 手机实名验证
  • 银行卡实名验证
  • 人脸对比

黑名单

  • 法院黑名单
  • 金融黑名单(银行,P2P,小贷)

授权数据

  • 申请注册信息
  • 消费画像
  • 乘机记录(航旅纵横,12306)
  • 央行信用报告
  • 通讯信息(通讯记录、通讯录、短信)
  • 电商消费(淘宝,京东等)
  • 银行流水,信用卡流水

移动数据(基于移动设备)

  • 手机号码
  • 手机设备ID,设备属性
  • 常见地理位置
  • 通讯信息(通讯记录、通讯录、短信)
  • App使用信息
  • 网络信息(需要虚拟代理)

模型

模型特点

  • 多场景模型
  • 多维度模型
  • 级联模型(多源数据Mapping后的关联分析模型)

模型支撑

  • 逻辑回归+机器学习(算法支撑)
  • 真实贷款数据(数据支撑)
  • 国内外行业经验+专业经验(经验支撑)

反欺诈

  • 多重借贷(有利益诉求时候,往往会有刷信用,跨利益集体的复合借贷)
  • 反欺诈规则

技术支撑

  • OCR,爬虫(主要适用于公开数据爬取与授权数据读取)
  • 规则引擎,知识图谱(迅速寻找数据变量之间的关联)

信用报告

反馈评估结果

  • 模型评分
  • 审批建议
  • 额度建议
  • 利率建议
  • 久期建议(借贷周期)

小结

关于征信、金融业务,还有许多重要环节,例如放贷类业务的催收环节。不过核心的路径,有个取巧方式,可以从行业中各个公司的用户协议获取一些关键信息 🙂

DSP的转型思考(一)

最近一篇《Facebook为什么放弃DSP竞价产品》在朋友圈纷纷被转发,一石激起千层浪。接着一系列的评论系、深度解读系、甩锅系、纠错系文章也紧随其后出现。似乎“DSP广告是次等流量”,“程序化意味着长尾垃圾流量”已经进入大众视野,广告主的潜意识。

DSP是次等流量的消耗出口吗?

RTB广告模式本没有错——建设流量聚合接口,让更多的买家在一个相对透明公平的规则下参与购买。

优胜劣汰,媒介市场,优质的流量以打包、高溢价的方式单独售卖,而剩余的无法进行商业包装,并不那么直观的流量就流入到了RTB竞价市场。另一方面,互联网存在着太多的中小网站、应用,他们赖以生存的也仅仅微薄的广告收入,他们同样想方设法的通过各种手段“制造”流量,获得更多收入。大漠淘金,这正是现在DSP择选RTB流量的表达。巨大的RTB流量中,同样存在着具备消费能力的真实用户,同时也存在着很多虚假流量、机器流量。不得不承认,虚假流量、低质量流量将会长期困扰着DSP购买。

DSP转型期间

品友互动 – 程序化直购。DSP领域领头的品友互动,引入了程序化直购(PDB)概念,大概就是在优质广告位的基础上,进行一定的“程序化精选”,本质上还是依托广告位的优质,进行定向优化。这是个很不错的方向,避开了RTB此等流量这个概念。但是,没有数据基础的纯粹DSP厂商,优化从何而来,如果媒体不开放数据给DSP,那么优化也是纸上谈兵,很难避免肤浅。最终沦为一个广告代理的活儿。

Criteo – 再营销服务。国外再营销、重定向广告的巨头Criteo,一直致力于帮助广告主,特别是中小广告主,做潜在客户挽留服务。由于是重定向访客,解决了广告渠道商没有数据的问题,另一方面,在创意、定向规则上提供一些个性化和更丰富的表达,在国外创造了非常巨大、稳定的投放额。这个模式其实听起来挺不错的,不过在国内中小企业上去开垦,感觉有些难度。

移动广告与DSP

精准性与开放程度尚未凸现。移动DSP则完全是一个被国内厂商吹捧的概念。移动App的分布,寡头效应更加强烈。看Talkingdata数据,数十款应用霸占了绝大多数用户的手机,而剩下的App基本都是小众覆盖。在这些小众App建立AdNetwork,几乎获取不到用户什么数据的情况下,优化也仅仅是做个简单的eCPM排序分配广告罢了,完全达不到PC广告的精选流量、定向TA的精细级别。

广告优化方向

未来的广告优化,逃不过的两个方面:

基于媒体流量的选择。其实现在也有了,DSP对媒体网站进行标题、内容抓取,文本分析,提取媒体特征,从而推断媒体受众属性,达到定向目标。手段在PC端很好用,PC互联网的组织结构是Web、HTML、文本,数据可获取、可分析。在移动端,同样需要这种的东西,但随着媒体内容技术手段多样(有原生有HTML),展现内容个性化越来越强(个性化/关系化内容),形态越来越多(文本图片视频音频),对这块的分析技术就更复杂了。举个例子,微信朋友圈,即使开放了竞价购买,最终定向规则还是只能微信提供,其他广告优化商能做的是有限的。

基于广告效果的选择。上面的方法不够通用,那么下面的手段就是通用的了。效果类广告在推广上,用非常高的频率关注广告的后续表现(激活、留存、付费),并协调这个结果进行广告策略调整,通过控制ROI效果的方式控制投放。是未来越来越广泛的方法。目前PC网络做得比较好的有37玩(三七互娱),自建游戏广告网盟控制效果,获得非常好的收益。在其他行业、移动端,这条玩法策略没有变化,只是市场需要一个效果广告管理平台

DSP到底如何转型?

DSP已经不是最好的概念了,下一个概念在哪里?下回再分解……