出品 | 妙投APP

作者 | 劉國輝

圖片來源 | AI制圖

最近幾年，從銀行到消金公司，都面臨著金融需求下滑，不良率提升的難題。于是各方都在想盡辦法，各歸本位，強化運營以鞏固在客群中的優勢。銀行的零售業務大多在聚焦優質客群。

這就產生了個新的問題，所謂的“金融薄弱人群”（也就是那些缺少信用記錄的人群），他們的借貸需求該如何滿足？

螞蟻消金服務的就是這樣的“薄弱人群”。

因為淘寶，螞蟻消金服務的消費者達到了4億，這4億人中，有1.27億是新市民群體。2024年新開通花唄的群體中，超過8成人沒有信用卡使用記錄，而藍領群體是使用花唄的主力。建筑工人、司機、制造業工人都是用戶超1000萬的職業類型。

螞蟻消金的答案是“小紅花”，一套去年12月23日推出的智能實時交互式風控系統。

舉個例子，江蘇南通一名工人拿到了技工證書，他第一時間將證書信息上傳“小紅花”，花唄額度漲了3000元，他選擇用花唄分期購買了一臺筆記本電腦，學習編程技能，等拿到相關證書，他的花唄額度還能提升。

別說，這還真的是創新。

以往金融機構放貸，主要是查詢及收集盡可能多且全面的客戶信息，按照風控模型來決定是否放款，以及具體額度如何。

“小紅花”則引入了客戶主動提供的資料，來增加風控信息的維度。用戶上傳證書，就有機會提升花唄額度，支持證書種類近20項。半年過去，目前“小紅花”支持的證書類型大擴容至上千種。

螞蟻消金總經理江浩曾表示，“小紅花“系統是面向未來10年的一次重要創新升級，額度可互動，意味著螞蟻消金在為用戶管好油門剎車的同時，把方向盤交給用戶。

看上去是個微創新，為什么對于螞蟻消金來說如此重要？

將交互引入到風控體系中

傳統模式下，金融機構與客戶也有交互，體現在放貸過程中客戶提供收入證明、貸款用途等資料，不過此后的交互就很少了。

交互式風控與傳統模式的差異更多體現在交互的持續性。

實際上這在螞蟻集團已經有一段時間的探索。2022年7月，螞蟻旗下的網商銀行推出了針對中小企業的智能交互式風控系統“百靈”，小微企業上傳合同、發票、店面照片、貨架照片等信息，有望提升自身的信貸額度。

這些信息往往是有價值的，在一定程度上能證明企業資信狀況，但金融機構往往難以在第一時間掌握。這中間有信息的鴻溝，源于風控模型往往是欺詐與反欺詐攻防演變的結果，金融機構為維持風控模型有效性，模型中的不同維度與權重是高度保密的，正常客戶往往不知道哪些信息有助于提額，金融機構也不太容易第一時間掌握新的數據。

交互式風控打破了這種狀況。

2024年底，這種交互式風控推廣到消金領域，螞蟻旗下的螞蟻消金推出了“小紅花”系統，客戶上傳證書，就有望提升花唄額度，從而將客戶的多元、碎片化信息，轉化為信用證明。當時支持的證書主要有三大類、近20種，包括職業類證書、語言類證書、榮譽類證書。

在此后螞蟻消金高管多次在各種場合宣傳介紹“小紅花“系統。在最近的“AI領創企業重慶行暨西部金融中心之夜活動”上，螞蟻消金首席風控官林嘉南介紹，目前“小紅花“系統支持超千種自證材料，包括職業資格/技能類（如教師從業資格證、人工智能訓練師、無人機駕駛員等）、工作證明類（如企業工牌，釘釘、飛書、企業微信電子名片等）、學習技能類（雅思證書、計算機二級證書等）、學歷獎項類（畢業證書、結業證書等），覆蓋職場新人、藍領、靈活就業群體等。

客戶提供的證書等資料上傳后，螞蟻消金利用AI技術來對證書進行理解，這里需要重點解決兩大問題，一是如何識別偽造的證書，防止欺詐，二是對證書的價值進行判斷，將證書與信用額度進行關聯。

在識別偽造上，目前螞蟻消金建立了包括視覺行為推理和攻防在內的一套能力。

其中，如何確定證書價值是決定提額的關鍵因素，理解這些證書和行業的關系、職業的關系、資質的關系等，去進一步和客戶的金融需求、償債能力去對應。在決策階段螞蟻消金用大語言模型進行了一些探索，目前已經有超過6000萬的用戶使用過該產品，有近70%的“小紅花”用戶可以獲得實時的提額，人均提額約1100元。

“小紅花”系統還在持續迭代中，林嘉南介紹，迭代方向主要在兩方面：一是前端交互更智能。目前還是類似于表單提交的方式。未來希望能夠直接跟客戶進行對話，當信息不太符合要求時，可以通過一些更加柔性和智能的方式，去做多輪交互。

二是授信更加精準，未來可能會在證書之外，支持流水、興趣愛好等信息。如何讓這些信息能夠更精準應用到風險決策之中，從產品級到人群級，再到個體級的金融風險決策，是需要更加精準化的方向。

為什么事關螞蟻消金未來十年？

林嘉南介紹，花唄風控演進經歷了三個階段：

第一階段在2015年之前，追求風險管理的自動化。用靜態的數據，用強金融屬性的數據去對客戶做自動化的風險評估。

第二階段在2015年至2022年，實現風控的智能化和動態化。通過圖計算等算法，在金融信息的基礎上疊加非金融信息輔助風控決策，對更多的客戶構建網絡，進行信用風險的評估，實現定價的千人千面。

第三階段在2022年至今，是實時化階段。基于大模型和多模態知識圖譜，獲取和處理碎片化的信息。數據進一步爆發，AI大模型帶來低成本應用，使得數據可以得到即時處理。從更加強金融屬性的信息往更加強生活屬性的信息拓展，從原來客戶被動的視角，到客戶能夠更主動跟金融機構做交互。

為什么交互式風控對于螞蟻消金風控如此重要？

“小紅花”系統帶來的交互，是對已有客群精細化運營的重要手段。

它面向的并非首次接觸信用服務的客戶，而是面對系統中已經有一定畫像的客戶，主要的作用也是來影響額度的升降，而非決定是否放貸。

未來隨著證書數據的完善，結合此前的數據，螞蟻可以對客群做更細致與精準的劃分，提供更有針對性的服務。

因此說“小紅花”系統是事關螞蟻消金未來十年增長的重頭戲。

另外從數據層面來看，大數據風控經常用到的數據包括過往借貸數據、運營商數據、電商消費數據等，也都已經應用得非常成熟，下一步需要在更多與信用弱相關數據上發掘價值。

這需要改變數據的獲取方式，除了查詢用戶授權的數據，也需要獲取一些客戶還未線上化的數據，來補充數據的維度。通過互動來增加線上數據獲取就成了一條可行路徑。

其實在2015年左右大數據風控崛起之時，弱相關數據如社交媒體數據、APP使用數據等信息就被用于風控模型，但事實證明這些數據至少在當時并未能很好地輔助做好風控。除了可用性以外，還有數據隱私保護、算法黑箱等因素。

此次“小紅花”系統接受的數據主要也是證書、技能類數據，源于其與信用的相關度更高，可解釋性也更強一些。畢竟技能證書既代表著客戶未來收入增長的可能性，也在一定程度上表明客戶是比較積極上進的。這都能指向信用。

弱金融數據人群的風控嘗試

利用多元化數據甚至與信用弱相關的數據來增強風控能力，在國內外早有嘗試。

美國Capital one（第一金融資本公司）是大數據風控的先驅，在國內一度被奉為圭臬，有Capital one工作經歷的人才一度被國內金融科技公司瘋搶。

Capital one長期服務于被銀行忽視的次級客群，在數據風控上，整合信用卡交易、還款記錄、賬戶活動、客戶服務交互等全渠道行為數據，此外在外部數據接入征信機構（如Experian）、第三方數據平臺（如交易商戶數據）、社交網絡信號（如職業穩定性評估）等。對信用記錄薄弱的用戶，分析租金支付、公用事業繳費、甚至教育背景等非傳統數據。

憑借差異化定位、數據營銷與風控能力以及多次并購，Capital one規模不斷增長，營收從2014年的238億美元增長到2024年的391億美元，不過受壞賬影響，凈利潤徘徊不前。

此外， Zest AI（前稱 Zest Finance）也是被國內同業廣泛研究過的金融科技公司，2016年左右曾接受百度、京東的D輪、E輪投資。

該公司主要面向沒有FICO分或者分數較低的群體，既采納傳統信貸記錄作為少量權重，同時采納了更多數據源，如社交網絡信息、用戶申請信息甚至寫作習慣、閱讀習慣等非傳統數據信息，分析背后線索，給出信用評分。

在國內，銀行擁有著最優質的客群以及最廣泛的信貸數據，因此在信用判斷上，主要會參照收入水平、過往信用卡數據、借貸數據、社保、公積金等強信用數據。對于社交類數據也有一定涉獵，不過更多也是用戶之間的資金上的交互。

招行科技條線相關人士曾對虎嗅表示，銀行對于社交類數據應用也比較廣泛，在應用推薦、風控等方面都有價值。例如用戶之間相互轉賬的數據，反映出的社交關系比微信朋友圈的社交關系更真實，用在推薦、風控等方面，會有比較高的權重。

相比之下多數金融科技公司與銀行的資源稟賦不同，在創業初期缺少與信用強相關的信用卡、借貸類數據，但在線上數據的分析上更有技術優勢，會尋找更多的數據源來豐富風控維度，如移動支付數據、水電煤繳費記錄、電信繳費記錄、線上交易數據、電商平臺的購買行為和評價、社交媒體活動信息、位置數據等。這類數據的權重相對來說會高一些。

這類公司既包括螞蟻、京東科技、度小滿等大型互聯網企業旗下的金融業務，也有同盾科技、冰鑒科技等第三方風控服務商。