飞贷是信贷老兵，从2010年成立以来不断求新。从最开始的线下信贷工厂，到以庞大的兼职代理人团队取代自有销售团队，后来转线上做移动端助贷业务，飞贷一直在做C端助贷业务，连接小微企业主和以银行为主的持牌金融机构。

随着监管政策的收紧，并考虑到国家发展普惠金融的决心，飞贷于2017年下半年开始又一次战略升级，从C端转向B端，为持牌金融机构输出移动信贷整体技术。由于还处于转型早期，C端业务依然为主要部分，B端业务在稳步扩大。

飞贷在多年的C端信贷业务中，积累了上千万的注册用户，完整高效的风控模型体系。B端业务即是飞贷将自己所用的整体信贷技术输出给持牌金融机构，让机构有能力独立完成信贷全流程。而以银行为主的持牌金融机构作为C端业务的资金方，在飞贷转型B端后，顺理成章地成为了飞贷的机构客户。

飞贷将自己所用的信贷技术产品化为“移动信贷整体技术”，整套技术使用分布式架构，包含底层的技术平台，其上的大数据平台，以及再上层的获客、风控、贷中监控、贷后催收等模型。而且，飞贷还提供前台的产品服务、后台的核算和清算等服务。

由于是输出由底层至应用层的整体技术系统，金融机构即使自身技术能力欠缺也无妨，可直接应用这套系统进行完整的信贷业务。而且，飞贷可在技术输出的前期为机构进行导流，然后逐渐培养机构独立获客的能力。

飞贷可直接输出标准化系统，也可根据机构所需做定制化调整。由于系统内部全部为模块化技术，可整体输出，也可输出部分模块。

飞贷提供两种技术落地方式供客户选择，一种是云部署，这种方式前期投入小，上线速度快，比较受信托机构、保险公司、中小城商行欢迎；但如果对数据安全性、系统所有权要求更高，要求本地部署，飞贷也可以提供。

在机构客户拓展过程中，飞贷遵循B端业务的常规做法，从大型国有银行开始做，为自身品牌背书，之后再做中小机构，打开市场。

需要提到的是，飞贷的C端客户主要是中小微企业主，但在系统能力上，可同时服务消费类人群，只需在产品、风控模型、客户数据方面，针对消费类人群做出调整。

在服务银行的过程中，飞贷发现银行对风险更低的抵押贷款有需求，所以从今年8月开始飞贷在C端向小微企业主提供房抵贷服务，等技术成熟之后再向金融机构输出此业务系统。

在B端业务方面，飞贷收取两项费用，一项是少量的前期部署费，一项是按照金融机构放贷产生的有效生息资产余额收取一定比例的服务费。

飞贷金融科技联合创始人、首席战略官孟庆丰

飞贷金融科技首席产品官卜凡德

近期，爱分析对飞贷金融科技联合创始人、首席战略官孟庆丰和首席产品官卜凡德进行了专访，现将精彩内容分享如下。

从2C业务转向2B业务，向持牌金融机构输出“移动信贷整体技术”

爱分析：飞贷转型做金融科技输出和之前的业务相比有什么区别？

卜凡德：首先，飞贷之前是做2C业务，而金融科技是2B业务，所以业务对象有很大区别。

其次，在商业模式方面，2C是帮主流的金融机构做信贷全流程，C端客户看到的是飞贷的信贷产品。而2B是退到金融机构的后面，虽然我们做的业务没有实质变化，但是露出方是金融机构。我们帮银行做信贷全流程的技术支持，包括前端的获客、产品、风控、贷中及贷后管理，以及后台的系统支持，包括清算核算、大数据等。

而且，飞贷转型B端之后，内部的人员结构也发生了很大的变化，从原来的接近3000人变为现在300多人，其中大部分是大数据、风控和科技人员。

爱分析：在策略上，如何帮助B端金融机构获客？

孟庆丰：对于增量客户，一方面是通过塑造品牌、整合营销手段来获取。在这方面飞贷有很多行之有效的经验可以分享，我们会把线上、线下结合的数字化整合营销的经验作为配套服务提供给合作机构。

另一方面，飞贷和大流量平台都有合作，可以帮助金融机构与大的流量平台展开合作进行获客。

其实，在流量红利短缺的时代，对于存量客户价值的挖掘，对客户进行全生命周期管理的必要性十分突出。

如何突破流量壁垒，如何精打细算地运营好客户，如何让存量客户带来销量和增量客户？我们这几年验证出了一套行之有效的做法，可以帮助B端机构。

爱分析：在技术上，如何向金融机构输出获客能力？

卜凡德： 一种方式是，我们只向银行提供技术，银行自己去开放市场独立获客，或者对自己的已有客户进行深度挖掘和价值提升。

另一种方式是，我们提供导流+技术。在和银行合作的时候，初期如果银行缺少客户，我们可以帮银行获客，或者将自有客户导流给银行，然后再逐渐向银行输出技术，现在很多银行都选择这种方式。

爱分析：飞贷是按模块输出技术还是整体输出？

卜凡德：我们主要是输出“移动信贷整体技术”。这个系统源自飞贷多年的业务积累，涵盖了三大平台，六大服务，一共九个模块。

我们认为要想在移动互联网端，将信贷全链条业务运作起来，这九个模块是必须的，它涵盖了信贷流程的每一个节点。

简单来说，首先要有产品，我们为金融机构提供产品服务，比如产品设计等；其次，要有获客能力，我们为金融机构提供营销服务，比如品牌建设、公关、互联网化的营销等。

在客户进入到机构平台之后，要对客户信息进行获取、加工，这就需要使用大数据技术。数据的应用中最核心的是风控，包括反欺诈和信用风险体系建设。

我们还提供后台清算和核算系统的支持，运营支持服务体系的建设，以及客户生命周期管理以及决策系统的建设。

飞贷使用分布式架构、开源软件、量化风控，这些都需要互联网化的底层科技支撑。我们在这整套体系的搭建方面技术成熟，而银行自建则难度很大。

当然，如果合作金融机构本身有诉求，需要先引进单一或几个模块，飞贷也可以提供定制化的服务。

爱分析：技术输出的机构客户是助贷时期的资金端吗？

卜凡德：对，以前的资金端以银行为主，也有信托机构，而保险机构主要是在交易结构里面为飞贷提供增信服务，但是现在2B，保险机构也成为了我们的目标客群，因为现在很多保险机构自己也在做助贷业务。

虽然小贷公司、P2P、消费金融公司也可以做，但是基于我们多年的助贷经验和对于监管环境的研判，我们现在的目标客户主要是强持牌金融机构，包括银行、保险、信托，还有已经有牌照的消费金融公司。

爱分析：2B业务的部署团队有多少人？

卜凡德：现在公司整体的资源都在向2B倾斜，由于系统已经很成熟了，基本不太需要人去做系统开发。

现在公司总共有不到400人，因为我们现在还处在2B业务发展前期，所以商务人员只有几个人；售前专家团队有不到20人，主要负责在售前跟客户沟通解决方案；其他人负责从签约到实施，包括科技人员、大数据人员、风控人员一共有200多人。随着2B业务的持续扩大，现在公司也在全球范围内开展招聘，尤其是在科技、大数据方面的人才招募。

将自身标准化模型做定制化调整，服务不同金融机构

爱分析：在反欺诈模块，对于中小企业主是否会使用企业经营数据？

卜凡德：做2C业务，我们主要是对小微企业的经营者个人做判断，企业经营数据只是补充数据。

我们的“天网风控”做的新一代评分模型，先通过各种类型的大数据，判断一个人的企业属性，为他贴标签，比如他是否是企业股东、法人、董事长、监事人、高级管理人员。

基于此再看客户所从事的行业，行业的宏观情况，再去看客户本身的金融属性。把这些维度中所有的数据组合起来建模，比单纯依靠征信数据做出来的评分模型效果要好很多。

直接做中小企业很难做好，现在大部分助贷机构都是做小微企业主。

爱分析：小微企业主和消费类客户的反欺诈和授信模型有差异吗？

卜凡德：从个人属性来说，在反欺诈部分，我们的模型对于技术类欺诈、团伙欺诈、个人欺诈都非常有效，对这两类人群可以不做太多区分，仅有一些细微差别。

两类人群的授信模型会有差异，因为人的偿付能力、资金饥渴度等都需要用各种模型进行区分和侦测，而这两类人群的收入结构、资金用途都不一样，所以他们对于资金的需求量，使用路径、使用方式，偿付的来源等等，这些都有很大的差别，所以这两类人群在模型里用到的数据参数会有不小的差异。

爱分析：小微企业主会有一些跟企业属性相关的数据源吗？

卜凡德：有，比如企业类、工商类数据、企业行政处罚类数据、司法类数据、企业负面信息、交易类数据等。比如小型电商客户的交易数据，我们也有模型去处理，因为这个数据可以作为其偿付能力的一个参考指标。

爱分析：风控需要人介入吗？

卜凡德：几乎不用。只有在模型无法准确区分的时候，才会有人工介入。模型的区分度是要不断训练的，如果对于一个客户，只在某一个点上无法确定其信用状况，可能需要人工进行补充核实，这个比例非常低，而且也仅限于核实工作。决策的事情不会让人工来做。

爱分析：不同的金融机构对于单笔放款金额和期限会有不同要求，模型是否需要重新训练？

卜凡德：随着飞贷这些年的技术发展，我们现在可以把客户分为39层，也就是说定什么额度、利率、期限，对于飞贷来说难度并不大，因为我们已经把用户区分得很精准了，每一层对应客户的违约率、潜在的损失率。飞贷的合作伙伴只需要确定整体定价，然后从这39层里面去选择即可。

风险容忍度高一点的金融机构，可以扩大选择的范围，然后针对不同层级的客户再做分层定价，或者用不同的期限策略。

飞贷之前的2C助贷模式是，飞贷定好额度和利率，客户自己决定期限。如果金融机构有这样的诉求，我们也完全可以在期限上做一些灵活调整。比如金融机构想做高风险客群，但是希望放贷期限短一些以保证资金安全，那么我们就可以在做模型参数配置的时候，把期限控制得短一些。

爱分析：客户生命周期管理方面的策略如何输出？

卜凡德：这也是模型层面的，我们有一套客户全生命周期管理的技术体系，是基于大数据的。我们会监控客户进入平台，以及第一次借款之后的表现，包括复购情况、风险表现、是否衰减成了沉默客户。这套技术体系是可以输出的。

在运营过程中，飞贷会通过数据分析客户所处的状态，导致这种状态的原因，然后我们会有针对性地提出方案。比如，通过一段时间的分析，我们识别出价格敏感的客户，当我们有价格方面的促销活动时，针对这个人群进行运营活动，转化效果就会特别好。

逐渐从C端转向B端，借C端业务完善模型

爱分析：单笔放款金额是否比之前有所上升？

卜凡德：会略有上升，一方面是因为我们风控策略的调整，另一方面跟我们合作的金融机构，他们也提出了一些诉求。比如金融机构只做小微企业客群，那么平均单笔放款金额可能会到7万。消费人群的平均单笔放款金额是2-3万。所以整体是3-4万。

爱分析：2C业务的客户生命周期希望做到多长？

卜凡德：我们给客户两种选择，如果只想借几天，客户可以选择“30天内随借随还”；如果客户需要借久一点，可以选择按月分期。

我们通过大数据的跟踪和分析，得出实际的效果是，申请30天之内的客户，最终借款时长是24天左右，分期的借款时间是十四个月左右。

爱分析：资金端成本的上升，是否会转嫁到客户身上？

孟庆丰：客户端的定价不是简单的成本叠加。客户的定价主要是依据客户的整体资信状况决定的，资信情况不同的客户对应不同的价格，这是基本原则。资金端成本的上升，会在一定程度上提升对客户的审批标准，客户定价不会有太大的影响。

C端开展房抵贷业务增强服务能力

爱分析：小微企业抵押贷款和信用贷款业务有什么协同？

孟庆丰：抵押贷款与信用贷款业务有很大区别。从风险保障上看，信用贷款的风险缓释主要依靠客户本人的资信，所以金额的上限，产品的设计流程，风控规则都是在30万以内的，而抵押贷款产品是在有担保措施下的大额信贷，目前只做房产抵押。

房抵贷市场相对比较传统，风控的逻辑和信用贷也不尽相同。相同的是对客人的信用判断逻辑是基本一样的。

我们对抵押贷款设计理念是希望有好的客户体验，尽量排除中间环节，并且除了线下的抵押环节之外（要到抵押登记部门办理抵押），剩下的流程全部都搬到线上，目前市场上还没有这样的产品。这个产品服务的客群是小微企业主。

爱分析：房抵贷是用了一套全新的模型吗？

孟庆丰：是新的模型，但是借助了信用贷累积的大量数据。前期的贷款量也不会做太大，会先进行市场适用性的测试。我们希望通过这款产品真正能给小微企业主提供资金支持，所以整体定价也会较低。