中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本篇文章詳細介紹了對新手階段互聯網金融項目經驗總結，例如還款、復貸和逾期催收，推薦入行3年以內的金融運營新手閱讀，希望對您有所幫助。

本文是我在運營多個互金業務后，對互金業務、數據、運營的經驗總結。我的項目經驗有某支付公司年放貸200億的現金貸項目，同公司的年放貸2億左右的場景貸操盤運營，也有某頭部卡貸公司貸超項目。本文對入行3年以內的運營、產品、分析師應該有借鑒意義，業務經驗豐富的朋友需要自行判斷是否跳過。本文超過五千字，主要內容集中在復貸運營節點，希望文章的價值可以值得大家的閱讀時間。

本文按互金業務階段順序拆解內容，每個階段我一般會分成4個方向去講，第一是該階段的業務特征或流程，第二是該階段關注的指標，第三是這個業務階段，行業內都是怎么做的，或者流程是怎么樣的，第四是這個階段主要關注的運營場景。

下面我開始講貸后，貸后是3個步驟，還款、復貸和逾期催收。

一、還款

1. 業務

還款主要有兩種類型，一種是主動還款，另一種是自動還款或是叫代扣還款。所謂主動還款，顧名思義，就是用戶在產品內主動操作還款。而代扣還款則相對，是用戶綁定好還款卡，每月到期自動劃扣。

2. 指標

這個階段運營主要關注的指標，有正常還款金額、主動還款成功率、代扣成功率、總還款成功率等。這些指標會跟利潤有直接關系，也會跟逾期的相關指標放在一起去看。

3. 行業

這個階段行業的運營手段極為有限，因為還款會比借款更難影響。用戶如果有錢就肯定還款，因為逾期要上征信，征信花了就會影響買車買房，嚴重還會限制高消和出行。只要做好還款前的短信和電話提醒，這一套下來，惡意逾期的用戶會非常少。而逾期的用戶，就是催收那邊關注的工作了。這樣下來，就導致運營很難在還款提醒之外，做比較有力的觸達和推動。

4. 運營

正因還款階段的觸達效果難提升，還款功能的穩定性、完善性也會相對重要一些，所以這個階段的運營主要是產品運營。其中代扣功能是比較重要的一個關注點，因為代扣全靠配置，配置好到時間機器會自動扣款和分賬，如果配置有問題，就會導致嚴重的客訴問題。

我們之前有出現過這樣的問題，有某支付現金貸也有后面我自己負責運營的場景貸。場景貸那次因為產品運營是新來的，不太了解之前的配置，就把對應的分賬費率給配置錯誤了，就導致有少量用戶，實際還款的金額是正確的，但是分賬的時候，分給資方那邊少了幾十塊錢，就導致這一部分用戶被資方認為是逾期了。而且因為問題是從客訴通道發現的，發現比較晚，所以用戶被催收了。

這種投訴，還可以通過賠款解決。如果是已經上了征信，那就很難解決了，而且極容易投訴升級。后面每個用戶賠了錢，并開了非主觀逾期證明才解決。

所以說，還款配置的穩定準確是非常重要的。另外在產品運營這邊，還有一些方法可以減少未來逾期可能，就是通過客服和客戶溝通延期還款。產品運營一般會制作延期還款的手冊，或者SOP文檔給處理逾期的客服。

如果用戶在還款前覺得有困難，他有可能會跟客服致電，協商延期還款。在延期還款期間，情況特殊時，用戶可以少支付一些罰息，甚至不支付罰息，來降低用戶徹底逾期的壞賬可能（這種策略現在貌似被非信貸人士發現了，演變成了反催的灰產，反催問題的應對，可能是行業需要關注的）。但是其他情況下，想推動用戶還款是比較困難的。

二、復貸

1. 業務

接下來講復貸。復貸可以分成兩種類型，一種是結清復貸，一種是未結清復貸。結清復貸是指這個用戶之前的所有貸款都已經還清了，然后再去做新的貸款，再去申請提現申請借款。而未結清復貸的用戶，其實原來的借款還沒有還清，但是因為用戶已經還了一部分款項，或是一開始就沒有把所有額度借完，或者說是他開了多卡，有剩余的額度，當用戶又有資金需求時，就又去申請貸款，這種就是未結清復貸。

2. 指標

復貸階段關注的指標會有復貸率、復貸金額，這是宏觀的指標，下面拆分的指標會有結清復貸率、非結清復貸率以及復貸成功率。結清復貸率、非結清復貸率的核心拆解方式和支用率拆解類似，也是按用戶價值（需求強度、借款習慣、借款能力）、注冊時長、生命周期等維度拆分。復貸成功率其實跟前面講的借款通過率比較接近，這邊就不再贅述。

3.行業

復貸階段，因為用戶的信息會更完善，用戶分層（上限）可以做的比首貸階段復雜的多，所以行業內會形成明顯的分界。

最基礎的做法，運營和分層通常都是手動來做的，會基于是否結清對用戶進行基礎分層，再基于用戶末次借款時間進行交叉分層，最多會按RFM模型加強分層。

等這些貸中分層策略效果已經驗證，會進入第二個階段：策略自動化固化階段。這個階段會把上個階段效果較好的策略，做成自動化觸達機制，自動進行觸達，來提升人員效率。

第三個階段會對分層策略進行大幅度完善，不再是簡單的雙維度或四維度交叉分層，而是引入更多的評價維度，搭建模型對用戶進行價值評分。根據價值模型評分，對用戶做營銷offer和優先級的確定，然后再基于用戶的營銷通道、營銷權益、營銷內容偏好，對用戶選擇觸達通道進行觸達。再基于AB測試和機器學習算法，對策略模型進行優化。后面我會專門出一篇復貸老戶策略模型搭建的文章，詳細講下這塊要用的維度和計算方法。

4. 運營

復貸做運營會有幾個方向，首先是分層經營，這是最重要的運營手段。我們之前嘗試過三種分層模型，一種是基于用戶的額度和費率進行分層，接近于風控模型的結果分層，反應用戶的借款能力；第二種是按RFM模型對用戶進行分層，RFM分別對應最近一次借款時間、180天借款頻率、累計借款金額；第三種是自己做了一個模型，我們按用戶的授信情況、消費情況、消費習慣對用戶進行分層。

最開始的時候，我們針對前兩種模型不同分層的用戶進行測試觸達，測試不同分層下人群包的轉化情況。最終試下來是第一種是相對有效的，分層觸達效果稍好（復貸率德爾塔值不超過1%），我們就基于這套分層和我們自己拿到的用戶信息，做了第三套分層。

我們分析下來發現，RFM模型之所以效果不好，是因為貸款本質來說是一個比較低頻的業務。RFM模型是從零售行業里總結出來的，而零售是一套高頻業務。所以RFM模型的借款頻率維度其實處在“水土不服”的狀態，基本是無效的。這樣下來這個模型只有4個用戶分層，不夠精細，效果也不會很好。我們自己做的那個模型，按用戶收入、用戶消費情況以及習慣做分層，它本身來說參考的是螞蟻信用。

但是因為某支付本身不是一個像支付寶那樣的，覆蓋用戶多，業務也非常廣的APP，所以很多用戶的信息是采集不到的。它只能采集到用戶很少一部分信息，就導致這個分層的數據，其實不夠精準，效果雖有提升，但也不能讓人滿意。最近兩年隨著和頭部公司接觸，以及對數據采集更深入的了解，我發現了一些過去未使用過的維度，也了解了一些更先進的技術方案，后面會在復貸文章里專門討論下這塊兒。

其次是觸達內容，這方面我們當時測試了三種內容。當時我們有對這些未復貸的用戶做了問卷調研，就發現用戶主要有三種需求，一種是用戶覺得息費比較高，第二種是覺得自己額度比較低，第三種是他本身是薅羊毛進來的。我們當時有很多綁卡返現、授信返話費券或者放款那申請放款返大額還款券或話費券的活動，他是為了話費券或還款券進來的羊毛用戶。因為用了還款券之后，利率會比當時的理財還低，這些用戶就把這個錢貸出去買理財。

而我們的觸達內容，就分成三個方向，一種是息費減免，一種是額度提升，第三種是附屬的其他權益像話費減免。在息費減免方面，我們有兩種模式，一種是還款券，還款時候直接抵用；另一種是比較晚出現的免息券。比如說100元還款券，還款的時候可以直接抵100元，跟100元免息券，可以免100元的利息，這兩種券在設計層面或許邏輯不同，單在用戶體驗側，本質來說只是包裝形式不同。

但是我們AB下來就發現，即便是同樣的面值，發免息券的用戶轉化會比還款券高很多，以至于后邊我們還款券能力就直接廢棄掉了，發的券全部都是免息券了。我們分析下來得到一個結論，可能是免息的包裝形式更吸引用戶，發還款券的通知短信，用戶看到會覺得這個只是普通營銷，就不會再打開。而發免息券的營銷，用戶覺得免息是一個很大的利益點，但是點進來才發現，免息是有最高限額的。但是用戶已經進來了，總會有一部分往后轉化，而還款券用戶看到短信根本不會進來，所以轉化效果會提升。

第二種額度提升。因為我們當時業務是助貸，沒有自主定價權。所以我們的做法是，通過對用戶進行分層篩選，選高頻使用，且還款沒有問題的用戶，每個月大概會推5萬用戶去給資方，資方會把這批用戶導入到他們自己的風控系統里邊，評估這些用戶符不符合額度提升的條件。這個方法會有一些缺陷，它覆蓋的用戶量比較小，因為推5萬的用戶，最多的時候資方那邊一次通過的也就1萬左右，每次觸達用戶量比較少。

但是測試下來，這個策略效是非常有效的，這些提額的用戶大部分都會在下個月，或者是之后的三個月內進行借款（雙倍動支率）。而且按我的了解，這個策略也是大多數助貸公司在力推的，雖然可能會擴大整體風險，但是對推復貸會比較有效。

后來，那邊因為一個資方能給的額度有限，就又搞了一個多卡多資方的產品策略，在用戶申請授信時，他會把用戶同時推給多個資方，來提升用戶的整體授信額度，來從源頭提升用戶可放款的金額。這個策略邏輯和提額類似，但是有一個極其嚴重的問題，雖然說這個策略對于提升放貸余額非常有效，但也會導致用戶多頭，用戶質量快速下降。因為某支付這個用戶池，它的用戶增長每個月是非常有限的，可能最多就幾十萬，但是它不斷把這個池子里面的用戶變成多頭的用戶，變成差的用戶，就像往一潭不怎么流動的清水里不停潑墨水，用不了多久，池子就會變成黑水池，用戶就全變成差用戶了。而用戶質量下降后，放貸成功率會下降，逾期率也會上升，最終還是會影響整體的收益。這種辦法，說白了就是透支未來，來獲取現在的增長，對于業務整體來說，可以說是飲鴆止渴。

第三種，根據對羊毛這些用戶的調研，我們會發一些附屬的權益，來刺激他們去借款，但是會提升權益的使用門檻。比如，某些特征表現為營銷敏感的客戶，首輪常規營銷沒有效果時，我們會把原本是借800返50的還款或話費券，換成滿2500返3張50元的還款或話費券。我可以讓利給這些用戶，但前提是他要多貸款，幫我提升業績。

整體來看提額度跟降費率，這兩個是效果最好的觸達內容。資方自身也會有一些觸達，如果說他是自有資金放貸或者擁有定價權，他們本身也會做一些類似的提額降費的動作。不過這個動作，在沒有專業的定價團隊或運營團隊時，一般是通過風控部門做的，所以風控語權會比較強一些。

三、逾期催收

1. 業務

接下來我們講逾期和催收，逾期和催收其實也是一體兩面，逾期是用戶逾期，催收一般是資方催收。催收之所以重要，之所以是現代信貸的一體兩翼，是因為它可以覆蓋不良，降低不良率。而降低不良率的意義何在呢，可以看一下信貸互金行業的增長公式，它有兩種北極星指標，一種是毛利潤，一種是放貸規模。這兩個北極星指標的業務拆解模型是非常不同的。像放貸規模的拆解，就跟常規的交易型模型是比較接近的，但是毛利潤就不一樣，它是這樣一種拆解：當期應還乘以利差，減去當期壞賬，減去當期成本。拆到二級的時候這樣的，它等于當期應還減去當期的壞賬，乘以利差，減當期壞賬，再減去其他的成本。

這樣拆解下來，我們發現影響毛利潤的因素，除了常規的經營成本之外，最核心的一個因素是當期應還，另一個是當期壞賬。當期應還跟放貸規模有關，當期壞賬則與逾期有關。所以說通過催收，把當期的壞賬比例降低，金額降低，就能比較大幅度的去提升自己的毛利潤。而且因為不良對利潤和損失都會產生影響，它既能提升本身的利潤，也能降低損失，一份工作可以產生兩份價值，所以在業務整體中尤其重要。

除了風控降逾期和催收挽回之外，一些大的銀行，針對不良資產，還會有一些資產證券化的方法，減少不良損失。像工行跟建行，都是有做此類操作：他們會把自己信貸業務產生的，符合某種標準的不良資產，打包賣給一些資產處理公司。這些公司自己催收，或者和催收公司合作，來進行催收，除了購買不良資產包付出的成本外，能催收回來越多，就賺的越多。當然這主要是大行和大公司的做法，主要的信貸公司，比如說平安系的，他們都是自建的催收團隊。很大可能是因為自建催收團隊，收益還是要比不良資產售賣，要高那么一些的。大的銀行之所以會做操作，有可能是因為他們覺得這個東西，沒有太多的利潤，也可能是規避投訴風險。但是對于互金行業的信貸公司來說，這塊業務控制在自己手里是很重要的，所以大部分公司都是自己做。

2.指標

這個階段關注的指標，主要會有逾期金額、入催率、出催率、遷移率、滾動率等指標。逾期金額會分成M0、M1、M2、M3、M6+等。M0是沒有逾期的金額，一般信貸產品都是按月還款，一個月就是一個還款周期，M1是逾期一個還款周期的用戶，M1-M6以此類推。M1到M6都是算不良，M6以上都會算壞賬，這個是行業比較通用的一種標準。M1到M3還有機會催收回來，M3-M6機會很小，超過M6，就極難回收了。催收這邊，入催率和出催率比較重要。

3.行業

因為我之前呆的基本都是助貸平臺，對于這塊接觸確實比較少。只有一個行業案例，我們服務過一個客戶，他有自己的催收平臺，給催收人員去用。他們會通過對這個催收平臺的數據采集和埋點，來監控催收人員行為、催收電話時長、出催率等數據， 管理催收人員效率。

4. 運營

這塊兒確實沒有經驗，就不多說了。

貸前貸中貸后三部曲的內容講到這里。后續還會有怎么設計數據日報、怎么設計業務預估模型、怎么設計業務策略庫、怎么設計策略執行表等基礎實踐篇，還會有怎么應用增長模型拆解指標快速發現增長點、怎么應用UJM模型做新戶landing、怎么應用生命周期模型做老用戶經營等方法應用篇，還會有怎么做觸達AB實驗、怎么對流量來源歸因、怎么設計常規活動、怎么做產品功能AB實驗等場景實踐篇。