强监管、巨头竞争,消费金融的流量生意还要怎么做?

CIOAge
金融的流量生意,一定要找到适合自己特色的发展业态。BATJ掌握的线上流量已经日趋饱和,并且未来可能线上流量越来越贵。没有巨头靠山或者特殊排他性优势,不太可能做大。线下流量之争,越早建立自己的壁垒越好。

 

[[225465]]

风险低不意味着是好流量,低坏账也不意味着是好流量。

紧贴着刀刃去展业才是好业务。

核心是解决需求的短时错配问题。

一、主流的流量模式分析

现金贷是互联网流量的一次大规模变现,下一个流量变现口在哪里?我们不妨先把现在市面上存在的流量梳理一遍。

 

 

从线上和线下的角度来讲:

线上:流量标准化、规模化、可迅速复制。

趋于饱和,大部分已被巨头开垦完毕,未来流量购买价格可能越来越贵。

对于线上流量来讲,虹吸效应已经非常明显,80%的流量掌握在以BATJ代表的互联网巨头手里。

对于这些巨头来说,流量偏标准化,基本上依赖各自的不同场景入口获客。

线下:非标、零散、空白流量多。

尚无像线上一样的流量巨头出现,但流量获取的门槛不低,不确定性大

二、强监管之下,什么才是好流量?

好与坏,是一个价值判断。评判对金融业务来说,是不是好的流量,最终的判断指标是能不能带来高收益。

从以下几个方面来综合考量。

一是寻找借贷短期需求和收入能力的错配

首先来厘清一个在风险业务上的误区:风险低,不等于绝对意义上的“好”,这个好,主要是从盈利性的角度来分析。

这里举个例子,互联网金融领域的余额转移业务。

比如信用卡代偿业务,这个业务的客户人群资质是传统银行的信用卡用户,客户信贷质量相对是比较好的。

但这部分人群有个典型特征,对利率敏感。这一点,导致任何意图抢占这部分人生意的公司都会面临一个收益天花板的问题。

收益的上限既定,就需要极尽可能压缩成本项,才有可能最大化利润。这个收益的上限,就是银行信用卡中心18%的利率水平。

理论上,这个数字也可以突破18%,但一旦突破18%,两个结果:

1. 信贷极其优质的人群会流失掉,转回信用卡市场;

2. 筛选出来的都是信用卡人群中风险较大的人群,行话说“这是一部分比较吃利息的人群”。

信用卡代偿,实际上是以低于银行信用卡分期利率的水平把信用卡客群吸引过来。在一次获客后,再通过后期的一些增值业务盈利。

目前国内的卡卡贷、省呗、还呗等公司都在做这个业务。信用卡余额代偿这个业务,其实是在跟传统银行还有BAT抢客户。

对这些创业公司而言,最重要的是把信用卡人群精细化分层,筛选其中习惯信用卡分期和经常逾期的人群。

这样的商业模式,对风控、技术、运营成本控制要求都比较高,加上资金成本,进军这块业务的玩家,确实需要比较优秀的技术、风控、业务能力。

总结来看,风控好、坏账低流量的两个短板:利差范围小,盈利空间有限。

放贷业务的最主要盈利来源就是利息(可能还有各种不同名目的费用收入)。

而不同人群对利息的敏感度是不一样的。这意味着,从有些人身上很容易赚钱,而从有些人身上,很难赚钱。

这些很难赚钱的人,就是我们人群金字塔中的顶端阶层,所谓的金领、高级白领、普通白领。

对于这部分人群而言,他们的借贷需求可以分为两类,日常消费性和额度大、利率低的周转性借贷。这两种需求银行、BATJ等互联网公司都可以满足。

随着人群结构的金字塔逐步往下走,白领、蓝领、灰领,这些人对信贷成本的容忍度越来越高。

虎口夺食:对风险识别与风险定价能力要求高

对于金字塔顶尖的人群,过去只有银行可以独断经营。现在随着越来越多的互联网公司挤入其中,这个市场的竞争已经白热化。

要从这部分人身上获得利润,雄厚的资金背景是基础,差异化定价的能力才是关键。

比如,大多数银行的信用卡定价标准是在日息万三到万五之间。互联网巨头的借贷产品其实定价也基本上在这个范围内。

 

蚂蚁借呗、京东白条的借贷利率成本

如何在相当同质化的客群里,打出差异化,这里就体现了技术的价值。

一方面,通过技术和算法的改进来区分出对借贷成本忍受度不一样的人群。

比如目前这部分客群在银行面前,全部都是日利率万五的借贷成本,但有的人可能可以接受日利率万六、万七甚至更高。有的人可能可以降到日利率万五以下。

这里面其实还有文章可以做,可以基于自己对用户群体的把握,来做更加精细化的用户金融产品定价。比如上文中提及的信用卡代偿业务。

更进一步说,技术的适度采用,能够在风控的某些局部领域增强风险的识别能力,让科技能够真的赋能金融风险业务。

另一方面,技术可以在降低运营成本、提高运营效率方面发挥更大的优势。

- 从本质讲,利率定价和人群资质匹配,高利率对应高利差的机会

有人可能会提出一个问题:

蓝领、灰领人群的金融产品定价,虽然可以做到利率比白领高,但这部分人群的坏账也相对较高。如何衡量最终的盈利情况?

其实,就算这部分人群的坏账再高,利息收入减去坏账,剪刀差算下来也是比银行赚钱。

我们以单体的角度来算,银行信用卡分期的年利率不超过20,坏账成本一般在5个点以下。我们取最大值来算,剪刀差在十几个点左右。

 

几家主流银行信用卡分期利率(图片来自网络)

而目前消费金融公司的年化利率基本都在40、50以上(考虑到综合息费,这已经是行业内较为保守的数字),坏账肯定比银行高很多,我们暂且算15个点,剪刀差也可以保持在25以上。

既然高利率对应高利差,那高利率的业务是不是就是就可以高枕无忧了?显然不是。

想要从高利率业务中分得一杯羹,必须有控制住风险因子的能力,举例:捷信。

我们一直在讲,不同客群,对应了不同的风险。

一般意义上,从社会人群的金字塔模型来看,从金领、白领、到蓝领,信贷的信用风险和欺诈风险都在逐步升高。

但就寻找流量来说,寻求短期需求和收入能力的不匹配可能是更好的选择。

举例来说,对于白领来讲,他们对利息敏感,不愿承受比较高的借贷成本。

但在某些特定领域,特定的人生时刻,比如家装、婚嫁、教育等特定用途领域,可能比平时更愿意承受高昂的成本。

再者,就蓝领客群而言,这部分客群虽然整体风险成本较高(还款能力较白领差一点),但只要控制好授信敞口和欺诈风险,整体风险水平还是可控的。

比起他们没有其他渠道借贷这个“需求不匹配”,他们反而能接受更高的利息。

三、寻找“高犯错成本”的流量

这里的犯错成本,指的是信贷违约之后对借贷者产生的不良后果。拥有高犯错成本的流量,一般都拥有无形抵押物。

比如,在天猫或者淘宝上的B 端商户,他们手里有大量的用户交易数据。这些流量背后对应的每个客户,都对应一个个具有芝麻信用分的消费者。

我们在淘宝或者天猫上的任何消费、借贷活动,都会因影响到我们的芝麻信用分。

芝麻信用分现在又适用于生活的许多方面,比如买机票、订酒店、骑共享单车、出国旅行等等。

芝麻信用分一旦受到影响,会有诸多麻烦。消费者一般都会倾向于提高自己的芝麻信用分而不是伤害它。

在这种情境下,虽然消费者从蚂蚁借呗上借钱看似是无信用借贷,但实际上,芝麻信用分就是他们的无形抵押物。

对C端消费者来说这样,对B端商户合作方来说,无形抵押物同样存在。

比如,专注于做农村金融的什马金融,其合伙人陈小凤来自电动车品牌新大洲。

什马金融有一个电动车消费分期的服务,其渠道合作商就是新大洲的各个经销商。

对这些经销商的管理,什马金融采取的是“一刀切”制度。(这个什马金融自己对外报道时也有讲)。

一旦发现如果有新大洲的经销商做假,或者联合消费者套现,就会取消他们的合作代理权。对于这些渠道商来说,试错成本是巨大的。

一次套现几万几十万看似很爽,但可能连生意盘子都被收回去没得做,一般渠道商没有必要冒这个风险。

对于那些单纯就是想做一锤子买卖,捞一笔就走的人来说,他们也要好好衡量下能否收益大于损失掉的机会成本。

在这种情况下,什马金融手里通过自己展业存储的流量,相对于无犯错成本或者相对犯错成本较小的其他渠道流量来说,质量是有保证的。

再对比来说,全国25家(截止到2017年9月)具有消费金融牌照的消费金融公司,他们的数据是可以接入央行的征信系统的。

央行的征信系统中,还接入了一些信托公司、财务公司、汽车金融公司、小额贷款公司等各类放贷数据。

对于一个普通借贷者来说,借钱的平台是否接入了央行征信对于还钱行为影响不小。

在百度不少老赖贴吧里,有不少宣称“借着a家的钱不用还,他家不上征信“的帖子。

如果借钱的平台是接入央行征信的,(不管是通过直接抑或间接的方式),对还款人会形成心理压力,不还钱,要自食恶果的。

在这个case中,接入央行征信,实际上就是他们的犯错成本。

相比之下,为何现金贷的后期,大量的老赖开始不还钱,逾期暴涨,催收压力增大?甚至产生了“我自己凭本事借的钱,我凭什么要还?”的奇葩言论。

老赖们发现,之前忽悠他们的这些平台,根本就不上征信。

单均金额一两千元,在没有地区聚集效应的情况下,很多公司若想上门催收,综合催收成本很高,不划算。他们只要熬过催收期,说不定真的可以借钱不还。

这种情况下,现金贷平台的流量和上述能够接入央行征信平台的流量,哪个更好一点?显而易见。

高犯错成本,可天生,可加工

上一章节中提到两个关于高犯错成本的实例,芝麻信用分和央行征信。

这两个,其实代表了两种不同的高犯错成本类型:自己创造和制度优势。

天猫上有近5亿活跃用户,占到整个中国人口的近三分之一,他们创造了芝麻信用分的概念,来给普通人信用分级。

这就跟现在流行的ICO发币一样,技术上人人都可以实现,但关键是市场有没有买你的账,否则就是有价无市。

而央行征信则更特殊,这是政府给接入企业颁发的独一无二的红利。

那对于既不是互联网巨头,又没办法享受制度红利这一层级的市场参与方,如果想要切入消费金融业务又惧怕背后的各种信用和欺诈风险时,该怎么办?

从业务逻辑出发,尝试在信贷过程中创造出一些无形抵押物,增大犯错成本,来尝试与信用和欺诈风险做对冲,可能是一个不错的尝试。

四、线下非标流量可能会是下一个抢夺的对象

线上流量的白热化竞争,还有一个很重要的原因,就是这些流量都几乎是标准化的,可规模化复制的。

这意味着线上之争,拼到最后拼的是家底,是资源背景。

文章开始时候说了,现金贷是互联网流量的一波大规模变现。衣食住行各个方面的巨头,你知道的不知道的,几乎都多多少少涉及了这个领域。

而且只要一个平台慢慢做大了,他就会想着自己做金融。

线上放贷有多难?如果门槛很高,全国不会光现金贷平台就是好几千家。

线上流量的优势是标准化、规模化。缺陷就是没有太多个性化的东西。到了线下,这一个硬币的两面正好反过来了。

1、数量巨大的个性化流量散落民间

前段时间,今日资本徐新的一篇名为《微信为什么能打败支付宝?》文章刷爆了朋友圈,线下崛起开始初露端倪。

拼多多开始让淘宝紧张,vivo和oppo的乡村成功战略打脸华为和小米。

刘强东提出要在5年内建立100万家便利店,其中一半布局在农村。一直强调线上为王,粉丝营销翘楚的小米要在全国铺设200多家小米之家,要把小米之家打造成科技界的无印良品。

这些被称为新零售的举措,背后反应的是线上流量的获客成本越来越高,流量攻城略地阶段早已结束,红利正在慢慢衰退。

对金融业务来说,线上线下玩家都不少。

以消费金融业务为例,最赚钱的两家消费金融公司,正好是线上和线下的代表:招联消费金融和捷信消费金融。

财报显示,2017年招联消费金融净利润11.89亿元,是该公司2016年净利润3.36亿元的3.5倍。捷信中国2017年净利润9.58亿元,同比下滑了37.2%。

招联背靠招商银行和中国联通的资源,采取的是纯线上获客放贷的模式。捷信中国是深耕线下,采取线下手机门店驻点派人的模式。

有人看到这样的数据惊呼,线上要全面碾压线下了。其实大可不必,招联的成功,背后有三大运营商之一的联通作为数据供给的支持。这种优势不是普通线上创业公司可以享受的,并不具有很强的参考意义。

在线上,如果有资源获取到适宜的流量,生意仍然可以做。但目前线上流量已经出现虹吸效应,大树底下不长草,普通创业公司的日子并不好过。

捷信中国2017年这份不算很漂亮的业绩,跟他们今年中国市场的外部变化和他们自身的打法和战略有关。

线下还有多少流量可开发呢?对标今日头条的趣头条2亿元美元的B轮,腾讯领投。趣头条的典型用户是四线及其以下城市的普通小老百姓。

2、壁垒价值

线下流量获取速度慢、线下模式重……这些原因都导致了相当一部分企业不敢进入这个领域。

但高壁垒是两面的。攻克高壁垒的人,同时也具备了高价值。难者不易,易者不难。

线下壁垒包括哪些方面?

1)获客的效率,重运营成本。

2)线下的客户欺诈问题比较独特。

- 线上欺诈更多的是人的真实性问题,批量的攻击

- 线下有很大一类欺诈是客户信息、身份都是真的,但意图是假的,被外部中介操纵了,加之这部分人的信息本来就少,“白户”,防范就变得更难。

- 线下销售团队的内控问题。(自己人欺诈)这是比客户更难防范的欺诈类型。

3)线下的渠道比较分散,要触达这些门店需要比较长、比较重的BD过程。

- 获客成本依然高于线上但差距在逐步缩小

具体到消费金融领域,目前来看,线下的获客成本是依然高于线上的。

我们曾经在之前的文章中估算过捷信首单的获客成本大概在200元—元300左右,目前线上payday的获客在150元左右。

- 技术很难短时间内大规模推广,互联网效应不明显

线下流量面临的另一个问题是短时间内无法做大。要打线下流量的生意,必然涉及到一个核心问题,怎么收集线下流量?

自采或者跟渠道商合作。

两者都需要人力,都需要时间来在各个地区推进。这意味着先发优势可能并不明显,给予了竞争对手较为充足的时间来观察和学习。

线上则不然,规模化的作业逻辑下,如果资金背景充足又具有先发优势,是可以短时间内迅速抢占规模称王的。

总结:

金融的流量生意,一定要找到适合自己特色的发展业态。

BATJ掌握的线上流量已经日趋饱和,并且未来可能线上流量越来越贵。没有巨头靠山或者特殊排他性优势,不太可能做大。

线下流量之争,越早建立自己的壁垒越好。

另外,做个线下流量超市,可能也是个不错的生意。“FA”有时候会赚更多钱。

【编辑推荐】

 

责任编辑:吴金泽 来源: 森林学苑
相关推荐

2019-07-02 10:22:15

TCP流量数据

2015-04-16 19:38:15

原生广告猎豹

2017-02-13 16:59:34

联想企业网盘

2022-01-10 17:29:05

云计算供应商云计算金融监管

2018-09-28 05:07:47

物联网联网平台IOT

2018-01-09 20:53:13

2022-03-10 11:25:51

InnoDB优化

2023-09-27 22:44:18

数据迁移数据库

2021-06-07 05:46:20

前端架构前端架构

2012-05-24 14:58:55

开源代码

2017-07-20 13:11:46

Code ReviewPR评审

2017-03-13 09:00:44

互联网金融第三方支付P2P

2016-09-21 10:18:26

阿里Dubbo性能测试

2021-05-05 10:48:33

渗透测试漏洞网络攻击

2011-03-11 09:53:46

FacebookMySQL

2021-01-27 09:53:58

边缘计算云计算

2015-10-19 10:30:44

物联网营销

2011-07-05 17:05:15

CIO

2023-12-14 17:21:28

前端性能优化

51CTO技术栈公众号