現金貸運營指標

A. 現金貸信審專員具體的績效考核辦法

定性指標有，責任心、積極進取、忠誠敬業、改善創新能力、服從與執行、服務態度、團隊協作、發現問題解決問題能力、專業知識和技能

定量指標

指標計算公式

銷售收入

實際銷售額 *100%
計劃銷售額

貨款回收額

貨款實際回收額 *100%
計劃貨款回收額

銷售費用

實際銷售費用 *100%
計劃銷售費用

新增客戶數

增加新客戶數 *100%
計劃新增客戶數

B. 現金貸風控模式，你看的懂么

近段時間，對於現金貸的監管已經箭在弦上。一方面，許多中小型現金貸平台的實際借款利率過高；另一方面，部分平台對於現金貸業務的風控更像是「皇帝的新衣」，以至於整個行業的壞賬率居高不下。

從監管層面看，現金貸業務為了繼續經營，將不得不大幅削減貸款利率，減少各類手續費。因此，通過提高風控水平，減少壞賬損失，成了保證現金貸業務經營利潤的唯一出路。

一、淺析現金貸風控體系：點——面——點的過程

第一個「點」是指起點。現金貸風控體系的設計需要以產品本身作為起點。現金貸產品無外乎四個要素：利率（包括各種費率）、期限、額度、目標人群。對於每一類目標人群而言，他們在流動性需求、未來可預期現金流、消費觀念、收入水平以及信用狀況等維度上都具有一定的規律和共性，進而影響其申請額度、貸款利息的接受水平、還款能力和還款意願等。因此，合理地設計產品，能在有效降低風控難度的同時，將收入最大化。例如，對於白領人群，其按月發薪的特點更適合一個月及以內的借款期限。

另外，除了現金貸產品本身的特性之外，其推廣渠道也頗為重要。如果通過某一推廣渠道引入了大量非目標人群，那麼這不僅僅降低了推廣成本的使用效率和後期風控流程的判斷精度，還會產生大量有偏數據，不利於風控模型的迭代升級和產品的再設計。

「面」是指具體的風控流程。從時間段區分：風控流程包括貸前、貸中、貸後三個階段。其中貸前階段是整個風控流程的核心階段。這一階段包括申請、審核和授信三個步驟。形象地說，貸前階段是一個過濾雜質的階段。而第三方的徵信數據、黑名單、反欺詐規則、風控模型則是一層層孔徑不一的濾網。貸中階段主要是對借款人個人信息的跟蹤和監控。一旦有異常信息的產生，風控人員可以及時地發現、聯系該借款人，盡可能保證這筆借款的安全。貸後階段的工作集中在催收上。此外，如果借款人申請展期或者續貸，則需要在這一階段結合歷史數據，使用行為評分卡等重新進行審核，並作相應的額度調整和風險分池管理。而在整個風控流程中，需要對借款的集中度作妥善管理，防止因為集中借款和集中逾期帶來的資金流動性不足的問題。

2.差異化定價

差異化定價，也可以理解為精確定價。現金貸的差異化定價的實質是對各個貸款申請人的信用及欺詐風險作精確定價。目前各個現金貸平台的定價標准都過於單一，基本採用利率加雜費的方式。部分平台對於續貸用戶會做費率調整。也有少數平台會參考貸款人申請時提供的個人信息維度。不過總體而言，當前的定價標准並不適合未來現金貸行業「低費率」的特徵。平台之間所謂的價格優勢將微乎其微。而精確定價下的定製化小額貸款需求可能會成為平台的亮點。

而大數據風控模型的構建為差異化定價的實現提供了技術保證。以大量的網路行為數據、用戶交易數據、第三方數據、合作方數據等為基礎，通過自然語言處理、機器學習、聚類演算法等，模型能夠為每一位貸款申請者創建包括個人基本信息、行為特徵、心理特徵、經濟狀況、興趣愛好等在內的多維度數據畫像。憑借著這些維度特徵和大量歷史貸款記錄，針對不同貸款人、不同額度、不同期限的差異化定價策略將成為現實。

總結

在行業洗牌的背後，是現金貸平台為了生存下去的努力。如何保證合規性，如何獲取低成本的資金，如何以技術替代人力，如何在風控成本和壞賬率之間找到平衡點，是平台未來需要思考和解決的問題。網貸交流借款無憂相信在行業政策的探照燈之下，是金子最後總是會發光的。

C. 現金貸系統有哪些風控環節。

政策風控

相信對於現金貸有了解的人，可能都知道在4月份的時候，P2P網路借貸風險專項整治工作領導小組辦公室印發了《關於開展「現金貸」業務活動清理整頓工作的通知》（下稱《通知》），要求全國各省市開展「現金貸」業務清理整頓工作，重點是摸清「現金貸」風險底數。即此前媒體持續曝光的利率極高、風控缺失而壞賬率極高、高額罰金和暴力催收三大問題。

市場風控

近兩年來，針對普通借款人群的純信用、無抵押、極速放款的現金貸業務發展迅速，據不完全統計，目前小額現金貸平台已上千家。有多家平台獲得融資，有些平台已經融到C輪及以上。行業利潤非常高。但我們從市場中了解到，一些現金貸平台，現金貸的高利息更是成為眾矢之的。目前的現金貸平台大多年利息高於100%，有些平台甚至高達500%。常有因高利息而使應償還金額翻幾倍的新聞見諸報端。對此小編覺得市場風控依舊重要

系統平台本身

現金貸是指一般為無抵押、無擔保、借款用途不明確的小額現金貸款，具有方便靈活的借款與還款方式，實時審批、快速到賬等特徵。在互聯網消費金融這個領域中無論是平台還是用戶，其操作都是依靠系統，因此在新創易看來平台系統的風控是首要的。一般我們的系統風控主要是分為了伺服器風控和平台自身的系統架構風控。大家都知道在互聯網金融這個黑客暢行的行業中，伺服器是最容易受到攻擊的，因此大家在選擇伺服器運營商的時候對於數據信息安全這方面不得不著重考慮。

D. 現在比較火爆的現金貸系統是怎麼做風控的

現金貸系統風控是覆蓋貸款業務全流程的，包括貸前、貸中和貸後。貸前主要是准入風控，對用戶基本信息進行核實，包括人臉識別、銀行卡四要素校驗、定位、通訊錄等等，申請進件完成進入審核流程，系統會根據用戶的風控授權獲取其各方面的徵信情況，包括電商數據、運營商數據、社保公積金、反欺詐數據、多頭借貸情況、黑名單、高法信息等，形成綜合建議給到風控人員；貸後也會有基於身份證信息的實時監控數據。阿爾法象現金貸系統目前口碑還是不錯的，風控對接的是行業多家大數據平台，也有自己的人工智慧風控模型。具體的你得在搜集一下。

E. 現金貸系統一般是如何開發和運營在線急等。

還是問下融美吧，還指導運營的，望採納

F. 如何進行互聯網金融運營數據的分析，都有哪些方法

來源於：知乎
大部分的互聯網金融公司最為糾結的一點是，流量這么大，獲客成本這么高，為什麼最後的的轉化率和成單量卻這么低？怎樣才能提高用戶運營效率？用戶行為數據分析怎樣把處在不同購買決策階段的用戶挑選出來，幫助互聯網金融公司做到精益化運營？
我們的客戶中很大一部分來自互聯網金融，比如人人貸等行業前 10 的互聯網金融公司。在服務客戶的過程中，我們也積累了大量的數據驅動業務的實踐案例，來幫助客戶創造價值。
一 、互聯網金融用戶四大行為特徵
互聯網金融平台用戶有四大行為特徵：
第一流量轉化率低，下圖是某互聯網金融公司網站上，新客戶過去 30 天整體購買轉化漏斗，其轉化率只有 0.38%：
而這並非個例，實際上，絕大多數互聯網金融公司，在 web 端購買的轉化率基本都在 1% 以下，APP購買率在 5% 左右，遠遠低於電商或者其他在線交易的購買率。
第二，雖然轉化率低，但是客單價卻很高。一般來說，電商行業客單價在幾十到幾百，而互聯網金融客戶，客單價從幾千到幾萬，某些特殊領域甚至高達幾十萬。而客單價高，就意味著用戶購買決策會更復雜，購買周期也會更長。
第三，用戶購買行為有很強周期性。電商的客戶下次購買時間是不確定的，但是互聯網金融平台上，真正購買的用戶，是有理財需求的用戶，在資金到期贖回產品後，一定還會進行下一次購買，只不過未必發生在你的平台上。
可以看到，每隔一段時間，這個用戶就會有一段集中的、大量的交互行為。當用戶購買完成後，用戶的交互行為又變得很少，可能偶爾來看看產品的收益率，但整體的交互指標不會太高，直到他下一次購買。這個用戶理財需求的周期是一個月左右。

最後一個特點是「很強的特徵性」，主要包括兩個特徵：
A：用戶的購買偏好比較容易識別，理財產品數量和品類都很少，所以用戶購買的需求或者偏好，很容易從其行為數據上識別出來。
B：用戶購買過程中的三個階段特別容易識別：
用戶在購買決策階段，有大量的交互事件產生，他會看產品，比對不同產品的收益率和風險，比對不同產品的投資期限等等；
但是一旦他完成了產品的購買，就不會有大量的交互行為產生，他可能僅是回來看一看產品的收益率。
當用戶的產品資金贖回之後，又有大量的交互事件產生，實際上他處在下一款產品購買的決策期。
二、互聯網金融用戶運營的三大步驟
針對互聯網金融用戶行為的四個特徵，在用戶運營上有三個比較重要的階段性工作：
1.首先，獲取可能購買的目標用戶，合理配置在渠道上的投放預算，以提高高質量用戶獲取的比例：
渠道工作的核心，主要是做好兩方面的工作：宏觀層面，優化整個渠道的配置；微觀層面，單一渠道角度來說，根據渠道配置的策略，有針對性地實施和調整。
具體渠道的實施，大家都比較熟悉，但是對於整個渠道組合配置的優化，很多人接觸的其實並不多。
這張圖是整體轉化漏斗，從不同維度可以做對比，比如我們先選出流量前 10 的渠道：
以渠道一為例，總體的轉化率是 0.02%；在過去 30 天站內總體的流量是 18.9K，漏斗第一級到第二級的轉化率是 3.36%，這樣一共是五級，我們看到最終渠道一帶來總體的成交用戶一共是 4 人。
類似的，前 10 的渠道數據都很清晰。不同渠道帶來的流量，不同渠道總體的轉化率，以及不同渠道在整個轉化路徑上每步的轉化率都可以看到。
這裡面有幾個渠道很有特點：
渠道一的特點，渠道一帶來的流量是所有 10 個渠道里最大的，但是它的總體轉化率卻是低的；
渠道二和渠道七，渠道二的量很大，但是轉化率是零。渠道七量比較一般，轉化率也是零；
渠道九和渠道十，這兩個渠道是所有渠道里轉化率最高的。但是這兩個渠道特點，是帶來流量不是特別大……
第一象限（右上角）渠道質量又高，帶來流量又大的，這裡面渠道三四五是符合這個特徵的，渠道策略應該是繼續保持和提高渠道的投入。
第二象限（左上角）渠道的質量比較高，但帶來的流量比較小，這裡麵包含的主要渠道就是八九十。對應的主要策略是，加大渠道的投放，並且在加大投放的過程中，要持續關注渠道質量的變化。
我們先看第四象限（右下角），渠道質量比較差，但是帶來流量比較大，這裡面主要有渠道一和渠道二。相對應的渠道策略，應該在渠道做更加精準的投放，來提高整個渠道的質量。
第三象限（左下角）這個象限里渠道質量又差，帶來流量又小，比如渠道六跟渠道七。我們是否要直接砍掉？這里建議是，策略上要比較謹慎一些。所以在具體渠道的策略上，業績保持監測，然後小步調整。
根據上面數據分析得出的結果，做過渠道優化後，就會為我們帶來更多高質量的用戶。
2.接下來就要把高價值的用戶——真正有購買需求，願意付費、購買的用戶找出來。
將資源與精力投入到真正可能購買的用戶上的前提是，我們要能夠識別出，哪些是真正有價值的用戶？哪些是價值偏低的用戶？
其實對於互聯網金融平台來說，甚至所有包含在線交易的平台，用戶的購買意願，是可以從用戶的行為數據上識別出來的。由於互聯網金融平台的特殊性，相比於電商平台來說，商品品類更少，平台功能也更為簡單，所以用戶的行為數據，也更能反應出互聯網金融平台上用戶的購買意願。
把用戶在平台上的所有行為總結一下，核心的行為其實並不多，具體包括：
用戶查看產品列表頁，說明有一些購買意願，點擊某個產品，說明用戶希望有進一步的了解。用戶最終確認了支付，完成了購買，購買流程就走完了，他的理財需求已經得到了滿足。每一種行為都表示出用戶不同程度的購買意願，所以獲得用戶在產品里的行為數據就十分重要。
既然用戶行為數據這么重要，那麼怎樣獲取呢？GrowingIO 以無埋點的方式，全量採集用戶所有的行為數據，根據我們對業務的需求，配比成不同的權重系數，並按照每個用戶購買意願的強弱，進一步分群。
這是我們一個客戶製作的用戶購買意願指標的範例，剛才的前 5 個行為，都是用戶在購買前典型的行為：
每種典型事件的權重系數不一樣，用戶購買意願是越來越強的：用戶點了投資按紐，甚至點了提交的按鈕，顯然要比他單單看產品列表頁，或者單單看產品頁、詳情頁的意願強。越能反應用戶購買意願的事件，你給它分類的權重應該是最大的，這是大的原則，0.05 還是 0.06 影響並不大，所以不必糾結。
這樣通過這種方式，我們就可以按照每個用戶的所有行為，給用戶做購買意願打分的指標，最終形成用戶購買意願的指標。
這是我們從高到低截取部分用戶購買意願打分的情況，第一列是每個用戶的 ID，第二列是按照購買意願給每個用戶打分的情況。得分高的，就是購買意願最強烈的用戶。
拿到所有用戶購買意願之後，我們就可以按照用戶購買意願的強烈與否，把所有的用戶分成不同的群體，來做針對性的運營。
這是在把用戶在過去 14 天內，由其產生的所有行為數據，按照購買意願打分的權重，把打分大於 5 的用戶找出來，在總體用戶里，這部分用戶購買意願排名前 20% ，我們給它起個名字，叫購買意願強烈的用戶。
類似我們還做了購買意願中等的用戶分群，這是購買意願排名在 20-60% 之間的用戶；購買意願排名在最後 40% 的用戶，是購買意願最弱的用戶分群。
分群之後，點擊任意一個分群，都會以用戶 ID 的形式列出來。因為你要有用戶的 ID ，才能對這些用戶施加運營策略。每個用戶最近 30 天的訪問次數，最近的訪問地點，最後一次訪問時間都可以看到。
接下來針對這些購買意願強烈的用戶，怎樣推動用戶的轉化呢？
3.採取針對性的運營策略，提高高價值用戶的轉化率。
首先我們來看一下購買偏好，互聯網金融平台商品品類是比較少的，用戶購買的目的性也比較清晰，一般商品的品類有這么幾種：
第一種：債券型理財產品
第二種：股票型理財產品
第三種：貨幣型理財產品
第四種：指數型理財產品
第五種：混合型理財產品…
我們把用戶在不同品類商品上的訪問時長佔比算出來，就能比較好地了解用戶的購買偏好。比如下圖，我們用用戶訪問債券型產品詳情頁的訪問時長，除以用戶在站內總體的訪問時長，就能夠得到用戶在債券產品上訪問時長佔比的指標。
我們還是使用用戶分群的工具，把在債券型產品上的訪問時長佔比大於40%的用戶分出來，這是有非常強烈表徵的客戶，他購買的偏好就是債券型的產品。
同時我們再設定另外一個指標，比如用戶購買意願指標，之前我們做過大於5，也就是購買意願排名在前 20% 的。
通過這兩個條件，我們就可以把購買偏好是債券型產品，同時有強烈購買意願的用戶找出來，這兩個指標的關系是並（and）的關系。同樣我們可以按照用戶的購買偏好，把關注其他品類的用戶，都做成不同的用戶分群，然後形成不同購買偏好的用戶群體。
針對這些用戶，其實在運營策略上，我們可以從三個層面來展開來進行做：
從購買階段的角度，首先我們把所有用戶可以分成新客和老客。對於這兩個群體來說，運營策略和運營重點是非常不一樣的。
新客群體，是從來沒有在平台上發生過購買的用戶，我們要根據用戶的購買意願，做進一步的運營。
老客群體，也就是在平台上已經發生過產品購買的用戶，除了關注用戶的購買意願之外，用戶的資金狀態（資金是否贖回）也是非常重要的參數。
用戶是否購買過產品？購買產品的用戶是否已經贖回資金？這兩個內容，其實是一個用戶當前的屬性。在我們分群的工作里，這有個維度的菜單，通過這個維度菜單，我們就可以把具有某種屬性的用戶找出來：
這里我做了一個分群，我們可以看一下。在維度的菜單里，我們把是否購買過產品的維度值設置成了 1 。把資金是否已經贖回這個維度的值，也設置成了 1 。實際上是把那些資金已經贖回的老用戶找出來；同樣在指標這個菜單里，我們同時也把有強烈購買意願的用戶找出來，時間是過去 14 天，指標大於 5 。
這樣我們就製作了一個用戶分群，而這個用戶分群里所有用戶，要滿足下面的三個特徵：
特徵一：購買過產品的老客。
特徵二：他們的資金，目前已經贖回了。
特徵三：過去 14 天內的行為數據，表明這個用戶有著強烈的購買意願。
同理我們把所有用戶，整理為下面幾個不同類別，對應不同的運營策略：
比如新客里，當前有購買意願的，其實他屬於購買決策期的新用戶。應該根據用戶的購買偏好，推薦這種比較優質的理財產品。並給予一定的購買激勵，來促進這些新客在平台上的第一次購買，這個對於新客來說是非常重要的，以此類推。
相比於電商或者其他行業，互聯網金融平台結合行業和用戶的特點，從用戶行為數據分析的角度，驅動產品業務以及提高用戶的轉化率，有更加重要的意義。

G. 現金貸目前的發展模式有哪些

一、反欺詐系統嵌入

反欺詐系統一直以來都被業內認為是互金領域的重要安全舉措之一，通過反欺詐的作用，能夠避免一些個體的貸款風險性。很多人不理解，為什麼需要把反欺詐放在第一位呢?首先，對比傳統的借貸模式，現金貸的資金借貸不高，可以說風控更多體現在大數據上。並且重視的是借款人的還款意願而非還款能力。適度的逾期不僅不會影響平台的正常運營，反而可以通過逾期費用提高其營收。因此，反欺詐是現金貸風控的首要課題。目前，線上貸款的欺詐行為有中介代辦、團伙作案、機器行為、賬戶盜用、身份冒用和串聯交易等。針對這些欺詐行為，常用的反欺詐規則包括勾稽比對、交叉檢驗、強特徵篩選、風險關系以及用戶行為數據分析，目前市面上的平台大致都能夠按照這樣的流程走，所以現金貸系統需要接入反欺詐的原因就在這。

H. 現金貸系統如何運營

團尚科技就很好吧，後期很好，幫助上線。