360金融下注AI_風聞

曲豔麗 | 文

隨着市場週期陷入低潮，互聯網金融開始出現馬太效應。

頭部平台的資源越來越集中，強者恆強，並逐步實現向金融科技公司的轉型，進行科技輸出。

中等平台維持存量規模、通過運營效率的提升而改善業績，而尾部平台將逐漸被淘汰。

在度過早期的矇眼狂奔搶地盤階段之後，大數據、人工智能技術等硬核科技才是下一步決勝的關鍵。

背靠頭部互聯網巨頭有天然優勢，這就是為什麼360金融作為一個如此晚出現的平台，卻能三步兩步逆襲到第一梯隊、並逆勢高增速的原因。

2019年第二季度，360金融營收22.27億元，同比增長128%，以Non-GAAP口徑，淨利潤6.9億元，同比增長114%，始終保持着三位數的增速，遠超同行。

360金融的AI實踐，做對了哪些事情？

在整個金融科技鏈條裏，AI應用貫穿始終：質檢、催收、運營、風控、獲客、客服。

其中，獲客、風控最有看點。

1

獲客

高增速的秘密武器之一：以比較適中的價格買到市場上比較優質的流量。

流量越來越貴。ROI即廣告投放的投資回報率，是所有互聯網公司的核心運營指標。

360金融自主研發了一套DSP投放平台，即Demand-Side Platform，目的是精準需求識別。

舉個例子，當100家公司一起去今日頭條的廣告系統競價時，以往所有的事情都是流量方決定的。

而DSP投放平台，會把360金融和流量方的大數據疊加，在二十毫秒甚至更短的時間內，篩掉非目標客户，而對於目標客户，則可以出高一點的價格競買。

其中，一個很重要的環節是營銷評分，則評價一個人到底有沒有貸款需求。

如果一個人並沒有貸款需求而被推送，既是一種打擾，也是投放的浪費。

這套系統運行下，同樣的獲客量，360金融的獲客成本降低30%左右。

這種毫秒級的反應，只能由AI完成，人力是無法做到的，對於金融科技公司本身的數據、系統都是很高的考驗，小公司很難達到。

截至二季度末，360金融累計註冊人數1.09億，其中，借款用户1254萬户，這是在不到三年的時間裏實現的。

自2018年一季度起，360金融的借款用户實現季均31.76%的高增速。

在獲客環節的精準識別，是從源頭上降低不良率。有些小平台選擇比較便宜的流量渠道，例如貸款超市，多頭共債的情況就比較嚴重，變成逆向選擇。

“很多人問你為什麼不搞一個彈窗？這在內部是不允許的。”360金融大數據總監蘇綏表示，信息流有一個好處，可以快速的跳過，希望儘量減少對用户的打擾。

儘管已經脱敏，但是互聯網上的隱私保護一直被詬病。業界正在探討的一個技術是聯邦學習，在不泄露用户隱私的情況下進行數據的交換。

2

風控

人工智能作用於反欺詐環節，這一概念並不新鮮，難點在於模型的精細化。

較之信用風險，黑灰產的欺詐風險才是平台的頭號敵人。假設系統出現弱點，兩三萬“擼口子”大軍就浩浩蕩蕩席捲而過。

這就要求，平台反欺詐模型迅速迭代、金融科技不斷升級。

舉個例子，在人臉識別中，活體檢測業已普遍，但面對黑灰產是不夠的。

“有些去山區，給一百塊錢，把活體檢測過了，信息填完，很多人願意做這樣的事。”360金融大數據總監蘇綏介紹道，需要圍繞身份驗證維度做更多交叉，例如申請地址是否常住地、LBS位置會不會飄、申請地區的人口密度等等。

蘇綏稱，360金融還有一個秘密武器，叫AI因子庫。

舉個例子，很多第三方數據庫會識別多頭共債，但只有這樣的數據是不夠。“我們用算法，去預估一個人在申請之後、三個月、六個月以後的多頭的惡化程度。”蘇綏表示，AI因子庫做了大量的子模型，是風控迭代最重要的所在，是持續幾年時間積累想出來的。

平台反欺詐和黑灰產之間，是攻防一直持續博弈的過程。

財報顯示，360金融超過90天的逾期率為1.02%，從整個行業來看，是一個非常低的水平。

反欺詐模型的有效性，強烈依賴數據量大小。關係網絡的識別情況，隨着數據越大呈非線性的關係。

目前，360金融的反欺詐關係圖譜接近20億節點、及192億關係邊。在大數據風控裏，衡量一個人的信用風險的維度可能上萬、甚至幾十萬。

360金融的智能風控引擎名叫Argus，名字源自希臘百眼巨人神。

3

趨勢

“技術總是在短期內被高估，但是長期又被低估。”360金融大數據總監蘇綏表示。

金融是AI落地的最佳場景，是學術界和產業界的共識。

360金融之所以在AI實踐上下重注，是因為它把自己定位於一個科技平台，向金融機構進行科技輸出。

這種定位開始越來越清晰。

2019年二季度，360金融機構資金合作伙伴數量從一季度的三十餘家增至二季度的六十餘家。在撮合借款業務總量中，金融機構資金佔比達到85%，較1季度的79%有所提升。

360金融正在打通技術中台，從數據技術中台的構建邏輯，可以窺見AI落地的層層遞進。

像獲客、風控等，是AI算法、算力和數據在真實場景中的應用層。

從業務中產生數據，把數據訓練成模型，再把模型應用於業務，跑出更有價值的數據，就形成了一個“數據+算法”的閉環。

科技的歸科技，金融的歸金融。

近日，央行公佈了《金融科技(FinTech)發展規劃(2019-2021年)》，明確提出未來三年金融科技工作的指導思想、基本原則、發展目標、重點任務和保障措施。

在業內人士看來，這表明金融科技在迴歸本源。

當被問到人工智能在金融各個場景中落地是否有瓶頸時，蘇綏回答：

“金融是一個反饋鏈比較長的週期，需要不停的迭代，大家在落地的時候，對技術要有足夠的耐心。

最重要的一點，要對風險保持敬畏之心。”