胡丹投身蓝领市场，“买单侠”用流水线形式做小额借款

“我们做第一笔贷款就赚钱了。”买单侠的创始人胡丹介绍，“这个是很难的，”他强调。

买单侠是专门针对18-35岁之间的年轻蓝领人群的消费分期借款产品。单笔借款金额在2000元左右，借款周期一般是12个月。目前，买单侠主要在蓝领人群消费3C产品时提供分期服务。经过一段时间的摸索，胡丹对买单侠针对的蓝领人群有了非常具体的描述：密集地分布在二三线城市，来自农村和周边城镇，从事诸如制造业、服务业等行业。

胡丹所说的第一笔贷款就赚钱的“难”要从两个角度去理解：

一方面，这是与信用卡及其他借款产品的经验相比。一张信用卡的第一笔借款都是获客单，一定亏钱，直到该用户刷卡满一年，信用卡公司才开始有挣钱的可能；而大部分网贷，尤其是小金额的网贷，第一笔借款也都是不赚钱的。因为一笔借款里面包含很多成本，比如获客成本、审核处理成本、逾期违约成本等等。第一笔借款里这些成本加起来，跟能从借款人身上赚到的利息收入相比，大部分是亏的。

另一方面，这个“难”在于蓝领人群本身的特征，信用记录少，在银行体系的信用评分一般都不全面。这些特征使得胡丹和团队对买单侠的业务在开始之初也是抱着一个尝试验证的心态。最终，是结果给了他们信心。

快速借款，但不开放线上申请

专注于18-35岁的蓝领人群，是胡丹和团队用排除法推断出来的。

对公信贷中，中小企业受宏观经济影响太大，胡丹觉得不适合创业公司去做；在对私信贷中，当时他们的目标就是针对能产生长期的生命周期价值的用户，同时能与避免与现有的成熟产品的竞争。排除掉了银行服务的白领信用卡用户、宜信等P2P公司服务的四五十岁人群、众多大学生分期公司服务的学生群体，他们把目标锁定在了蓝领人群上。

首先，人群足够大，中国大概有三亿多蓝领。另外，虽然他们在银行有征信报告的大概只有不到20%，看起来是个先天不足，但这也说明，这些人从来没有从银行办过贷款，身上很少有债务负担。同时，从收入角度，他们的收入比学生更稳定，有自己造血的能力。而且，他们的消费冲动非常强，赚了钱基本上储蓄很少，大多会用来消费，这几乎是这一代蓝领人群的消费文化。

环顾整个市场，目前还少有人做这个群体的借贷，但胡丹觉得他们不是信用不好，是没有信用记录而已。如果能控制其中的风险，这就是一个蓝海市场。他们决定试试啃啃这块难啃的骨头，看看到底能不能做下来。

但怎么获取这些用户？这个团队选择了一个自己并不擅长，但后来证明有效的途径。

胡丹的履历很高大上，清华精密仪器系本科加斯坦福商学院 MBA，曾在通用电气、麦肯锡咨询和红杉资本工作。胡丹在红杉投的大都是互联网色彩浓厚的公司，从实习时期参与投资聚美优品、拍拍贷。到MBA 毕业之后在红杉负责 TMT 行业的投资，参与投资 “找钢网”、“大姨吗”、“EverString”等。2014年开始创业时，买单侠团队也大多来自金融和互联网行业，少于线下经验。但就是这样的一个团队，在做买单侠之初，就确立的一点，获客不依赖线上，完全从线下获取用户。直到今天，他们依然坚持，不开放线上获客。

这也是分析的结论。选择什么样的方式获取用户首要避免的就是借款人的逆向选择问题。也就是，越是信用不好的客户，越会主动来申请借款。开放式的申请平台，更容易吸引那些在其他渠道不容易借到钱的人。这种逆向选择现象，在信贷行业里非常普遍。

而要避免这种逆向选择，就必须对借款人的真实情况非常了解。从这一点来看，京东白条和阿里花呗非常有优势做线上借款。因为他们有非常多的用户的历史数据，可以根据这些数据有针对性地营销自己的目标用户。简单地说，这就相当于，贷款不是用户单方面申请来的，而是主动推给用户的，这样的场景里逾期率就会低很多。

可作为创业公司，显然没有这样的数据积累优势。胡丹甚至设想到最差的结果，作为一个从零开始的创业公司，如果开放纯线上获客，很可能出现的情况就是，信用差的人群都来申请。然后借款公司发现违约率很高，利息覆盖不了，就提高利息。但后来发现，再提高利息以后，这些信用差的借款人里相对好的人又不来了，那留下的就是更差的。于是，在这样的劣币驱逐良币的结果下，借款公司不得不一再提高利息，最后就成了一个死循环。

如何在冷启动时避免陷入这种困境？胡丹觉得可以借鉴信用卡销售员的“陌生人拜访销售”。就是主动到各个商业办公楼的办公室，把信用卡推销给里面那些有还款能力但还比较犹豫是否要办信用卡的工作人员。这样获取的信用卡客户结果证明是最好的，他们的逾期率很低。胡丹觉得，从线下的消费场景里获得蓝领消费分期用户也可能是这样的效果。因为到店消费的人，目的是来消费，而不是申请贷款。这里就不会集中出现逆向选择的现象，剔除信用不良的，大部分的可能都是借款中所谓的“好人”。

于是，胡丹和团队把目光锁定在产品标准化程度高，年轻蓝领人群最常出现的消费场景——手机、平板等3C产品卖场。

买单侠的公司在上海，他们选择的第一个场景是上海市中心的通讯城，这里有众多类似夫妻店形式的商户。胡丹的想法是让这些商户向来光顾的消费者推销买单侠的分期服务，这同时也能帮他们提高成交量，双赢的事他们何乐不为。但运营了一个月，胡丹发现两个问题，一是这个地方的生意比较冷清，来的人本来就不多，一个月偌大的通讯城才带来15单借款；另外，店里水货盛行，消费者买到假货，不仅容易迁怒给买单侠，而且会破坏买单侠的用户认知。

于是，胡丹决定从通讯城撤出来，转向制造业比较发达的江苏，并进一步向二三线城市下沉。在这些地方，买单侠选择产品更有保障、靠近工厂的当地连锁通讯卖场合作。根据双方的需求程度，有的以带来更多消费转化为回报，有的进行分成。最初，与卖场老板、分店店长和店员的分成占到买单侠整体交易额的4%左右。现在，买单侠给店员的返佣是通过红包实现的，一个店员推荐的借款人被批核，这个店员就会拿到一个红包，金额随即，高200块钱，少的大概10几20块钱。

买单侠目前的单笔借款额度不超过3000元。胡丹解释，这个额度设定，首先是考虑到买单侠目前切入的主要是购买手机的场景。结合蓝领人群的收入情况，借款3000元，是可以买一个不错的手机的。同时，考虑到蓝领人群的月还款能力要不超过其收入水平。

在借款期限上，买单侠设定为分期12个月，“尽量不要太长，否则总体利息就非常高了。再加上如果期限太长，对帐户的观察周期也就长了，根据坏账率快速迭代就变得不太可能了。此外，如果经济危机来了，整个信贷行业变差，期限短的话，可以比较快地采取应对措施。“胡丹说。

据买单侠给出的数据，目前，已经覆盖全国近140个县市、10000多个销售点，申请通过率70%左右，已经成功获得借款的用户有20几万，每月借款交易额达到1.5亿。“我们上个月还是1亿多一点儿。”胡丹说。

借款周期是12个月，上线1年多时间，买单侠目前仅少量开放了复借，只是在部分用户里提供这项服务。“还清12个月分期借款之前，用户还是欠着一些本金的。如果在12月之内给一笔复借，就很有可能把借款本金提高了。可在12个月之内，这个借款人的还款能力可能并没有相应提高。”胡丹解释。

内部多套风控系统PK

获客的问题解决了，紧接着就是风控。

“如果让我再做一次，我肯定从头开始就不要人工审核。”胡丹说。

从成立开始，买单侠内部在风控方面都是几套系统在运行，优胜劣汰。从最初的人工审核和机器审核，到后来风控模型之间的“冠军挑战者模型”。

但最前期的人工审核，让买单侠成立的第一年里“经历了痛苦的半年时间，2014年就没有好过过。”

那时，为了让业务能早点推进，在审核系统还没有开发完成的情况下，买单侠先采用人工审核。这类似与很多P2P公司在前期采用的方法，买单侠用十几个专家组成审核组在上海总部的办公室，对收集上来的借款申请者信息做确认和判断。

可这样的做法最直观的结果就是“慢”，“一单的审核要一个多小时。”胡丹说。这是线下等着买手机的用户是不能被接受的。用户转身就走了，卖手机的也受损失。

而且，人工审核的准确率低。尽管买单侠会总结制定风控手册给审核员，但审核仍然容易受审核人主观因素的影响，或者因为审核人对风控手册有理解差异，或者是其审核状态不同等等。总之，状况百出，对审核人的审核水准很难控制。这种状况随着借款规模化还会越加严重，要保证审核质量的不波动就更难。

另外，蓝领人群本身的审核难度更大。人能够判断的数据量和维度不会太多，并且都是基于人的常理逻辑，但太复杂和抽象的数据和关系，人是操作不过来的。而蓝领人群的信用记录缺失等特点，恰恰使得审核是非常复杂的。

“多维度的数据，各种审核方式，如果用人去审核，人是承受不过来的。”买单侠首席风控官朱君说，“比如说，我们现在有一种机器审核方式叫抱团，一个借款人填的联系人是A，A又被另一个借款人在申请时也填过，这三个人很可能是认识的，这就是一个团。在审核这个团的信息时，它背后可能会关联出另一个团，而这个团中有4个人曾经被黑名单拒绝过，这些信息需要立即吐出来。但如果是人做判断就很难做到了。”

那时，买单侠的借款逾期率最高时有20%多，但最让他们着急的不是坏账率高，而是坏账率高却找不出原因。一个个去问审核员，这单当时是怎么审的。可审核员都回忆不出当时的情况。重新印刷一版风控手册交给审核员，结果发现审核效果可能更差了，可是又不知道是因为审核员不理解这些内容，还是审核员今天状态不好，还是风控模型建的不好。

更最要命的是，本来最初设想的是，先用人工审核一段时间，同时用人工审核的数据结果促使机器审核引擎的快速优化，结果事与愿违，由于人工操作里有误差，所以对于风控模型的更新，就不能很快适应。而且不能准确测量风控模型的运算结果。

于是，“下了狠劲”，胡丹决定要把人工审核部门全砍掉，完全用机器来替代。2015年初买单侠开始用自动化的审批，用机器进行批量化处理信息，再对接决策引擎和反欺诈引擎。“2015年初，整个逾期率就一下降下来到5%。然后就是持续改良，一点点往下走。”胡丹说，“现在最慢10分钟就能给出审核反馈。”胡丹说，“用人审核的时候肯定是亏的。改用机器做审核，做出的第一单就赚钱了。”

之所以说是狠劲，是因为从人工审核变成机器审核，并不是做一个决定就可以实现的，这里面最难的就是，如何把人的审核逻辑完全抽象成可以标准化的东西，使得机器可以来采集其中的信息，并准确审核，然后再喂给最后的决策引擎，这需要巨大的工程投入。

买单侠的机器模型也是一个优胜劣汰相继迭代的过程。有好几套模型同时运行、赶超，比如每个月95%的客户放到一套模型里做判断的，留下5%的用户给另一套模型做判断。前者叫“冠军模型”，后者叫“挑战者模型”。如果挑战失败，也最多影响5%的用户，会接着有挑战者模型2号去挑战冠军。如果挑战者模型审核出的逾期率更低，这套模型就成为了新的冠军。这样相继往复，机器模型实现渐进式的改良。

目前，买单侠实现的自动化是指，由风控规则团队来制定规则，然后由机器来审核执行。但是，买单侠内部也还在做机器学习的尝试。而在大数据研究中所谓的机器学习，就是不问逻辑，机器自动吸收数据，然后自动得出结果。胡丹介绍，目前机器学习可以做到的是，用机器辅助人去制定规则，比如大规模的用户行为数据处理，人已经很难理解了，机器会运行完之后反馈出其中有几个是强变量，哪几个变量的影响非常大，然后再用人去做一些解释和微调。

精细化管理“信贷工厂”

“我们就像信贷工厂。这是一个生产的概念，要保证每一道工序质量标准都非常高，最后才能保证流程的快和准，更重要的是在整体成功概率上有保证。”胡丹说。

在买单侠上运营一个客户需要经历的流程大概是这样的：一个借款人首先被一个手机店的店员营销出来，要流转到后台的搜索引擎里去通过很多变量对其进行一个判断和分析。其中，许多变量数据是由机器获取的，还有一些机器没法取，需用其他方法替代。

比如说用人工给借款人的联系人打电话，但为了把人工的主观性消除掉，就需要机器去评估打这个电话的一些结果，比如说号码能不能打通，如果打不通是因为空号、错号，还是因为对方没钱了等等。机器通过这些客观信息做审核判断，然后放款。这时要联系到第三方的支付机构，保证实时放款。获得放款之后，借款人购买手机，之后进入客服，进行贷后管理以及催收。

买单侠单笔借款才2000多块钱，但整个借款流程几乎与大额贷款要走的流程并无区别。这导致整个运营成本相对很高。怎样从中赚取利润，必须做到精细化管理。

比如，对获客渠道的管理。运营一年多之后，买单侠已经覆盖接近140个二三线城市的10000多个手机销售门店，合作的一线店员有接近两万名。营业厅的工作人员，不承担风控职责，只是营销的角色，每一个营业员被视为一个营销渠道。但对他们的详细管理，可以直接影响到风控。

在买单侠系统里，借款是哪个店的哪个店员营销的，都是可追溯的。根据其推荐人的欺诈率计算结果，对每个渠道和具体的营业员进行实时打分。这个打分的过程也全部是由机器自动执行。对渠道的打分评级，最终会用到对其推荐人的风控上，渠道作为风控模型中的参数，不同的渠道具有不同的权重的，会影响到后续推荐人的批核率。最终，营业员作为获客渠道实际上也会进行优胜劣汰。

在借款利率上，买单侠也计划针对不同借款人收取不同借款利率。“我们下一步就是要去做风险定价，有些客户违约率比另外一些客户要高一点，借款利率相应就会相对高一些，另外的人就会低一些。”胡丹说。

同时，目前买单侠针对部分借款有较长还款历史的用户开始提供现金借款服务。但这更像是买单侠针对不同客户提供的不同生命周期产品，就像信用卡给用户提高涨额度一样。“随着机器更加智能，以后直接提供现金贷是有可能的，但是我们会非常小心，因为现金贷的风险要比消费场景贷款要高很多。”胡丹强调。

另外，在追缴环节，买单侠也采用了精细化策略，根据买单侠收集的用户行为，为每个用户身上打上“标签”，然后根据不同的标签组用不同的策略进行后续跟进。

对于蓝领人群的生活的需求消费场景，胡丹和团队其实也考察过租房、教育、旅游、整容等市场。但是这些相较于3C产品的消费频率目前“还是低太多太多了。所以在消费品类上，目前还不会做大规模的拓展。”胡丹说。

但在布点城市上，胡丹制定了清晰的扩张计划，主要的依据就是当地手机销量，当地蓝领人群占全部居民比例，以及信用卡在当地的风控表现绘制的地图上。扩张的目标是，2016年达到100万借款用户。

“单笔的借款额度小，人数非常多，要消化数据等压力其实是更大一些。所以，既要保证快又要保证准。在这里面，技术是非常重要的。每个月处理10万笔贷款的时候，技术上的一点点进步，就可以降低很多成本，提高很多收益。金融不会因为大而变得很强。规模做的很大很大，不会导致风控能力就很强、资产质量就很好，反而可能导致虚胖。金融肯定是因强而大，如果把销售管理、风控管理、生命周期管理都做得很强，大会是一个必然的结果。”胡丹说。

文/快鲤鱼