'Fintech進入下半場，360金融如何通過AI獲得結構化優勢？'
經常半夜上網的用戶信用好不好？
手機內存多的用戶和手機內存低的用戶，哪種人信用好？
經常換Wifi的用戶和有比較固定Wifi的用戶，誰的違約概率高？
……
這些都是360金融無監督學習算法發現的，與違約率有關的“蛛絲馬跡”。用技術去了解客戶、服務客戶，360金融正因大數據和AI的能力，在金融科技的下半場形成結構化的競爭優勢。
2019年Q2季度， 360金融實現收入22.27億元人民幣，較2018年二季度9.79億元增長128%；淨利潤為6.18億元。金融機構的資金比例為85％，重複借款率為69.7％。
2019年8月底，央行發佈《金融科技（Fintech）發展規劃（2019-2021年）》（以下“《規劃》”）。《規劃》提出，央行指出，“將金融科技打造成為金融高質量發展的‘新引擎’”，並提出金融機構也要重視金融科技的應用。
隨著監管的明晰和市場的演化，在金融科技領域，金融公司與科技公司的分工越發明確，前者通過資產負債表放貸，輸出資金承擔風險，後者則在信貸的全流程提供科技賦能服務。二者共同形成新金融的產業鏈條。
360金融CEO吳海生認為，從2019年開始，金融科技已經進入下半場，對市場參與者的大數據、AI技術和人才實力將提出更高的要求。用吳海生的話說，對用戶的理解，對技術的追求是公司的立足點。
今天，360金融正持續在獲客、大數據和人工智能等先進技術上進行投入，來鞏固這種結構化優勢。
經常半夜上網的用戶信用好不好？
手機內存多的用戶和手機內存低的用戶，哪種人信用好？
經常換Wifi的用戶和有比較固定Wifi的用戶，誰的違約概率高？
……
這些都是360金融無監督學習算法發現的，與違約率有關的“蛛絲馬跡”。用技術去了解客戶、服務客戶，360金融正因大數據和AI的能力，在金融科技的下半場形成結構化的競爭優勢。
2019年Q2季度， 360金融實現收入22.27億元人民幣，較2018年二季度9.79億元增長128%；淨利潤為6.18億元。金融機構的資金比例為85％，重複借款率為69.7％。
2019年8月底，央行發佈《金融科技（Fintech）發展規劃（2019-2021年）》（以下“《規劃》”）。《規劃》提出，央行指出，“將金融科技打造成為金融高質量發展的‘新引擎’”，並提出金融機構也要重視金融科技的應用。
隨著監管的明晰和市場的演化，在金融科技領域，金融公司與科技公司的分工越發明確，前者通過資產負債表放貸，輸出資金承擔風險，後者則在信貸的全流程提供科技賦能服務。二者共同形成新金融的產業鏈條。
360金融CEO吳海生認為，從2019年開始，金融科技已經進入下半場，對市場參與者的大數據、AI技術和人才實力將提出更高的要求。用吳海生的話說，對用戶的理解，對技術的追求是公司的立足點。
今天，360金融正持續在獲客、大數據和人工智能等先進技術上進行投入，來鞏固這種結構化優勢。
◆ ◆ ◆
風控——用“無監督學習”給用戶打標籤
中國的網貸行業始於2007年。當年，拍拍貸上線了第一筆P2P網絡貸款，此後數年，網貸行業形成了以P2P和網絡小貸為主要模式的生態格局。在2007年-2017年十年間，由於長期的金融壓抑和傳統金融機構對該市場的忽視，網貸市場需求呈現井噴狀態，行業迎來了野蠻生長的年代。
如果把這段時間稱之為金融科技上半場的話，那麼從2018年開始，隨著監管不斷加碼和經濟增速的下行，金融科技進入了以大數據和人工智能決勝的下半場。在眾多市場參與者中，360金融具備在下半場中逆勢上行的必要條件。
業界每論及人工智能，通常會提及數據、算法、算力、和場景四個要素。四者相輔相成，共同構成人工智能產業螺旋上升的正循環。
其中，數據最為重要，衡量一家金融科技公司的實力，首先要看它的數據是否足夠“大”，因此，也有人稱數據為數字經濟的石油。
360金融的數據主要依託於360集團，後者擁有手機衛士、安全衛士、手機助手等幾款月活過億的產品，這是360數據的基礎，在國內，除了BAT這樣的公司之外，鮮有對手能在數據方面與其匹敵。這是360金融天生的資質。
目前，360金融的關係網數據擁有20億個節點，180億條邊，所謂節點就是手機號、設備、WIFI等，邊就是人之間的關係，關係網就是借款人的社交關係鏈，它在反欺詐領域具有重大的作用，通過無監督學習算法的使用，就能進行相似性聚類，比如幾個同時申請貸款的人都在一個地址或者有緊密的聯繫，系統就能識別出他們很可能是欺詐犯罪團伙。
為了保證數據的實時性，每隔三秒鐘，360金融後臺的關係數據就會刷新一次，任何一個應用調動數據時，系統都可以在秒級之內判斷用戶的好壞。
如果說數據是石油，那麼算法就是煉油的能力，360金融在算法上也有結構性的壓倒優勢。
例如，作為機器學習和人工智能領域中的一個前沿性研究方向，無監督學習算法已經在360金融的多個業務場景中得到了廣泛的應用，並獲得了令人矚目的成果。傳統的有監督學習算法需要首先依賴專家規則對樣本數據進行分類；在這一過程中，人工經驗的侷限性、分類錯誤以及有限的樣本數量都將不可避免地影響算法的實際效果；與之相對應的是，無監督學習算法可以在不需要人工干預的前提下分析海量業務數據，通過聚類和降維等方式自動地挖掘出其中隱含的數據邏輯，其算法精準度和自適應能力都有了顯著的提高。通過360金融在業內領先的實踐結果表明，使用無監督學習算法可以有效地檢測各類欺詐用戶和行為，有助於大幅度降低整體信貸風險；同時，通過該算法也可以對不同類型的用戶進行智能化的分群畫像，並通過採取精細和差異化策略進而獲得領先於其它同行的運營和風控效率。
經常半夜上網的用戶信用好不好？
手機內存多的用戶和手機內存低的用戶，哪種人信用好？
經常換Wifi的用戶和有比較固定Wifi的用戶，誰的違約概率高？
……
這些都是360金融無監督學習算法發現的，與違約率有關的“蛛絲馬跡”。用技術去了解客戶、服務客戶，360金融正因大數據和AI的能力，在金融科技的下半場形成結構化的競爭優勢。
2019年Q2季度， 360金融實現收入22.27億元人民幣，較2018年二季度9.79億元增長128%；淨利潤為6.18億元。金融機構的資金比例為85％，重複借款率為69.7％。
2019年8月底，央行發佈《金融科技（Fintech）發展規劃（2019-2021年）》（以下“《規劃》”）。《規劃》提出，央行指出，“將金融科技打造成為金融高質量發展的‘新引擎’”，並提出金融機構也要重視金融科技的應用。
隨著監管的明晰和市場的演化，在金融科技領域，金融公司與科技公司的分工越發明確，前者通過資產負債表放貸，輸出資金承擔風險，後者則在信貸的全流程提供科技賦能服務。二者共同形成新金融的產業鏈條。
360金融CEO吳海生認為，從2019年開始，金融科技已經進入下半場，對市場參與者的大數據、AI技術和人才實力將提出更高的要求。用吳海生的話說，對用戶的理解，對技術的追求是公司的立足點。
今天，360金融正持續在獲客、大數據和人工智能等先進技術上進行投入，來鞏固這種結構化優勢。
◆ ◆ ◆
風控——用“無監督學習”給用戶打標籤
中國的網貸行業始於2007年。當年，拍拍貸上線了第一筆P2P網絡貸款，此後數年，網貸行業形成了以P2P和網絡小貸為主要模式的生態格局。在2007年-2017年十年間，由於長期的金融壓抑和傳統金融機構對該市場的忽視，網貸市場需求呈現井噴狀態，行業迎來了野蠻生長的年代。
如果把這段時間稱之為金融科技上半場的話，那麼從2018年開始，隨著監管不斷加碼和經濟增速的下行，金融科技進入了以大數據和人工智能決勝的下半場。在眾多市場參與者中，360金融具備在下半場中逆勢上行的必要條件。
業界每論及人工智能，通常會提及數據、算法、算力、和場景四個要素。四者相輔相成，共同構成人工智能產業螺旋上升的正循環。
其中，數據最為重要，衡量一家金融科技公司的實力，首先要看它的數據是否足夠“大”，因此，也有人稱數據為數字經濟的石油。
360金融的數據主要依託於360集團，後者擁有手機衛士、安全衛士、手機助手等幾款月活過億的產品，這是360數據的基礎，在國內，除了BAT這樣的公司之外，鮮有對手能在數據方面與其匹敵。這是360金融天生的資質。
目前，360金融的關係網數據擁有20億個節點，180億條邊，所謂節點就是手機號、設備、WIFI等，邊就是人之間的關係，關係網就是借款人的社交關係鏈，它在反欺詐領域具有重大的作用，通過無監督學習算法的使用，就能進行相似性聚類，比如幾個同時申請貸款的人都在一個地址或者有緊密的聯繫，系統就能識別出他們很可能是欺詐犯罪團伙。
為了保證數據的實時性，每隔三秒鐘，360金融後臺的關係數據就會刷新一次，任何一個應用調動數據時，系統都可以在秒級之內判斷用戶的好壞。
如果說數據是石油，那麼算法就是煉油的能力，360金融在算法上也有結構性的壓倒優勢。
例如，作為機器學習和人工智能領域中的一個前沿性研究方向，無監督學習算法已經在360金融的多個業務場景中得到了廣泛的應用，並獲得了令人矚目的成果。傳統的有監督學習算法需要首先依賴專家規則對樣本數據進行分類；在這一過程中，人工經驗的侷限性、分類錯誤以及有限的樣本數量都將不可避免地影響算法的實際效果；與之相對應的是，無監督學習算法可以在不需要人工干預的前提下分析海量業務數據，通過聚類和降維等方式自動地挖掘出其中隱含的數據邏輯，其算法精準度和自適應能力都有了顯著的提高。通過360金融在業內領先的實踐結果表明，使用無監督學習算法可以有效地檢測各類欺詐用戶和行為，有助於大幅度降低整體信貸風險；同時，通過該算法也可以對不同類型的用戶進行智能化的分群畫像，並通過採取精細和差異化策略進而獲得領先於其它同行的運營和風控效率。
今天，在360金融的系統中，用戶的標籤已經不僅僅是年齡、學歷、職業等普通維度。比如，通過AI畫像，360金融可以動態預估用戶未來多頭借貸的變化狀況，如果提前感知到多頭借貸惡化，系統就會產生報警。
通過AI畫像，360金融可以進一步對用戶進行十幾個維度的區分，而這些AI打出來的標籤數目也在迅速增加之中，在同類別可比公司中，這是360金融的“獨門利器”。
金融的本質是給風險定價，因此瞭解用戶就成了金融第一性原則。在信貸領域，金融科技的應用的就是通過技術去捕捉用戶的需求，瞭解他的還款能力和還款意願。
藉助AI畫像， 360金融能更精準的對用戶進行刻畫和分群，這將在商業上帶來巨大的不同，因為在運營過程中，用戶分群越精準，就越能針對不同的群體採用相應策略，運營轉化和風控水平都會大大提升。
聚沙成塔。這些點滴間技術的提升，綜合在一起，讓360金融對借款人的信用評價產生結構性優勢。2019年Q2財報顯示，360金融超過90天的逾期率為1.02%，可比公司中具有領先優勢。
中國的消費金融和智能信貸市場正展示出巨大的潛力。一方面，在“房住不炒”等宏觀調控政策下，持牌金融機構需要將數十萬億的資產配置到零售和小微，這是資金供給層面的利好；另一方面，中國經濟也正在向消費升級，由此帶來的金融需求正在逐步顯現。
值得注意的是，二季度360金融科技服務促成的交易大幅增加，單季交易額達到38億元人民幣，佔全部放款額的8％，比上一季度增加10倍以上。科技服務是360金融的下一個發力點，預計未來，360金融的科技服務收入佔比將逐步提高。
你進我退，憑藉數據和技術能力，在別人謹慎躑躅時，360金融卻繼續保持著快速的增長。如果這種趨勢在較長時間維持，360金融的優勢會越發明顯。
經常半夜上網的用戶信用好不好？
手機內存多的用戶和手機內存低的用戶，哪種人信用好？
經常換Wifi的用戶和有比較固定Wifi的用戶，誰的違約概率高？
……
這些都是360金融無監督學習算法發現的，與違約率有關的“蛛絲馬跡”。用技術去了解客戶、服務客戶，360金融正因大數據和AI的能力，在金融科技的下半場形成結構化的競爭優勢。
2019年Q2季度， 360金融實現收入22.27億元人民幣，較2018年二季度9.79億元增長128%；淨利潤為6.18億元。金融機構的資金比例為85％，重複借款率為69.7％。
2019年8月底，央行發佈《金融科技（Fintech）發展規劃（2019-2021年）》（以下“《規劃》”）。《規劃》提出，央行指出，“將金融科技打造成為金融高質量發展的‘新引擎’”，並提出金融機構也要重視金融科技的應用。
隨著監管的明晰和市場的演化，在金融科技領域，金融公司與科技公司的分工越發明確，前者通過資產負債表放貸，輸出資金承擔風險，後者則在信貸的全流程提供科技賦能服務。二者共同形成新金融的產業鏈條。
360金融CEO吳海生認為，從2019年開始，金融科技已經進入下半場，對市場參與者的大數據、AI技術和人才實力將提出更高的要求。用吳海生的話說，對用戶的理解，對技術的追求是公司的立足點。
今天，360金融正持續在獲客、大數據和人工智能等先進技術上進行投入，來鞏固這種結構化優勢。
◆ ◆ ◆
風控——用“無監督學習”給用戶打標籤
中國的網貸行業始於2007年。當年，拍拍貸上線了第一筆P2P網絡貸款，此後數年，網貸行業形成了以P2P和網絡小貸為主要模式的生態格局。在2007年-2017年十年間，由於長期的金融壓抑和傳統金融機構對該市場的忽視，網貸市場需求呈現井噴狀態，行業迎來了野蠻生長的年代。
如果把這段時間稱之為金融科技上半場的話，那麼從2018年開始，隨著監管不斷加碼和經濟增速的下行，金融科技進入了以大數據和人工智能決勝的下半場。在眾多市場參與者中，360金融具備在下半場中逆勢上行的必要條件。
業界每論及人工智能，通常會提及數據、算法、算力、和場景四個要素。四者相輔相成，共同構成人工智能產業螺旋上升的正循環。
其中，數據最為重要，衡量一家金融科技公司的實力，首先要看它的數據是否足夠“大”，因此，也有人稱數據為數字經濟的石油。
360金融的數據主要依託於360集團，後者擁有手機衛士、安全衛士、手機助手等幾款月活過億的產品，這是360數據的基礎，在國內，除了BAT這樣的公司之外，鮮有對手能在數據方面與其匹敵。這是360金融天生的資質。
目前，360金融的關係網數據擁有20億個節點，180億條邊，所謂節點就是手機號、設備、WIFI等，邊就是人之間的關係，關係網就是借款人的社交關係鏈，它在反欺詐領域具有重大的作用，通過無監督學習算法的使用，就能進行相似性聚類，比如幾個同時申請貸款的人都在一個地址或者有緊密的聯繫，系統就能識別出他們很可能是欺詐犯罪團伙。
為了保證數據的實時性，每隔三秒鐘，360金融後臺的關係數據就會刷新一次，任何一個應用調動數據時，系統都可以在秒級之內判斷用戶的好壞。
如果說數據是石油，那麼算法就是煉油的能力，360金融在算法上也有結構性的壓倒優勢。
例如，作為機器學習和人工智能領域中的一個前沿性研究方向，無監督學習算法已經在360金融的多個業務場景中得到了廣泛的應用，並獲得了令人矚目的成果。傳統的有監督學習算法需要首先依賴專家規則對樣本數據進行分類；在這一過程中，人工經驗的侷限性、分類錯誤以及有限的樣本數量都將不可避免地影響算法的實際效果；與之相對應的是，無監督學習算法可以在不需要人工干預的前提下分析海量業務數據，通過聚類和降維等方式自動地挖掘出其中隱含的數據邏輯，其算法精準度和自適應能力都有了顯著的提高。通過360金融在業內領先的實踐結果表明，使用無監督學習算法可以有效地檢測各類欺詐用戶和行為，有助於大幅度降低整體信貸風險；同時，通過該算法也可以對不同類型的用戶進行智能化的分群畫像，並通過採取精細和差異化策略進而獲得領先於其它同行的運營和風控效率。
今天，在360金融的系統中，用戶的標籤已經不僅僅是年齡、學歷、職業等普通維度。比如，通過AI畫像，360金融可以動態預估用戶未來多頭借貸的變化狀況，如果提前感知到多頭借貸惡化，系統就會產生報警。
通過AI畫像，360金融可以進一步對用戶進行十幾個維度的區分，而這些AI打出來的標籤數目也在迅速增加之中，在同類別可比公司中，這是360金融的“獨門利器”。
金融的本質是給風險定價，因此瞭解用戶就成了金融第一性原則。在信貸領域，金融科技的應用的就是通過技術去捕捉用戶的需求，瞭解他的還款能力和還款意願。
藉助AI畫像， 360金融能更精準的對用戶進行刻畫和分群，這將在商業上帶來巨大的不同，因為在運營過程中，用戶分群越精準，就越能針對不同的群體採用相應策略，運營轉化和風控水平都會大大提升。
聚沙成塔。這些點滴間技術的提升，綜合在一起，讓360金融對借款人的信用評價產生結構性優勢。2019年Q2財報顯示，360金融超過90天的逾期率為1.02%，可比公司中具有領先優勢。
中國的消費金融和智能信貸市場正展示出巨大的潛力。一方面，在“房住不炒”等宏觀調控政策下，持牌金融機構需要將數十萬億的資產配置到零售和小微，這是資金供給層面的利好；另一方面，中國經濟也正在向消費升級，由此帶來的金融需求正在逐步顯現。
值得注意的是，二季度360金融科技服務促成的交易大幅增加，單季交易額達到38億元人民幣，佔全部放款額的8％，比上一季度增加10倍以上。科技服務是360金融的下一個發力點，預計未來，360金融的科技服務收入佔比將逐步提高。
你進我退，憑藉數據和技術能力，在別人謹慎躑躅時，360金融卻繼續保持著快速的增長。如果這種趨勢在較長時間維持，360金融的優勢會越發明顯。
◆ ◆ ◆
獲客——數據和算法支持的精準投放就是那個金剛鑽
要想在激烈的競爭中立足，360金融就要找到好的用戶。業務發展初期，360金融用戶主要來自360集團。但是很快，母公司提供的流量已經不能滿足360金融的快速發展，迫切需要通過外部合作獲取更多的流量。
對此，一般人腦海裡的直接反應，就是去電視臺打廣告，或者找平臺買流量。這種打法現在的確仍然是主流，360金融剛開始跟第三方的流量平臺合作的時候並沒有不同。但這種方式精準程度較低，資源大部分浪費掉了，在電視廣告浪費了50%，在互聯網浪費了30%。
一些缺少數據分析能力的網貸平臺，會轉向貸款超市，但是貸款超市的用戶多頭借貸佔比較高，如果接進來這樣的客戶，客觀上就決定了平臺只能做36%以上的不合規生意。
既要獲得優質的流量，又要儘可能控制成本，還要提高轉化率，，這個“既要-又要-還要”變成了360金融亟待解決的問題。
如何讓浪費降低、把“簡單粗放”的獲客方式轉變成“精準智能“的獲客方式，這就靠數據、模型和機器學習。
沿著這種思路，360金融獨立開發了DSP廣告投放平臺。簡單的說，就是改變流量投放照單全收的情形：在一個廣告於流量平臺曝光之前，合作平臺方會先找DSP確認一下要不要投放，以及出價是多少。
思路很簡單的，但是做這個事情門檻很高。
經常半夜上網的用戶信用好不好？
手機內存多的用戶和手機內存低的用戶，哪種人信用好？
經常換Wifi的用戶和有比較固定Wifi的用戶，誰的違約概率高？
……
這些都是360金融無監督學習算法發現的，與違約率有關的“蛛絲馬跡”。用技術去了解客戶、服務客戶，360金融正因大數據和AI的能力，在金融科技的下半場形成結構化的競爭優勢。
2019年Q2季度， 360金融實現收入22.27億元人民幣，較2018年二季度9.79億元增長128%；淨利潤為6.18億元。金融機構的資金比例為85％，重複借款率為69.7％。
2019年8月底，央行發佈《金融科技（Fintech）發展規劃（2019-2021年）》（以下“《規劃》”）。《規劃》提出，央行指出，“將金融科技打造成為金融高質量發展的‘新引擎’”，並提出金融機構也要重視金融科技的應用。
隨著監管的明晰和市場的演化，在金融科技領域，金融公司與科技公司的分工越發明確，前者通過資產負債表放貸，輸出資金承擔風險，後者則在信貸的全流程提供科技賦能服務。二者共同形成新金融的產業鏈條。
360金融CEO吳海生認為，從2019年開始，金融科技已經進入下半場，對市場參與者的大數據、AI技術和人才實力將提出更高的要求。用吳海生的話說，對用戶的理解，對技術的追求是公司的立足點。
今天，360金融正持續在獲客、大數據和人工智能等先進技術上進行投入，來鞏固這種結構化優勢。
◆ ◆ ◆
風控——用“無監督學習”給用戶打標籤
中國的網貸行業始於2007年。當年，拍拍貸上線了第一筆P2P網絡貸款，此後數年，網貸行業形成了以P2P和網絡小貸為主要模式的生態格局。在2007年-2017年十年間，由於長期的金融壓抑和傳統金融機構對該市場的忽視，網貸市場需求呈現井噴狀態，行業迎來了野蠻生長的年代。
如果把這段時間稱之為金融科技上半場的話，那麼從2018年開始，隨著監管不斷加碼和經濟增速的下行，金融科技進入了以大數據和人工智能決勝的下半場。在眾多市場參與者中，360金融具備在下半場中逆勢上行的必要條件。
業界每論及人工智能，通常會提及數據、算法、算力、和場景四個要素。四者相輔相成，共同構成人工智能產業螺旋上升的正循環。
其中，數據最為重要，衡量一家金融科技公司的實力，首先要看它的數據是否足夠“大”，因此，也有人稱數據為數字經濟的石油。
360金融的數據主要依託於360集團，後者擁有手機衛士、安全衛士、手機助手等幾款月活過億的產品，這是360數據的基礎，在國內，除了BAT這樣的公司之外，鮮有對手能在數據方面與其匹敵。這是360金融天生的資質。
目前，360金融的關係網數據擁有20億個節點，180億條邊，所謂節點就是手機號、設備、WIFI等，邊就是人之間的關係，關係網就是借款人的社交關係鏈，它在反欺詐領域具有重大的作用，通過無監督學習算法的使用，就能進行相似性聚類，比如幾個同時申請貸款的人都在一個地址或者有緊密的聯繫，系統就能識別出他們很可能是欺詐犯罪團伙。
為了保證數據的實時性，每隔三秒鐘，360金融後臺的關係數據就會刷新一次，任何一個應用調動數據時，系統都可以在秒級之內判斷用戶的好壞。
如果說數據是石油，那麼算法就是煉油的能力，360金融在算法上也有結構性的壓倒優勢。
例如，作為機器學習和人工智能領域中的一個前沿性研究方向，無監督學習算法已經在360金融的多個業務場景中得到了廣泛的應用，並獲得了令人矚目的成果。傳統的有監督學習算法需要首先依賴專家規則對樣本數據進行分類；在這一過程中，人工經驗的侷限性、分類錯誤以及有限的樣本數量都將不可避免地影響算法的實際效果；與之相對應的是，無監督學習算法可以在不需要人工干預的前提下分析海量業務數據，通過聚類和降維等方式自動地挖掘出其中隱含的數據邏輯，其算法精準度和自適應能力都有了顯著的提高。通過360金融在業內領先的實踐結果表明，使用無監督學習算法可以有效地檢測各類欺詐用戶和行為，有助於大幅度降低整體信貸風險；同時，通過該算法也可以對不同類型的用戶進行智能化的分群畫像，並通過採取精細和差異化策略進而獲得領先於其它同行的運營和風控效率。
今天，在360金融的系統中，用戶的標籤已經不僅僅是年齡、學歷、職業等普通維度。比如，通過AI畫像，360金融可以動態預估用戶未來多頭借貸的變化狀況，如果提前感知到多頭借貸惡化，系統就會產生報警。
通過AI畫像，360金融可以進一步對用戶進行十幾個維度的區分，而這些AI打出來的標籤數目也在迅速增加之中，在同類別可比公司中，這是360金融的“獨門利器”。
金融的本質是給風險定價，因此瞭解用戶就成了金融第一性原則。在信貸領域，金融科技的應用的就是通過技術去捕捉用戶的需求，瞭解他的還款能力和還款意願。
藉助AI畫像， 360金融能更精準的對用戶進行刻畫和分群，這將在商業上帶來巨大的不同，因為在運營過程中，用戶分群越精準，就越能針對不同的群體採用相應策略，運營轉化和風控水平都會大大提升。
聚沙成塔。這些點滴間技術的提升，綜合在一起，讓360金融對借款人的信用評價產生結構性優勢。2019年Q2財報顯示，360金融超過90天的逾期率為1.02%，可比公司中具有領先優勢。
中國的消費金融和智能信貸市場正展示出巨大的潛力。一方面，在“房住不炒”等宏觀調控政策下，持牌金融機構需要將數十萬億的資產配置到零售和小微，這是資金供給層面的利好；另一方面，中國經濟也正在向消費升級，由此帶來的金融需求正在逐步顯現。
值得注意的是，二季度360金融科技服務促成的交易大幅增加，單季交易額達到38億元人民幣，佔全部放款額的8％，比上一季度增加10倍以上。科技服務是360金融的下一個發力點，預計未來，360金融的科技服務收入佔比將逐步提高。
你進我退，憑藉數據和技術能力，在別人謹慎躑躅時，360金融卻繼續保持著快速的增長。如果這種趨勢在較長時間維持，360金融的優勢會越發明顯。
◆ ◆ ◆
獲客——數據和算法支持的精準投放就是那個金剛鑽
要想在激烈的競爭中立足，360金融就要找到好的用戶。業務發展初期，360金融用戶主要來自360集團。但是很快，母公司提供的流量已經不能滿足360金融的快速發展，迫切需要通過外部合作獲取更多的流量。
對此，一般人腦海裡的直接反應，就是去電視臺打廣告，或者找平臺買流量。這種打法現在的確仍然是主流，360金融剛開始跟第三方的流量平臺合作的時候並沒有不同。但這種方式精準程度較低，資源大部分浪費掉了，在電視廣告浪費了50%，在互聯網浪費了30%。
一些缺少數據分析能力的網貸平臺，會轉向貸款超市，但是貸款超市的用戶多頭借貸佔比較高，如果接進來這樣的客戶，客觀上就決定了平臺只能做36%以上的不合規生意。
既要獲得優質的流量，又要儘可能控制成本，還要提高轉化率，，這個“既要-又要-還要”變成了360金融亟待解決的問題。
如何讓浪費降低、把“簡單粗放”的獲客方式轉變成“精準智能“的獲客方式，這就靠數據、模型和機器學習。
沿著這種思路，360金融獨立開發了DSP廣告投放平臺。簡單的說，就是改變流量投放照單全收的情形：在一個廣告於流量平臺曝光之前，合作平臺方會先找DSP確認一下要不要投放，以及出價是多少。
思路很簡單的，但是做這個事情門檻很高。
首先做這個事情需要極高的數據覆蓋，如果360金融提前對用戶不瞭解，就不知道他有沒有需求，也就沒法決定要不要曝光。如果DSP胡亂決定，成本反而更高。
有了數據和智能算法，才能做到對受眾的精準定向，把有限的資源投最有希望的用戶身上，如果流量方推過來的人資質比較差，360金融就會拒絕投放；如果用戶風險低、資質好，公司就能出比別人更高的價格。
每天，DSP廣告投放平臺獲得的請求超百億次，回覆請求的時間要以毫秒計，因為流量方不可能讓用戶等兩秒再看到廣告，眨眼間就要做出判斷。
廣告的收費方式是點擊量，用戶點擊的時間非常短，但是，信貸產品轉化漏斗的環節是非常長，“一長一短”之間，對於後續轉化率形成了很大的挑戰。DSP基於大數據做了針對性的營銷評分，它會自動計算用戶貸款需求到底多高，並形成貸款意願分，以求在投放和轉化之間做出最精確的計算。在決定投放的剎那間，DSP已經對轉化率做了預判。
目前，DSP廣告投放平臺已經接入近百家流量方，響應時間低至0.1秒，覆蓋面包括：App Store和各種應用商城、今日頭條等信息流產品、快手、抖音等短視頻。
DSP讓360金融能夠持續的在流量上進行投入，2019年Q2，360金融延續了之前在獲客上的投入，這在流量枯竭的今天，是非常突出的競爭優勢，在別人已經找不到流量時，360金融還在為未來投資。
在不到三年的時間裡，360金融已經獲取了超過1億的註冊用戶。這一方面是源自360金融將獲客視為長期投資的積極獲客策略，另一方面， 其獨立開發的大數據獲客系統也為大規模獲客提供了堅實的技術保障。
財報顯示，截至2019年6月30日，360金融累計註冊人數1.09億，較去年同期5560萬增長96%，環比增加15%；授信用戶數量為1923萬人，較去年同期716萬人增長169%，環比增長20%；累計借款人達1254萬人，較去年同期469萬人增長167%，環比增長20%。
經常半夜上網的用戶信用好不好？
手機內存多的用戶和手機內存低的用戶，哪種人信用好？
經常換Wifi的用戶和有比較固定Wifi的用戶，誰的違約概率高？
……
這些都是360金融無監督學習算法發現的，與違約率有關的“蛛絲馬跡”。用技術去了解客戶、服務客戶，360金融正因大數據和AI的能力，在金融科技的下半場形成結構化的競爭優勢。
2019年Q2季度， 360金融實現收入22.27億元人民幣，較2018年二季度9.79億元增長128%；淨利潤為6.18億元。金融機構的資金比例為85％，重複借款率為69.7％。
2019年8月底，央行發佈《金融科技（Fintech）發展規劃（2019-2021年）》（以下“《規劃》”）。《規劃》提出，央行指出，“將金融科技打造成為金融高質量發展的‘新引擎’”，並提出金融機構也要重視金融科技的應用。
隨著監管的明晰和市場的演化，在金融科技領域，金融公司與科技公司的分工越發明確，前者通過資產負債表放貸，輸出資金承擔風險，後者則在信貸的全流程提供科技賦能服務。二者共同形成新金融的產業鏈條。
360金融CEO吳海生認為，從2019年開始，金融科技已經進入下半場，對市場參與者的大數據、AI技術和人才實力將提出更高的要求。用吳海生的話說，對用戶的理解，對技術的追求是公司的立足點。
今天，360金融正持續在獲客、大數據和人工智能等先進技術上進行投入，來鞏固這種結構化優勢。
◆ ◆ ◆
風控——用“無監督學習”給用戶打標籤
中國的網貸行業始於2007年。當年，拍拍貸上線了第一筆P2P網絡貸款，此後數年，網貸行業形成了以P2P和網絡小貸為主要模式的生態格局。在2007年-2017年十年間，由於長期的金融壓抑和傳統金融機構對該市場的忽視，網貸市場需求呈現井噴狀態，行業迎來了野蠻生長的年代。
如果把這段時間稱之為金融科技上半場的話，那麼從2018年開始，隨著監管不斷加碼和經濟增速的下行，金融科技進入了以大數據和人工智能決勝的下半場。在眾多市場參與者中，360金融具備在下半場中逆勢上行的必要條件。
業界每論及人工智能，通常會提及數據、算法、算力、和場景四個要素。四者相輔相成，共同構成人工智能產業螺旋上升的正循環。
其中，數據最為重要，衡量一家金融科技公司的實力，首先要看它的數據是否足夠“大”，因此，也有人稱數據為數字經濟的石油。
360金融的數據主要依託於360集團，後者擁有手機衛士、安全衛士、手機助手等幾款月活過億的產品，這是360數據的基礎，在國內，除了BAT這樣的公司之外，鮮有對手能在數據方面與其匹敵。這是360金融天生的資質。
目前，360金融的關係網數據擁有20億個節點，180億條邊，所謂節點就是手機號、設備、WIFI等，邊就是人之間的關係，關係網就是借款人的社交關係鏈，它在反欺詐領域具有重大的作用，通過無監督學習算法的使用，就能進行相似性聚類，比如幾個同時申請貸款的人都在一個地址或者有緊密的聯繫，系統就能識別出他們很可能是欺詐犯罪團伙。
為了保證數據的實時性，每隔三秒鐘，360金融後臺的關係數據就會刷新一次，任何一個應用調動數據時，系統都可以在秒級之內判斷用戶的好壞。
如果說數據是石油，那麼算法就是煉油的能力，360金融在算法上也有結構性的壓倒優勢。
例如，作為機器學習和人工智能領域中的一個前沿性研究方向，無監督學習算法已經在360金融的多個業務場景中得到了廣泛的應用，並獲得了令人矚目的成果。傳統的有監督學習算法需要首先依賴專家規則對樣本數據進行分類；在這一過程中，人工經驗的侷限性、分類錯誤以及有限的樣本數量都將不可避免地影響算法的實際效果；與之相對應的是，無監督學習算法可以在不需要人工干預的前提下分析海量業務數據，通過聚類和降維等方式自動地挖掘出其中隱含的數據邏輯，其算法精準度和自適應能力都有了顯著的提高。通過360金融在業內領先的實踐結果表明，使用無監督學習算法可以有效地檢測各類欺詐用戶和行為，有助於大幅度降低整體信貸風險；同時，通過該算法也可以對不同類型的用戶進行智能化的分群畫像，並通過採取精細和差異化策略進而獲得領先於其它同行的運營和風控效率。
今天，在360金融的系統中，用戶的標籤已經不僅僅是年齡、學歷、職業等普通維度。比如，通過AI畫像，360金融可以動態預估用戶未來多頭借貸的變化狀況，如果提前感知到多頭借貸惡化，系統就會產生報警。
通過AI畫像，360金融可以進一步對用戶進行十幾個維度的區分，而這些AI打出來的標籤數目也在迅速增加之中，在同類別可比公司中，這是360金融的“獨門利器”。
金融的本質是給風險定價，因此瞭解用戶就成了金融第一性原則。在信貸領域，金融科技的應用的就是通過技術去捕捉用戶的需求，瞭解他的還款能力和還款意願。
藉助AI畫像， 360金融能更精準的對用戶進行刻畫和分群，這將在商業上帶來巨大的不同，因為在運營過程中，用戶分群越精準，就越能針對不同的群體採用相應策略，運營轉化和風控水平都會大大提升。
聚沙成塔。這些點滴間技術的提升，綜合在一起，讓360金融對借款人的信用評價產生結構性優勢。2019年Q2財報顯示，360金融超過90天的逾期率為1.02%，可比公司中具有領先優勢。
中國的消費金融和智能信貸市場正展示出巨大的潛力。一方面，在“房住不炒”等宏觀調控政策下，持牌金融機構需要將數十萬億的資產配置到零售和小微，這是資金供給層面的利好；另一方面，中國經濟也正在向消費升級，由此帶來的金融需求正在逐步顯現。
值得注意的是，二季度360金融科技服務促成的交易大幅增加，單季交易額達到38億元人民幣，佔全部放款額的8％，比上一季度增加10倍以上。科技服務是360金融的下一個發力點，預計未來，360金融的科技服務收入佔比將逐步提高。
你進我退，憑藉數據和技術能力，在別人謹慎躑躅時，360金融卻繼續保持著快速的增長。如果這種趨勢在較長時間維持，360金融的優勢會越發明顯。
◆ ◆ ◆
獲客——數據和算法支持的精準投放就是那個金剛鑽
要想在激烈的競爭中立足，360金融就要找到好的用戶。業務發展初期，360金融用戶主要來自360集團。但是很快，母公司提供的流量已經不能滿足360金融的快速發展，迫切需要通過外部合作獲取更多的流量。
對此，一般人腦海裡的直接反應，就是去電視臺打廣告，或者找平臺買流量。這種打法現在的確仍然是主流，360金融剛開始跟第三方的流量平臺合作的時候並沒有不同。但這種方式精準程度較低，資源大部分浪費掉了，在電視廣告浪費了50%，在互聯網浪費了30%。
一些缺少數據分析能力的網貸平臺，會轉向貸款超市，但是貸款超市的用戶多頭借貸佔比較高，如果接進來這樣的客戶，客觀上就決定了平臺只能做36%以上的不合規生意。
既要獲得優質的流量，又要儘可能控制成本，還要提高轉化率，，這個“既要-又要-還要”變成了360金融亟待解決的問題。
如何讓浪費降低、把“簡單粗放”的獲客方式轉變成“精準智能“的獲客方式，這就靠數據、模型和機器學習。
沿著這種思路，360金融獨立開發了DSP廣告投放平臺。簡單的說，就是改變流量投放照單全收的情形：在一個廣告於流量平臺曝光之前，合作平臺方會先找DSP確認一下要不要投放，以及出價是多少。
思路很簡單的，但是做這個事情門檻很高。
首先做這個事情需要極高的數據覆蓋，如果360金融提前對用戶不瞭解，就不知道他有沒有需求，也就沒法決定要不要曝光。如果DSP胡亂決定，成本反而更高。
有了數據和智能算法，才能做到對受眾的精準定向，把有限的資源投最有希望的用戶身上，如果流量方推過來的人資質比較差，360金融就會拒絕投放；如果用戶風險低、資質好，公司就能出比別人更高的價格。
每天，DSP廣告投放平臺獲得的請求超百億次，回覆請求的時間要以毫秒計，因為流量方不可能讓用戶等兩秒再看到廣告，眨眼間就要做出判斷。
廣告的收費方式是點擊量，用戶點擊的時間非常短，但是，信貸產品轉化漏斗的環節是非常長，“一長一短”之間，對於後續轉化率形成了很大的挑戰。DSP基於大數據做了針對性的營銷評分，它會自動計算用戶貸款需求到底多高，並形成貸款意願分，以求在投放和轉化之間做出最精確的計算。在決定投放的剎那間，DSP已經對轉化率做了預判。
目前，DSP廣告投放平臺已經接入近百家流量方，響應時間低至0.1秒，覆蓋面包括：App Store和各種應用商城、今日頭條等信息流產品、快手、抖音等短視頻。
DSP讓360金融能夠持續的在流量上進行投入，2019年Q2，360金融延續了之前在獲客上的投入，這在流量枯竭的今天，是非常突出的競爭優勢，在別人已經找不到流量時，360金融還在為未來投資。
在不到三年的時間裡，360金融已經獲取了超過1億的註冊用戶。這一方面是源自360金融將獲客視為長期投資的積極獲客策略，另一方面， 其獨立開發的大數據獲客系統也為大規模獲客提供了堅實的技術保障。
財報顯示，截至2019年6月30日，360金融累計註冊人數1.09億，較去年同期5560萬增長96%，環比增加15%；授信用戶數量為1923萬人，較去年同期716萬人增長169%，環比增長20%；累計借款人達1254萬人，較去年同期469萬人增長167%，環比增長20%。
◆ ◆ ◆
催收——機器人在說方言
催收，這是每一家金融機構都面臨的問題。
催收行業的流動性特別大。很多人受不了一天打四五百個電話，工作一個月就離職了，導致管理、培訓成本特別高。行業的不穩定，也導致了催收人員素質參差不齊，催收質量、客戶體驗方面的統一性很難保證。
今天，在360金融，75%的催收工作是靠機器人來完成的。機器人不只是給用戶打電話，還在策劃催收工作的進度安排。
憑藉先進的語義識別技術，360金融的催收機器人能夠做到：第一，你聽不出來它是機器；第二，你跟它互動幾次，依然發現不了它是機器。
最有意思的是，它不僅會普通話，而且還會方言，甚至是介於普通話與方言之間的發音，比如川普（四川普通話）、粵語。
用機器人把大量簡單問題解決，相對複雜一點的問題，則需要人機結合一起把效果進一步提升上去。
人一旦參與進來，就又面臨質量管理、客戶體驗方面的統一性很難保證的難題，——質檢機器人就變得很有必要。
例如，員工為了提高自己的工作效益，可能會對用戶使用一些不當的用詞，或者語氣不夠好，質檢機器人就會把他們所有的電話和語音、文字，實時的進行編輯，把他的態度、關鍵詞識別出來。
很多時候，員工也會因為一些事情（如失戀）鬧情緒，很難控制自己的行為。質檢機器人可以通過聲音音調的突變檢測情緒，一些相關業務人員做確認後，就可以及時疏導他的工作狀態，如果影響到了客戶，則要進行必要的安撫。
經常半夜上網的用戶信用好不好？
手機內存多的用戶和手機內存低的用戶，哪種人信用好？
經常換Wifi的用戶和有比較固定Wifi的用戶，誰的違約概率高？
……
這些都是360金融無監督學習算法發現的，與違約率有關的“蛛絲馬跡”。用技術去了解客戶、服務客戶，360金融正因大數據和AI的能力，在金融科技的下半場形成結構化的競爭優勢。
2019年Q2季度， 360金融實現收入22.27億元人民幣，較2018年二季度9.79億元增長128%；淨利潤為6.18億元。金融機構的資金比例為85％，重複借款率為69.7％。
2019年8月底，央行發佈《金融科技（Fintech）發展規劃（2019-2021年）》（以下“《規劃》”）。《規劃》提出，央行指出，“將金融科技打造成為金融高質量發展的‘新引擎’”，並提出金融機構也要重視金融科技的應用。
隨著監管的明晰和市場的演化，在金融科技領域，金融公司與科技公司的分工越發明確，前者通過資產負債表放貸，輸出資金承擔風險，後者則在信貸的全流程提供科技賦能服務。二者共同形成新金融的產業鏈條。
360金融CEO吳海生認為，從2019年開始，金融科技已經進入下半場，對市場參與者的大數據、AI技術和人才實力將提出更高的要求。用吳海生的話說，對用戶的理解，對技術的追求是公司的立足點。
今天，360金融正持續在獲客、大數據和人工智能等先進技術上進行投入，來鞏固這種結構化優勢。
◆ ◆ ◆
風控——用“無監督學習”給用戶打標籤
中國的網貸行業始於2007年。當年，拍拍貸上線了第一筆P2P網絡貸款，此後數年，網貸行業形成了以P2P和網絡小貸為主要模式的生態格局。在2007年-2017年十年間，由於長期的金融壓抑和傳統金融機構對該市場的忽視，網貸市場需求呈現井噴狀態，行業迎來了野蠻生長的年代。
如果把這段時間稱之為金融科技上半場的話，那麼從2018年開始，隨著監管不斷加碼和經濟增速的下行，金融科技進入了以大數據和人工智能決勝的下半場。在眾多市場參與者中，360金融具備在下半場中逆勢上行的必要條件。
業界每論及人工智能，通常會提及數據、算法、算力、和場景四個要素。四者相輔相成，共同構成人工智能產業螺旋上升的正循環。
其中，數據最為重要，衡量一家金融科技公司的實力，首先要看它的數據是否足夠“大”，因此，也有人稱數據為數字經濟的石油。
360金融的數據主要依託於360集團，後者擁有手機衛士、安全衛士、手機助手等幾款月活過億的產品，這是360數據的基礎，在國內，除了BAT這樣的公司之外，鮮有對手能在數據方面與其匹敵。這是360金融天生的資質。
目前，360金融的關係網數據擁有20億個節點，180億條邊，所謂節點就是手機號、設備、WIFI等，邊就是人之間的關係，關係網就是借款人的社交關係鏈，它在反欺詐領域具有重大的作用，通過無監督學習算法的使用，就能進行相似性聚類，比如幾個同時申請貸款的人都在一個地址或者有緊密的聯繫，系統就能識別出他們很可能是欺詐犯罪團伙。
為了保證數據的實時性，每隔三秒鐘，360金融後臺的關係數據就會刷新一次，任何一個應用調動數據時，系統都可以在秒級之內判斷用戶的好壞。
如果說數據是石油，那麼算法就是煉油的能力，360金融在算法上也有結構性的壓倒優勢。
例如，作為機器學習和人工智能領域中的一個前沿性研究方向，無監督學習算法已經在360金融的多個業務場景中得到了廣泛的應用，並獲得了令人矚目的成果。傳統的有監督學習算法需要首先依賴專家規則對樣本數據進行分類；在這一過程中，人工經驗的侷限性、分類錯誤以及有限的樣本數量都將不可避免地影響算法的實際效果；與之相對應的是，無監督學習算法可以在不需要人工干預的前提下分析海量業務數據，通過聚類和降維等方式自動地挖掘出其中隱含的數據邏輯，其算法精準度和自適應能力都有了顯著的提高。通過360金融在業內領先的實踐結果表明，使用無監督學習算法可以有效地檢測各類欺詐用戶和行為，有助於大幅度降低整體信貸風險；同時，通過該算法也可以對不同類型的用戶進行智能化的分群畫像，並通過採取精細和差異化策略進而獲得領先於其它同行的運營和風控效率。
今天，在360金融的系統中，用戶的標籤已經不僅僅是年齡、學歷、職業等普通維度。比如，通過AI畫像，360金融可以動態預估用戶未來多頭借貸的變化狀況，如果提前感知到多頭借貸惡化，系統就會產生報警。
通過AI畫像，360金融可以進一步對用戶進行十幾個維度的區分，而這些AI打出來的標籤數目也在迅速增加之中，在同類別可比公司中，這是360金融的“獨門利器”。
金融的本質是給風險定價，因此瞭解用戶就成了金融第一性原則。在信貸領域，金融科技的應用的就是通過技術去捕捉用戶的需求，瞭解他的還款能力和還款意願。
藉助AI畫像， 360金融能更精準的對用戶進行刻畫和分群，這將在商業上帶來巨大的不同，因為在運營過程中，用戶分群越精準，就越能針對不同的群體採用相應策略，運營轉化和風控水平都會大大提升。
聚沙成塔。這些點滴間技術的提升，綜合在一起，讓360金融對借款人的信用評價產生結構性優勢。2019年Q2財報顯示，360金融超過90天的逾期率為1.02%，可比公司中具有領先優勢。
中國的消費金融和智能信貸市場正展示出巨大的潛力。一方面，在“房住不炒”等宏觀調控政策下，持牌金融機構需要將數十萬億的資產配置到零售和小微，這是資金供給層面的利好；另一方面，中國經濟也正在向消費升級，由此帶來的金融需求正在逐步顯現。
值得注意的是，二季度360金融科技服務促成的交易大幅增加，單季交易額達到38億元人民幣，佔全部放款額的8％，比上一季度增加10倍以上。科技服務是360金融的下一個發力點，預計未來，360金融的科技服務收入佔比將逐步提高。
你進我退，憑藉數據和技術能力，在別人謹慎躑躅時，360金融卻繼續保持著快速的增長。如果這種趨勢在較長時間維持，360金融的優勢會越發明顯。
◆ ◆ ◆
獲客——數據和算法支持的精準投放就是那個金剛鑽
要想在激烈的競爭中立足，360金融就要找到好的用戶。業務發展初期，360金融用戶主要來自360集團。但是很快，母公司提供的流量已經不能滿足360金融的快速發展，迫切需要通過外部合作獲取更多的流量。
對此，一般人腦海裡的直接反應，就是去電視臺打廣告，或者找平臺買流量。這種打法現在的確仍然是主流，360金融剛開始跟第三方的流量平臺合作的時候並沒有不同。但這種方式精準程度較低，資源大部分浪費掉了，在電視廣告浪費了50%，在互聯網浪費了30%。
一些缺少數據分析能力的網貸平臺，會轉向貸款超市，但是貸款超市的用戶多頭借貸佔比較高，如果接進來這樣的客戶，客觀上就決定了平臺只能做36%以上的不合規生意。
既要獲得優質的流量，又要儘可能控制成本，還要提高轉化率，，這個“既要-又要-還要”變成了360金融亟待解決的問題。
如何讓浪費降低、把“簡單粗放”的獲客方式轉變成“精準智能“的獲客方式，這就靠數據、模型和機器學習。
沿著這種思路，360金融獨立開發了DSP廣告投放平臺。簡單的說，就是改變流量投放照單全收的情形：在一個廣告於流量平臺曝光之前，合作平臺方會先找DSP確認一下要不要投放，以及出價是多少。
思路很簡單的，但是做這個事情門檻很高。
首先做這個事情需要極高的數據覆蓋，如果360金融提前對用戶不瞭解，就不知道他有沒有需求，也就沒法決定要不要曝光。如果DSP胡亂決定，成本反而更高。
有了數據和智能算法，才能做到對受眾的精準定向，把有限的資源投最有希望的用戶身上，如果流量方推過來的人資質比較差，360金融就會拒絕投放；如果用戶風險低、資質好，公司就能出比別人更高的價格。
每天，DSP廣告投放平臺獲得的請求超百億次，回覆請求的時間要以毫秒計，因為流量方不可能讓用戶等兩秒再看到廣告，眨眼間就要做出判斷。
廣告的收費方式是點擊量，用戶點擊的時間非常短，但是，信貸產品轉化漏斗的環節是非常長，“一長一短”之間，對於後續轉化率形成了很大的挑戰。DSP基於大數據做了針對性的營銷評分，它會自動計算用戶貸款需求到底多高，並形成貸款意願分，以求在投放和轉化之間做出最精確的計算。在決定投放的剎那間，DSP已經對轉化率做了預判。
目前，DSP廣告投放平臺已經接入近百家流量方，響應時間低至0.1秒，覆蓋面包括：App Store和各種應用商城、今日頭條等信息流產品、快手、抖音等短視頻。
DSP讓360金融能夠持續的在流量上進行投入，2019年Q2，360金融延續了之前在獲客上的投入，這在流量枯竭的今天，是非常突出的競爭優勢，在別人已經找不到流量時，360金融還在為未來投資。
在不到三年的時間裡，360金融已經獲取了超過1億的註冊用戶。這一方面是源自360金融將獲客視為長期投資的積極獲客策略，另一方面， 其獨立開發的大數據獲客系統也為大規模獲客提供了堅實的技術保障。
財報顯示，截至2019年6月30日，360金融累計註冊人數1.09億，較去年同期5560萬增長96%，環比增加15%；授信用戶數量為1923萬人，較去年同期716萬人增長169%，環比增長20%；累計借款人達1254萬人，較去年同期469萬人增長167%，環比增長20%。
◆ ◆ ◆
催收——機器人在說方言
催收，這是每一家金融機構都面臨的問題。
催收行業的流動性特別大。很多人受不了一天打四五百個電話，工作一個月就離職了，導致管理、培訓成本特別高。行業的不穩定，也導致了催收人員素質參差不齊，催收質量、客戶體驗方面的統一性很難保證。
今天，在360金融，75%的催收工作是靠機器人來完成的。機器人不只是給用戶打電話，還在策劃催收工作的進度安排。
憑藉先進的語義識別技術，360金融的催收機器人能夠做到：第一，你聽不出來它是機器；第二，你跟它互動幾次，依然發現不了它是機器。
最有意思的是，它不僅會普通話，而且還會方言，甚至是介於普通話與方言之間的發音，比如川普（四川普通話）、粵語。
用機器人把大量簡單問題解決，相對複雜一點的問題，則需要人機結合一起把效果進一步提升上去。
人一旦參與進來，就又面臨質量管理、客戶體驗方面的統一性很難保證的難題，——質檢機器人就變得很有必要。
例如，員工為了提高自己的工作效益，可能會對用戶使用一些不當的用詞，或者語氣不夠好，質檢機器人就會把他們所有的電話和語音、文字，實時的進行編輯，把他的態度、關鍵詞識別出來。
很多時候，員工也會因為一些事情（如失戀）鬧情緒，很難控制自己的行為。質檢機器人可以通過聲音音調的突變檢測情緒，一些相關業務人員做確認後，就可以及時疏導他的工作狀態，如果影響到了客戶，則要進行必要的安撫。
在360金融，所有的語音的服務都要進行100%進行質檢，這是很少有公司能夠做的。
語音處理起來複雜度高，而且量非常大，每天語音幾千小時，甚至上萬小時，自動質檢的成本可想而知。360金融的質檢機器人，每天晚上都要分析完當天的電話錄音，把認為可能有問題的，及時反饋給相關的業務主管，之後再把問題總結成經驗加到規範裡面，作為未來對員工培訓經驗。目前，質檢機器人能夠做到“H+1”，即上一小時打的電話內容基本上這一小時就能處理,這種時效性保證了問題的及時發現和快速處理。
今天，從獲客到反欺詐，從風控到催收，360金融對於大數據和AI技術的使用，已經覆蓋到了信貸領域的各個環節。壞賬率1%左右的良好的資產表現，又獲得了金融機構的信任。
2019年二季度，360金融機構資金合作伙伴數量已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%顯著提升，在上市金融科技公司中首屈一指。
360金融的目標，是打造一家數據驅動、AI賦能的第三方金融科技公司。金融機構合作資金佔比和科技服務收入佔比的提升，意味著公司離科技賦能金融機構的定位越來越近。
相關推薦
