互聯(lián)網(wǎng)金融行業(yè)分析報告(編輯修改稿)
2025-06-09 22:48 本頁面
【文章內容簡介】 蟻金服成為互聯(lián)網(wǎng)時代的金融巨人。信息的融合在技術和算法的推動下，開始產(chǎn)生巨大的價值。以螞蟻金服為代表的互聯(lián)網(wǎng)金融公司與傳統(tǒng)金融機構最大的區(qū)別在于技術。互聯(lián)網(wǎng)公司開始利用技術重塑金融：自動問題識別（CTR）：上下語義匹配及客戶真實意圖識別。采用標準問題映射技術，再找到多方面的服務標準化或需求驅動。由于采用了人工智能識別技術，2016年雙11淘寶自助服務比例達到了97%，自助轉人工的需求猛降，客戶滿意度提高，公開資料顯示該技術運用后，人力和GPU成本下降1億左右，而支付和理財平臺的峰值容量和操作效率反而得到極大提升。基于遷移學習和深度學習的精準營銷?；诎⒗锷鷳B(tài)體系的海量數(shù)據(jù)在深度學習的技術框架內達到融合和學習，對用戶、產(chǎn)品、文本等進行同一“編碼”，經(jīng)過大規(guī)模學習和遷移學習后，人工智能能夠將支付用戶的屬性和閱讀偏好、電商購買行為與保險偏好聯(lián)系在一起，從而實現(xiàn)基于交易行為和閱讀行為的精準營銷，助力理財和保險產(chǎn)品的銷售和定位。螞蟻金服在進行精準營銷時，把算法、業(yè)務、系統(tǒng)整體打通，大規(guī)模提升深度學習效率近6倍左右，并且開始從非結構性數(shù)據(jù)中提取每個用戶的謹慎性系數(shù)。在螞蟻聚寶的主頁和社區(qū)觀點里面，同一個基金面對不同的用戶DNA，會有不同的文字呈現(xiàn)，推薦的內容和原因根據(jù)用戶習慣和瀏覽歷史而變化，是個性化定制的模式。小而美的保險：運用機器學習和可解釋模型真正理解用戶的消費行為。螞蟻金服的場景化保險產(chǎn)品，如退貨險、碎屏險等，覆蓋海量長尾人群，場景險保費收入多年維持100%的年化增速，雙11一天保單金額突破1億。場景保險產(chǎn)品憑借著大數(shù)據(jù)和機器學習，做到了實時投保，實時差異化定價，實時出險率預測和極速核賠。螞蟻金服使用幾百萬用戶ID數(shù)據(jù)來培養(yǎng)可解釋模型，即用戶、他所購買的商品和退貨這三者之間的關系，最后得出該用戶的退貨概率。場景類保險依靠此類核心算法，實現(xiàn)了超小金額保單的盈利。征信業(yè)務方面，螞蟻金服根據(jù)阿里系（占比3040%）和其他第三方支付機構提供的征信數(shù)據(jù)，打造出了“芝麻信用”。芝麻信用除了連接了公安系統(tǒng)的實名驗證與活體檢測技術（掃臉、指紋等），豐富的交易場景和商家的數(shù)據(jù)接口為螞蟻金服的機器學習貢獻著源源不斷的數(shù)據(jù)，芝麻信用還涵蓋了信用卡還款、網(wǎng)購、轉賬、理財、水電煤繳費、租房信息、住址搬遷歷史、社交關系等信息。在面對巨量涌入的長尾客戶時，傳統(tǒng)金融IT的架構無法支撐，螞蟻金服IT架構的云端化徹底打破傳統(tǒng)架構的限制，實現(xiàn)平臺上各類機構之間信息的自由流通，由此產(chǎn)生的呈指數(shù)級增長的數(shù)據(jù)量在平臺上沉淀。未來，芝麻信用將在消費貸款和個人信用商用領域具有巨大空間。此外，螞蟻金服通過將支付入口和場景結合，借助其天量的大數(shù)據(jù)資源和強勁的云計算數(shù)據(jù)分析挖掘能力，全方位地切入生活場景，匹配大數(shù)據(jù)帶來的客戶側寫和分流能力，實現(xiàn)了高頻和高留存的金融服務模式。目前，螞蟻金服已經(jīng)成功地將支付端口帶來的低成本流量接入了理財、融資和外部購物等業(yè)務中，旗下主要包括以下幾款產(chǎn)品：螞蟻借唄：個人無抵押小額貸款。芝麻分600分以上的用戶，可以申請1000元20萬元不等的貸款額度。借唄在推出后的10個月的時間內用戶數(shù)達到1000萬，放款規(guī)模為3000億元。目前“借唄”的還款最長期限為12個月，%，具體利率隨借隨還。用戶申請到的額度可以轉到支付寶余額，和從銀行獲得的貸款一樣。相較于傳統(tǒng)的個人貸款，“借唄”不需要用戶提交復雜的個人材料和財力證明，只需憑借芝麻信用分就能對用戶的信用水平做出判斷和把關，3秒完成放貸。據(jù)統(tǒng)計，借唄90%以上的客戶是來自于80、90后，也就是30歲左右。現(xiàn)在借唄有近4成的用戶是來自于三四線城市，這些城市融資渠道門檻高，借唄現(xiàn)金的業(yè)務市場潛力更大。網(wǎng)商貸（原螞蟻微貸）：針對個體商戶的純信用個人經(jīng)營貸款。信用分達到 550分即可為申請，網(wǎng)商貸作為一款貸款服務，其還款最長期限為12個月，%，微貸技術中包含了大量數(shù)據(jù)模型，利用網(wǎng)絡數(shù)據(jù)模型和在線資信調查，輔以交叉檢驗技術來確認第三方客戶的信息真實性，將客戶在電子商務網(wǎng)絡平臺上的行為數(shù)據(jù)映射為企業(yè)和個人的信用評價。此外，還可以通過云計算判斷買家和賣家之間是否有關聯(lián)，是否炒作信用，風險的概率的大小、交易集中度等以此來判斷小微企業(yè)的信用，降低風險與運營成本。網(wǎng)商銀行：小微企業(yè)、個人消費者和農村用戶，是網(wǎng)商銀行的三大目標客戶群體。在貸款業(yè)務中，除了覆蓋阿里生態(tài)體系內電商商戶如淘寶店主和外部接近60家合作平臺（如金蝶軟件、美團）的企業(yè)主的“網(wǎng)商貸”外，還包括為農村地區(qū)小微經(jīng)營者提供的無抵押無擔保信貸服務“旺農貸”，截至目前，已經(jīng)覆蓋了全國4852個村莊。從貸款利率看，目前保持在7%—12%之間，依企業(yè)資信狀況浮動。保險業(yè)務：包括嵌入自營產(chǎn)品和 第三方保險銷售平臺業(yè)務。保險產(chǎn)品與螞蟻金服的其他業(yè)務形成對接，產(chǎn)品設計具有場景化、碎片化和定制化特點。例如，退貨運費險是依托于淘內零售平臺的銷售，通過對不同用戶歷史數(shù)據(jù)的分析區(qū)別定價，契合了買賣雙方在購物時的需求，實現(xiàn)了保單的迅速增長，商戶信用保險則是針對天貓賣家的保證金設計，螞蟻金服通過數(shù)據(jù)挖掘來對商家的信用狀況進行判斷，允許商家通過購買信用保險的方式來替代繳納保證金，降低了商家的運營成本。嵌入自營性保險產(chǎn)品與阿里的業(yè)務生態(tài)圈形成呼應，在產(chǎn)品上具有場景化、碎片化和定制化的特點，且龐大的用戶和業(yè)務資源成為這一類保險產(chǎn)品的核心優(yōu)勢。騰訊金融：掘金社交數(shù)據(jù)，互金帝國成型騰訊的微信支付為騰訊金融積累了理財用戶及資產(chǎn)方資源的同時，也沉淀了資產(chǎn)匹配、設計和分析的數(shù)據(jù)。騰訊目前主要研發(fā)的數(shù)據(jù)產(chǎn)品為 “ 財富值”， 該值定義了 客戶財富和風險偏好的系數(shù)， 可以幫助理財平臺更準確地找到定向的客戶，目前主要應用在理財通平臺。在渠道方面，這些經(jīng)過分析的數(shù)據(jù)形成結論，通過理財通幫助理財產(chǎn)品、信用卡、車險等的精準營銷和定價； 在授信方面，通過騰訊金融云的大數(shù)據(jù)去做風控；在交易方面，根據(jù)交易特征篩選來建立“可疑風險防范”等。微粒貸：依托騰訊大數(shù)據(jù)用戶畫像，在符合當期授信條件的用戶中隨機篩選出白名單用過戶并邀請使用產(chǎn)品，首批人數(shù)不超過10萬人。2016年底，累計發(fā)放規(guī)模超1600億元，總筆數(shù)超2000萬，筆均放款8000元，覆蓋6000萬人。微粒貸背靠微眾銀行，在微信錢包和手機客戶端上線，單筆最高可借4萬元，個人貸款總額度在500元20萬元之間。值得注意的是，%，%，高于同類產(chǎn)品螞蟻借唄（%）。微證券：通過與券商合作將把證券的遠程開戶運用到微信上來，微信用戶可
規(guī)章制度相關推薦
鄂ICP備17016276號-1