在以前，一提到金融科技，人們第一個想到的總是互聯網金融、第三方支付等線上金融模式，但金融科技的作用絕不僅僅限于線上，在線下商場，金融科技也有它大展身手的機會，秦蒼科技旗下金融平臺買單俠，就用自己的實踐，拓展了金融科技的適用范圍。

買單俠（秦蒼科技）成立于2014年，客戶主要是分布在二三線城市的年輕藍領工人。經過買單俠三年多的業務實踐發現，在藍領人群中，大名鼎鼎的“芝麻信用分”起不到太大作用，只有依靠自己掌控的全流程數據，才能做好核心風控。

成立三年來，買單俠順利完成了四輪融資，投資方包括紅杉中國、真格基金、順為資本、京東金融，歷史總融資額達8697萬美元。早期買單俠主要通過“助貸”服務模式開展業務。2017年5月，買單俠通過出資成立西藏美第奇互聯網小額貸款有限公司獲得了網絡小貸牌照。

近日，買單俠首席風控官朱君在上海接受了《陸家嘴》雜志專訪，介紹了這家創業公司在線下消費金融中實踐出的技術經驗。

堅持線下獲客鎖定藍領人群

創業以來買單俠始終堅持線下獲客，不開放線上申請，這種選擇讓買單俠避開了所謂“線上高利貸”的漩渦，同時也形成了全套的線下風控獨家秘籍。

朱君認為，買單俠與其他同類機構的最大差異是善于主動掌握場景中第一手的用戶數據。“我們所有的客戶都是線下來的，因為業務風險高低，影響最大的是獲客的方式。你的業務場景擺在什么地方，你面對怎么樣的客群——本身就決定了風險的大致范圍。像某些線上的發薪日貸款（Payday Loan）向任何人開放申請，它的批核率可能只有10%，說明這種業務的逆向選擇問題太嚴重，主動來借錢的很大比例都不是‘好用戶’；而買單俠目前的批核率大概六七成，我們是主動出擊，尋找被動借款人，這類人群質量就比較高。”

朱君曾任交通銀行信用卡中心風險部反欺詐經理。對比傳統金融機構和買單俠所面對的市場客戶，他認為兩者有著極大差異：“以前銀行做風控，都有一個強變量，就是央行征信，在美國就是FICO分。這些數據覆蓋全面，相對精準，可以根據分數把人群劃為優先級，次優級等等，現在芝麻也想做這件事。但藍領這一大塊人群，在網上的活躍度沒有白領高，就算有表現，也是很‘薄’的數據。只是偶爾買一件衣服，芝麻信用對他的識別能力就比較差了。當藍領和白領混雜在一起，藍領的分數段就集中在一小塊。這對我們來說就是沒有分離度的，所以芝麻信用在我們這里效果不是很好。”

買單俠面對的藍領人群沒有央行征信，也沒有現成的信用評分；學歷也多是大專以下，無法驗證；因為工作流動性大，社保信息也殘缺不全。當客戶群體的風控模型中沒有所謂的強變量，就必須選擇使用大批的弱變量，并且找出其中的規律。

三個App管理藍領分期

線下手機銷售場景中，買單俠開發了三個App，手機店營業員一個App，買單俠銷售代理商一個App，客戶一個App。買單俠通過這三個App賦予合作伙伴技術能力，從不同角度共同滿足了線下服務的數據需求。

買單俠的銷售代理商原先很大一部分是Oppo、Vivo、華為等手機的經銷商。在創業初期，買單俠利用這些經銷商的既有商業關系，快速開拓市場，進入了大批二三線城市的基層手機門店。

在合作過程中，買單俠為銷售人員定制開發了專門的App應用，讓一個普通的銷售人員有能力同時管理五到六家門店。

“我們的銷售并不是‘一個人在戰斗’，他手里的App支持雙向通信，其實是一套機器輔助銷售風控工具。后臺系統會根據區域內出現的客群分布，參考客戶信息齊備程度等情況，實時協調銷售人員的工作，指揮他們有的放矢，安排他們出現在最需要的門店。”朱君介紹。“同時，我們把一些前臺的風控問題標準化，結構化，內置在銷售App中。在銷售現場，一位經過簡單培訓的業務員只需要根據App的提示填寫表單，做選擇題和是非題，就能完成一系列的現場風控。有了這套系統后，線下的人工初審效率大大提高，核心的風控技能也不再停留在個別銷售人員腦中，而是沉淀在后臺系統中。”

手機店營業員手中的App同樣由買單俠開發維護。營業員App的主要作用是生成二維碼。顧客需在線下門店掃描營業員手機上的二維碼才能進行分期操作。每個二維碼具有唯一性、并有嚴格的申請時間限制，確保每一筆分期申請是真人、實地、實時發生的業務，從源頭上減少欺詐騙貸的問題。

營業員App的另一個重要功能是反饋激勵。某位營業員做成一單后，會立刻收到買單俠發給他的紅包。這種即時的、隨機的激勵模式可以極大調動營業員的積極性。

“當新客戶到店后，營業員對客戶的分期選擇起到決定性的作用。我們給營業員直接發紅包，而不是給店老板打錢，就是要讓激勵反饋機制真正落到地上。”朱君介紹，“目前買單俠的營業員App已經積累了20萬從業人員。這些營業員和買單俠的關系就有點像滴滴打車司機端模式。這一塊的發展想象空間很大。”

買單俠的客戶端App具備基礎的申請功能。用戶準備身份證和工資卡，拍一張照片，填寫若干資料，即可完成整個申請步驟。值得一提的是，買單俠的客戶端中“埋藏著”大量的數據點。數據風控系統會在用戶開始注冊的第一秒就持續進行數據采集和分析，整個申請過程會產生大約10000個數據點。最終買單俠會根據申請者給出的數據進行風險評估。

如果出現壞賬案例，買單俠會回溯找出當時的歷史記錄，做欺詐數據回訪判別。“我們發現，在申請分期時，拍照微笑的用戶，壞賬率會相對低一點。事后回過去看當時逾期或者欺詐的客戶，拍照的時候都是一臉緊繃，非常嚴肅。像這種變量，你不采集的話，信息就丟失了。”朱君介紹。

三個App互相協作，讓買單俠有了管理線下復雜場景的能力。整套數據系統技術門檻相當高。朱君介紹，為了組建這樣一套工具，目前買單俠公司的團隊中超過50%都是技術背景，風控團隊和開發團隊規模合計超過500人。

新技術應和業務結合

“現在金融科技的前沿創新非常火熱，我也聽到一些熱詞，比如人臉識別，生物驗證，好像用了這個技術就很牛了。其實這些技術很多都是通過外部第三方提供，大家你有我也有，并不是公司的核心競爭力。”朱君說，“企業實際運營中，應該更加關注整個業務鏈條，關注工作怎么樣和新技術結合好。風控模型也好，人工智能算法也好，想要提高它們的效率，最關鍵的還是找到有價值的變量扔進去。”

朱君介紹，目前買單俠已經在生產中實際運用機器學習、人工智能技術。“我們做到了100%的機器審核，同時大約有10%的業務是并行在人工智能風控組上。這套人工智能系統永遠在用最近3個月的數據跑風控驗算，所以它比人類專家來調教風控模型更加及時。同時它的模型訓練也是全自動的，系統內置了各種不同的子項目、子算法，彼此互搏，最終我們就能比出冠軍模型。”朱君說，“當然我們做這件事情也比較保守。比如人工智能面對大量弱數據，可解釋性依然比較差。我們也擔心有一段時間的數據特征異常，導致整個模型過度擬合。現階段還需要控制人工智能在實際生產中的比例，觀測指標的穩定性，以后看它的成熟度再調整權重。金融還是要保守一點好，先做強，再做大。”

線下獲客成本或許比線上模式更為高昂，但是相較而言更加安全，再加上機器學習、人工智能等金融科技的運用，也大大提高了線下獲客的效率，買單俠能在金融行業“全面線上”的大潮下，保持自己的特色，勇于將金融科技與線下金融相結合，開拓出新型的金融模式，也顯示出它非凡的企業智慧。