360金融下注AI_风闻

曲艳丽 | 文

随着市场周期陷入低潮，互联网金融开始出现马太效应。

头部平台的资源越来越集中，强者恒强，并逐步实现向金融科技公司的转型，进行科技输出。

中等平台维持存量规模、通过运营效率的提升而改善业绩，而尾部平台将逐渐被淘汰。

在度过早期的蒙眼狂奔抢地盘阶段之后，大数据、人工智能技术等硬核科技才是下一步决胜的关键。

背靠头部互联网巨头有天然优势，这就是为什么360金融作为一个如此晚出现的平台，却能三步两步逆袭到第一梯队、并逆势高增速的原因。

2019年第二季度，360金融营收22.27亿元，同比增长128%，以Non-GAAP口径，净利润6.9亿元，同比增长114%，始终保持着三位数的增速，远超同行。

360金融的AI实践，做对了哪些事情？

在整个金融科技链条里，AI应用贯穿始终：质检、催收、运营、风控、获客、客服。

其中，获客、风控最有看点。

1

获客

高增速的秘密武器之一：以比较适中的价格买到市场上比较优质的流量。

流量越来越贵。ROI即广告投放的投资回报率，是所有互联网公司的核心运营指标。

360金融自主研发了一套DSP投放平台，即Demand-Side Platform，目的是精准需求识别。

举个例子，当100家公司一起去今日头条的广告系统竞价时，以往所有的事情都是流量方决定的。

而DSP投放平台，会把360金融和流量方的大数据叠加，在二十毫秒甚至更短的时间内，筛掉非目标客户，而对于目标客户，则可以出高一点的价格竞买。

其中，一个很重要的环节是营销评分，则评价一个人到底有没有贷款需求。

如果一个人并没有贷款需求而被推送，既是一种打扰，也是投放的浪费。

这套系统运行下，同样的获客量，360金融的获客成本降低30%左右。

这种毫秒级的反应，只能由AI完成，人力是无法做到的，对于金融科技公司本身的数据、系统都是很高的考验，小公司很难达到。

截至二季度末，360金融累计注册人数1.09亿，其中，借款用户1254万户，这是在不到三年的时间里实现的。

自2018年一季度起，360金融的借款用户实现季均31.76%的高增速。

在获客环节的精准识别，是从源头上降低不良率。有些小平台选择比较便宜的流量渠道，例如贷款超市，多头共债的情况就比较严重，变成逆向选择。

“很多人问你为什么不搞一个弹窗？这在内部是不允许的。”360金融大数据总监苏绥表示，信息流有一个好处，可以快速的跳过，希望尽量减少对用户的打扰。

尽管已经脱敏，但是互联网上的隐私保护一直被诟病。业界正在探讨的一个技术是联邦学习，在不泄露用户隐私的情况下进行数据的交换。

2

风控

人工智能作用于反欺诈环节，这一概念并不新鲜，难点在于模型的精细化。

较之信用风险，黑灰产的欺诈风险才是平台的头号敌人。假设系统出现弱点，两三万“撸口子”大军就浩浩荡荡席卷而过。

这就要求，平台反欺诈模型迅速迭代、金融科技不断升级。

举个例子，在人脸识别中，活体检测业已普遍，但面对黑灰产是不够的。

“有些去山区，给一百块钱，把活体检测过了，信息填完，很多人愿意做这样的事。”360金融大数据总监苏绥介绍道，需要围绕身份验证维度做更多交叉，例如申请地址是否常住地、LBS位置会不会飘、申请地区的人口密度等等。

苏绥称，360金融还有一个秘密武器，叫AI因子库。

举个例子，很多第三方数据库会识别多头共债，但只有这样的数据是不够。“我们用算法，去预估一个人在申请之后、三个月、六个月以后的多头的恶化程度。”苏绥表示，AI因子库做了大量的子模型，是风控迭代最重要的所在，是持续几年时间积累想出来的。

平台反欺诈和黑灰产之间，是攻防一直持续博弈的过程。

财报显示，360金融超过90天的逾期率为1.02%，从整个行业来看，是一个非常低的水平。

反欺诈模型的有效性，强烈依赖数据量大小。关系网络的识别情况，随着数据越大呈非线性的关系。

目前，360金融的反欺诈关系图谱接近20亿节点、及192亿关系边。在大数据风控里，衡量一个人的信用风险的维度可能上万、甚至几十万。

360金融的智能风控引擎名叫Argus，名字源自希腊百眼巨人神。

3

趋势

“技术总是在短期内被高估，但是长期又被低估。”360金融大数据总监苏绥表示。

金融是AI落地的最佳场景，是学术界和产业界的共识。

360金融之所以在AI实践上下重注，是因为它把自己定位于一个科技平台，向金融机构进行科技输出。

这种定位开始越来越清晰。

2019年二季度，360金融机构资金合作伙伴数量从一季度的三十余家增至二季度的六十余家。在撮合借款业务总量中，金融机构资金占比达到85%，较1季度的79%有所提升。

360金融正在打通技术中台，从数据技术中台的构建逻辑，可以窥见AI落地的层层递进。

像获客、风控等，是AI算法、算力和数据在真实场景中的应用层。

从业务中产生数据，把数据训练成模型，再把模型应用于业务，跑出更有价值的数据，就形成了一个“数据+算法”的闭环。

科技的归科技，金融的归金融。

近日，央行公布了《金融科技(FinTech)发展规划(2019-2021年)》，明确提出未来三年金融科技工作的指导思想、基本原则、发展目标、重点任务和保障措施。

在业内人士看来，这表明金融科技在回归本源。

当被问到人工智能在金融各个场景中落地是否有瓶颈时，苏绥回答：

“金融是一个反馈链比较长的周期，需要不停的迭代，大家在落地的时候，对技术要有足够的耐心。

最重要的一点，要对风险保持敬畏之心。”