“我們做第一筆貸款就賺錢了?！辟I單俠的創始人胡丹介紹，“這個是很難的，”他強調。
買單俠是專門針對18-35歲之間的年輕藍領人群的消費分期借款產品。單筆借款金額在2000元左右，借款周期一般是12個月。目前，買單俠主要在藍領人群消費3C產品時提供分期服務。經過一段時間的摸索，胡丹對買單俠針對的藍領人群有了非常具體的描述：密集地分布在二三線城市，來自農村和周邊城鎮，從事諸如制造業、服務業等行業。
胡丹所說的第一筆貸款就賺錢的“難”要從兩個角度去理解：
一方面，這是與信用卡及其他借款產品的經驗相比。一張信用卡的第一筆借款都是獲客單，一定虧錢，直到該用戶刷卡滿一年，信用卡公司才開始有掙錢的可能；而大部分網貸，尤其是小金額的網貸，第一筆借款也都是不賺錢的。因為一筆借款里面包含很多成本，比如獲客成本、審核處理成本、逾期違約成本等等。第一筆借款里這些成本加起來，跟能從借款人身上賺到的利息收入相比，大部分是虧的。
另一方面，這個“難”在于藍領人群本身的特征，信用記錄少，在銀行體系的信用評分一般都不全面。這些特征使得胡丹和團隊對買單俠的業務在開始之初也是抱著一個嘗試驗證的心態。最終，是結果給了他們信心。
快速借款，但不開放線上申請
專注于18-35歲的藍領人群，是胡丹和團隊用排除法推斷出來的。
對公信貸中，中小企業受宏觀經濟影響太大，胡丹覺得不適合創業公司去做；在對私信貸中，當時他們的目標就是針對能產生長期的生命周期價值的用戶，同時能與避免與現有的成熟產品的競爭。排除掉了銀行服務的白領信用卡用戶、宜信等P2P公司服務的四五十歲人群、眾多大學生分期公司服務的學生群體，他們把目標鎖定在了藍領人群上。
首先，人群足夠大，中國大概有三億多藍領。另外，雖然他們在銀行有征信報告的大概只有不到20%，看起來是個先天不足，但這也說明，這些人從來沒有從銀行辦過貸款，身上很少有債務負擔。同時，從收入角度，他們的收入比學生更穩定，有自己造血的能力。而且，他們的消費沖動非常強，賺了錢基本上儲蓄很少，大多會用來消費，這幾乎是這一代藍領人群的消費文化。
環顧整個市場，目前還少有人做這個群體的借貸，但胡丹覺得他們不是信用不好，是沒有信用記錄而已。如果能控制其中的風險，這就是一個藍海市場。他們決定試試啃啃這塊難啃的骨頭，看看到底能不能做下來。
但怎么獲取這些用戶？這個團隊選擇了一個自己并不擅長，但后來證明有效的途徑。
胡丹的履歷很高大上，清華精密儀器系本科加斯坦福商學院 MBA，曾在通用電氣、麥肯錫咨詢和紅杉資本工作。胡丹在紅杉投的大都是互聯網色彩濃厚的公司，從實習時期參與投資聚美優品、拍拍貸。到MBA 畢業之后在紅杉負責 TMT 行業的投資，參與投資 “找鋼網”、“大姨嗎”、“EverString”等。2014年開始創業時，買單俠團隊也大多來自金融和互聯網行業，少于線下經驗。但就是這樣的一個團隊，在做買單俠之初，就確立的一點，獲客不依賴線上，完全從線下獲取用戶。直到今天，他們依然堅持，不開放線上獲客。
這也是分析的結論。選擇什么樣的方式獲取用戶首要避免的就是借款人的逆向選擇問題。也就是，越是信用不好的客戶，越會主動來申請借款。開放式的申請平臺，更容易吸引那些在其他渠道不容易借到錢的人。這種逆向選擇現象，在信貸行業里非常普遍。
而要避免這種逆向選擇，就必須對借款人的真實情況非常了解。從這一點來看，京東白條和阿里花唄非常有優勢做線上借款。因為他們有非常多的用戶的歷史數據，可以根據這些數據有針對性地營銷自己的目標用戶。簡單地說，這就相當于，貸款不是用戶單方面申請來的，而是主動推給用戶的，這樣的場景里逾期率就會低很多。
可作為創業公司，顯然沒有這樣的數據積累優勢。胡丹甚至設想到最差的結果，作為一個從零開始的創業公司，如果開放純線上獲客，很可能出現的情況就是，信用差的人群都來申請。然后借款公司發現違約率很高，利息覆蓋不了，就提高利息。但后來發現，再提高利息以后，這些信用差的借款人里相對好的人又不來了，那留下的就是更差的。于是，在這樣的劣幣驅逐良幣的結果下，借款公司不得不一再提高利息，最后就成了一個死循環。
如何在冷啟動時避免陷入這種困境？胡丹覺得可以借鑒信用卡銷售員的“陌生人拜訪銷售”。就是主動到各個商業辦公樓的辦公室，把信用卡推銷給里面那些有還款能力但還比較猶豫是否要辦信用卡的工作人員。這樣獲取的信用卡客戶結果證明是最好的，他們的逾期率很低。胡丹覺得，從線下的消費場景里獲得藍領消費分期用戶也可能是這樣的效果。因為到店消費的人，目的是來消費，而不是申請貸款。這里就不會集中出現逆向選擇的現象，剔除信用不良的，大部分的可能都是借款中所謂的“好人”。
于是，胡丹和團隊把目光鎖定在產品標準化程度高，年輕藍領人群最常出現的消費場景——手機、平板等3C產品賣場。
買單俠的公司在上海，他們選擇的第一個場景是上海市中心的通訊城，這里有眾多類似夫妻店形式的商戶。胡丹的想法是讓這些商戶向來光顧的消費者推銷買單俠的分期服務，這同時也能幫他們提高成交量，雙贏的事他們何樂不為。但運營了一個月，胡丹發現兩個問題，一是這個地方的生意比較冷清，來的人本來就不多，一個月偌大的通訊城才帶來15單借款；另外，店里水貨盛行，消費者買到假貨，不僅容易遷怒給買單俠，而且會破壞買單俠的用戶認知。
于是，胡丹決定從通訊城撤出來，轉向制造業比較發達的江蘇，并進一步向二三線城市下沉。在這些地方，買單俠選擇產品更有保障、靠近工廠的當地連鎖通訊賣場合作。根據雙方的需求程度，有的以帶來更多消費轉化為回報，有的進行分成。最初，與賣場老板、分店店長和店員的分成占到買單俠整體交易額的4%左右?，F在，買單俠給店員的返傭是通過紅包實現的，一個店員推薦的借款人被批核，這個店員就會拿到一個紅包，金額隨即，高200塊錢，少的大概10幾20塊錢。
買單俠目前的單筆借款額度不超過3000元。胡丹解釋，這個額度設定，首先是考慮到買單俠目前切入的主要是購買手機的場景。結合藍領人群的收入情況，借款3000元，是可以買一個不錯的手機的。同時，考慮到藍領人群的月還款能力要不超過其收入水平。
在借款期限上，買單俠設定為分期12個月，“盡量不要太長，否則總體利息就非常高了。再加上如果期限太長，對帳戶的觀察周期也就長了，根據壞賬率快速迭代就變得不太可能了。此外，如果經濟危機來了，整個信貸行業變差，期限短的話，可以比較快地采取應對措施?！昂ふf。
據買單俠給出的數據，目前，已經覆蓋全國近140個縣市、10000多個銷售點，申請通過率70%左右，已經成功獲得借款的用戶有20幾萬，每月借款交易額達到1.5億?！拔覀兩蟼€月還是1億多一點兒。”胡丹說。
借款周期是12個月，上線1年多時間，買單俠目前僅少量開放了復借，只是在部分用戶里提供這項服務?！斑€清12個月分期借款之前，用戶還是欠著一些本金的。如果在12月之內給一筆復借，就很有可能把借款本金提高了。可在12個月之內，這個借款人的還款能力可能并沒有相應提高。”胡丹解釋。
內部多套風控系統PK
獲客的問題解決了，緊接著就是風控。
“如果讓我再做一次，我肯定從頭開始就不要人工審核?！焙ふf。
從成立開始，買單俠內部在風控方面都是幾套系統在運行，優勝劣汰。從最初的人工審核和機器審核，到后來風控模型之間的“冠軍挑戰者模型”。
但最前期的人工審核，讓買單俠成立的第一年里“經歷了痛苦的半年時間，2014年就沒有好過過。”
那時，為了讓業務能早點推進，在審核系統還沒有開發完成的情況下，買單俠先采用人工審核。這類似與很多P2P公司在前期采用的方法，買單俠用十幾個專家組成審核組在上?？偛康霓k公室，對收集上來的借款申請者信息做確認和判斷。
可這樣的做法最直觀的結果就是“慢”，“一單的審核要一個多小時?！焙ふf。這是線下等著買手機的用戶是不能被接受的。用戶轉身就走了，賣手機的也受損失。
而且，人工審核的準確率低。盡管買單俠會總結制定風控手冊給審核員，但審核仍然容易受審核人主觀因素的影響，或者因為審核人對風控手冊有理解差異，或者是其審核狀態不同等等?？傊瑺顩r百出，對審核人的審核水準很難控制。這種狀況隨著借款規?；€會越加嚴重，要保證審核質量的不波動就更難。
另外，藍領人群本身的審核難度更大。人能夠判斷的數據量和維度不會太多，并且都是基于人的常理邏輯，但太復雜和抽象的數據和關系，人是操作不過來的。而藍領人群的信用記錄缺失等特點，恰恰使得審核是非常復雜的。
“多維度的數據，各種審核方式，如果用人去審核，人是承受不過來的。”買單俠首席風控官朱君說，“比如說，我們現在有一種機器審核方式叫抱團，一個借款人填的聯系人是A，A又被另一個借款人在申請時也填過，這三個人很可能是認識的，這就是一個團。在審核這個團的信息時，它背后可能會關聯出另一個團，而這個團中有4個人曾經被黑名單拒絕過，這些信息需要立即吐出來。但如果是人做判斷就很難做到了。”
那時，買單俠的借款逾期率最高時有20%多，但最讓他們著急的不是壞賬率高，而是壞賬率高卻找不出原因。一個個去問審核員，這單當時是怎么審的。可審核員都回憶不出當時的情況。重新印刷一版風控手冊交給審核員，結果發現審核效果可能更差了，可是又不知道是因為審核員不理解這些內容，還是審核員今天狀態不好，還是風控模型建的不好。
更最要命的是，本來最初設想的是，先用人工審核一段時間，同時用人工審核的數據結果促使機器審核引擎的快速優化，結果事與愿違，由于人工操作里有誤差，所以對于風控模型的更新，就不能很快適應。而且不能準確測量風控模型的運算結果。
于是，“下了狠勁”，胡丹決定要把人工審核部門全砍掉，完全用機器來替代。2015年初買單俠開始用自動化的審批，用機器進行批量化處理信息，再對接決策引擎和反欺詐引擎?！?015年初，整個逾期率就一下降下來到5%。然后就是持續改良，一點點往下走?！焙ふf，“現在最慢10分鐘就能給出審核反饋?！焙ふf，“用人審核的時候肯定是虧的。改用機器做審核，做出的第一單就賺錢了?！?/p>
之所以說是狠勁，是因為從人工審核變成機器審核，并不是做一個決定就可以實現的，這里面最難的就是，如何把人的審核邏輯完全抽象成可以標準化的東西，使得機器可以來采集其中的信息，并準確審核，然后再喂給最后的決策引擎，這需要巨大的工程投入。
買單俠的機器模型也是一個優勝劣汰相繼迭代的過程。有好幾套模型同時運行、趕超，比如每個月95%的客戶放到一套模型里做判斷的，留下5%的用戶給另一套模型做判斷。前者叫“冠軍模型”，后者叫“挑戰者模型”。如果挑戰失敗，也最多影響5%的用戶，會接著有挑戰者模型2號去挑戰冠軍。如果挑戰者模型審核出的逾期率更低，這套模型就成為了新的冠軍。這樣相繼往復，機器模型實現漸進式的改良。
目前，買單俠實現的自動化是指，由風控規則團隊來制定規則，然后由機器來審核執行。但是，買單俠內部也還在做機器學習的嘗試。而在大數據研究中所謂的機器學習，就是不問邏輯，機器自動吸收數據，然后自動得出結果。胡丹介紹，目前機器學習可以做到的是，用機器輔助人去制定規則，比如大規模的用戶行為數據處理，人已經很難理解了，機器會運行完之后反饋出其中有幾個是強變量，哪幾個變量的影響非常大，然后再用人去做一些解釋和微調。
精細化管理“信貸工廠”
“我們就像信貸工廠。這是一個生產的概念，要保證每一道工序質量標準都非常高，最后才能保證流程的快和準，更重要的是在整體成功概率上有保證。”胡丹說。
在買單俠上運營一個客戶需要經歷的流程大概是這樣的：一個借款人首先被一個手機店的店員營銷出來，要流轉到后臺的搜索引擎里去通過很多變量對其進行一個判斷和分析。其中，許多變量數據是由機器獲取的，還有一些機器沒法取，需用其他方法替代。
比如說用人工給借款人的聯系人打電話，但為了把人工的主觀性消除掉，就需要機器去評估打這個電話的一些結果，比如說號碼能不能打通，如果打不通是因為空號、錯號，還是因為對方沒錢了等等。機器通過這些客觀信息做審核判斷，然后放款。這時要聯系到第三方的支付機構，保證實時放款。獲得放款之后，借款人購買手機，之后進入客服，進行貸后管理以及催收。
買單俠單筆借款才2000多塊錢，但整個借款流程幾乎與大額貸款要走的流程并無區別。這導致整個運營成本相對很高。怎樣從中賺取利潤，必須做到精細化管理。
比如，對獲客渠道的管理。運營一年多之后，買單俠已經覆蓋接近140個二三線城市的10000多個手機銷售門店，合作的一線店員有接近兩萬名。營業廳的工作人員，不承擔風控職責，只是營銷的角色，每一個營業員被視為一個營銷渠道。但對他們的詳細管理，可以直接影響到風控。
在買單俠系統里，借款是哪個店的哪個店員營銷的，都是可追溯的。根據其推薦人的欺詐率計算結果，對每個渠道和具體的營業員進行實時打分。這個打分的過程也全部是由機器自動執行。對渠道的打分評級，最終會用到對其推薦人的風控上，渠道作為風控模型中的參數，不同的渠道具有不同的權重的，會影響到后續推薦人的批核率。最終，營業員作為獲客渠道實際上也會進行優勝劣汰。
在借款利率上，買單俠也計劃針對不同借款人收取不同借款利率?！拔覀兿乱徊骄褪且プ鲲L險定價，有些客戶違約率比另外一些客戶要高一點，借款利率相應就會相對高一些，另外的人就會低一些。”胡丹說。
同時，目前買單俠針對部分借款有較長還款歷史的用戶開始提供現金借款服務。但這更像是買單俠針對不同客戶提供的不同生命周期產品，就像信用卡給用戶提高漲額度一樣。“隨著機器更加智能，以后直接提供現金貸是有可能的，但是我們會非常小心，因為現金貸的風險要比消費場景貸款要高很多。”胡丹強調。
另外，在追繳環節，買單俠也采用了精細化策略，根據買單俠收集的用戶行為，為每個用戶身上打上“標簽”，然后根據不同的標簽組用不同的策略進行后續跟進。
對于藍領人群的生活的需求消費場景，胡丹和團隊其實也考察過租房、教育、旅游、整容等市場。但是這些相較于3C產品的消費頻率目前“還是低太多太多了。所以在消費品類上，目前還不會做大規模的拓展?！焙ふf。
但在布點城市上，胡丹制定了清晰的擴張計劃，主要的依據就是當地手機銷量，當地藍領人群占全部居民比例，以及信用卡在當地的風控表現繪制的地圖上。擴張的目標是，2016年達到100萬借款用戶。
“單筆的借款額度小，人數非常多，要消化數據等壓力其實是更大一些。所以，既要保證快又要保證準。在這里面，技術是非常重要的。每個月處理10萬筆貸款的時候，技術上的一點點進步，就可以降低很多成本，提高很多收益。金融不會因為大而變得很強。規模做的很大很大，不會導致風控能力就很強、資產質量就很好，反而可能導致虛胖。金融肯定是因強而大，如果把銷售管理、風控管理、生命周期管理都做得很強，大會是一個必然的結果?！焙ふf。
文/快鯉魚