互金项目贷前贷中贷后的运营，主要分为三个阶段：贷前、贷中、贷后。其中，贷前主要是获客、进件两个阶段，贷中主要是授信、请款放款两个阶段，贷后主要是还款、复贷、逾期催收三个阶段。每个阶段将从业务特点、关注指标、行业案例、运营场景等方面来详细介绍。

• 互金项目贷前贷中贷后的运营
  • 贷前运营
    • 获客阶段
      • 1. 渠道构成
      • 2. 关注指标
      • 3. 行业案例
      • 4. 运营场景
    • 进件阶段
      • 1. 进件流程
      • 2. 关注指标
      • 3. 行业案例
      • 4. 运营场景
  • 贷中运营
    • 授信阶段
      • 1. 授信业务
      • 2. 关注指标
      • 3. 行业案例
      • 4. 运营场景
    • 请款放款阶段
      • 1. 请款放款
      • 2. 关注指标
      • 3. 行业案例
      • 4. 运营场景
  • 贷后运营
    • 还款阶段
      • 1. 还款业务
      • 2. 关注指标
      • 3. 行业案例
      • 4. 运营场景
    • 复贷阶段
      • 1. 复贷业务
      • 2. 关注指标
      • 3. 行业案例
      • 4. 运营场景
    • 逾期催收阶段
      • 1. 逾期催收
      • 2. 关注指标
      • 3. 行业案例
      • 4. 运营场景

互金项目贷前贷中贷后的运营

按照人行的标准划分，把借贷业务划分成三个阶段，分别是贷前贷中贷后，这是银行领域，包括比较正规的消金公司都比较认可的。只是说贷后这一块，有的比较新的信贷公司，可能会把复贷放在贷中去管理。本文遵循人行标准，还是把复贷放在贷后这一块。

授信是互金业务的一个核心节点，放款是另一个核心节点，使用这两个核心节点做切割，互金的业务，可以分成三个阶段。授信之前就是贷前，它包括获客和进件两个阶段；授信到放款是贷中，它包括授信和请款放款两个阶段；放款之后即贷后，包括还款、复贷和逾期催收这三个阶段。下面我会针对这些阶段，分阶段详细的讲一下。

贷前运营

获客阶段

1. 渠道构成

• 自有流量 - 招联、度小满
• 外部流量
  • 助贷、贷超等精准推广投放
  • 信息流投放、应用市场投放及ASO、其他非精准投放 - 拍拍贷、中原消费

2. 关注指标

• 自有流量
  • 渗透率
  • 引流页UV、引流位点击量、引流位点击率
  • 引流位ROI
• 外部流量
  • 单注册用户成本、单进件用户成本、单授信用户成本、单放款用户成本
  • 注册率、下载率、安装进件率
  • 渠道ROI
• 贷超的结算方式和普通投放类似，一般是cpa，助贷则一般是cps，助贷的分成比例一般在总资金毛利的20%-30%

3. 行业案例

• 早期贷超有两种流量分发方式，h5和api。
• h5形式是指信贷产品自己制作对应信息留资h5，投放在贷超平台，双方按用户留存手机号数量结算。
• api形式是指信贷产品包装对应的api接口，贷超平台接入此接口，客户留资、实名、活体等认证均在贷超平台执行，信贷产品负责风控、放款等步骤，双方按放贷金额结算。
• 因h5模式存在种种弊端，api衍生出的助贷模式成为目前主流模式，h5模式仅存在大型信贷集团内部流量分发及非精准外部渠道投放上。

4. 运营场景

• 渠道展点销数据监控
• 内部运营位导流归因

进件阶段

1. 进件流程

• 合同浏览及信息征信查询授权
• 实名
• 绑卡
• 信息留存
• 活体认证

2. 关注指标

• 进件申请率
• 进件完成率
• 进件流程漏斗各级别转化率、流失率

3. 行业案例

• 授信流程优化有三个方向：
• 底层能力稳定性，如人脸识别功能，是否可以稳定识别，实名绑卡中，身份证及储蓄卡扫描识别功能，是否快速准确；
• 产品流程合理性，如合同浏览页，是否需要尖头引导用户下滑至底部确认，如需要使用哪种文案较好，一般使用AB方法来确认；
• 业务活动引导，比如授信流程步步送活动，比如完成授信赠券活动，比如进件退出弹窗挽回+触达召回等手段。

4. 运营场景

• 进件流量来源归因
• 进件漏斗数据监控
• 进件功能异常告警
• 进件流程顺序A/B测试
• 进件流失用户分层及召回触达

贷中运营

授信阶段

1. 授信业务

• 现代信贷和传统信贷不同的地方，就在于风控的一体两翼。它的一体说的是“以群体风控为主体”，两翼则是“以定价覆盖风险，以催收覆盖不良”。
• 传统信贷的风控主要是一人一策，一人一价，而现代的人群定价，则是一群人一个策略。风控会根据用户提交的信息，以及在征信平台、第三方平台的数据源，查到的用户的收入数据、消费数据，以及其它历史数据等各种信息，根据这些信息，判断用户的需求强度、借款能力、还款能力，然后对用户进行人群的对号入座。比如说典型的分层像蓝领阶层，白领阶层，管理阶层，都会根据人群整体，形成对应的风控策略。

2. 关注指标

• 授信额度
• 授信通过率
• 国内现金贷授信一般都是策略+模型风控，没有更多的环节
• 从业务侧来说，拆分的维度很有限，助贷侧通常会拆解不同资方来看

3. 行业案例

• 蚂蚁信用模型，如查询蚂蚁信用分等
• 授信风控所处的技术阶段，智能风控，通过机器学习去训练自己的风控算法

4. 运营场景

• 一个是通过用户行为数据识别监控欺诈用户
• 另一个是通过周边业务数据采集辅助风控

请款放款阶段

1. 请款放款

• 请款放款之所以放在一起，是因为它其实是一体两面的，用户请款，平台放款，所以把它放在一起。
• 用户去申请提现，资方进行贷中风控，如果风控没有问题，就会进入到放款阶段。
• 从提现到放款中间，资方会再次查用户的信息，比如征信，来判断用户在申请到放款期间，资质有没有变化。如果资质有下降，他很可能会面临额度下降、额度冻结、放款失败之类的情况。

2. 关注指标

• 支用率
  • 支用率拆解下来有借款申请率和借款通过率，还可以分成新老用户的不同客群指标，还可以按用户注册或授信时间，拆分成近期新户、远期新户、近期老户、远期老户。
• 支用金额
  • 支用金额可以拆解成支用用户数、支用件均，客群侧的拆解，可以参考支用率。

3. 行业案例

• 这个阶段有一个需要注意的点，就是借款通过率下降的问题。
• 一种是新用户，新用户借款通过率下降，主要可能客群的问题。因为这部分用户很可能同时向多个信贷产品申请借款，他就会存在多条的征信查询记录。因为用户操作的时间差会导致信息不同步，会出现授信的时候征信还没有问题，等到放款时候，这个用户已经有多条征信查询记录了，就会导致放款失败。
• 另外一种是老用户，老用户会有两种情况，一种是授信完没有发起借款，授信跟首次借款之间相差的时间比较久，用户的信息在这段时间内发生了变化，导致最终贷中风控不成功。
• 另外一种，是用户已经借款了，他复贷借款时候被拦截。复贷风控被卡的原因，常见于用户多次借款，已经到了逾期危险次数的情况。资方根据复贷次数判断这个用户的资质是否下降到了危险区间，如果是，就会风控拦截。

4. 运营场景

• 这个阶段的运营触达主要有三种。
  • 一是纯内容的触达，有的用户过了一段时间会忘记他在这边还有一个额度，纯内容触达就是对他做一定的提醒。
  • 第二种是还款券，还款券逻辑比较简单，助贷方自己出成本做功能就可以，可以最先上线。
  • 第三种是免息券，免息券因为要跟资方做成本和功能上的合作，又有各种信息传输，一般是最后才能上的。
  • 这几种触达内容整体看下来，免息券会比还款券或内容触达，效果好很多。即便是免息券的最高减免金额和还款抵扣金额一致的情况下，免息券效果也会比还款券要好。
• 这个阶段的用户分层逻辑是比较简单的，按用户的行为深度、沉默周期、需求强度评估等，进行防沉默、失活召回、沉默召回触达。
• 这个阶段的触达通道主要有APP内弹窗、PUSH、短信、智能外呼、人工外呼等手段，其中PUSH效果最差，短信效果其次，智能外呼效果会好一些，然后是人工外呼和APP内弹窗。
• 在运营时，APP内弹窗是实时触达，基于用户旅程定点触达即可。PUSH和短信要基于文案的“六大元素”（称谓、欢迎语、卖点权益、时效限制、社会证言、行动号召）进行AB正交实验，相同人群的不同文案转化可能相差10倍，而且结果也可能是反直觉的（不一定权益描述越清楚效果越好）。智能外呼和人工外呼则需要不断AB测试优化话术SOP，并控制好智能外呼和人工外呼的顺序。

贷后运营

还款阶段

1. 还款业务

• 还款主要有两种类型，一种是主动还款，另一种是自动还款或是叫代扣还款。
• 所谓主动还款，是用户在产品内主动操作还款。而代扣还款则相对，是用户绑定好还款卡，每月到期自动划扣。

2. 关注指标

• 正常还款金额
• 主动还款成功率
• 代扣成功率
• 总还款成功率
• 这些指标会跟利润有直接关系，也会跟逾期的相关指标放在一起去看

3. 行业案例

• 这个阶段行业的运营手段极为有限，因为还款会比借款更难影响。
• 用户如果有钱就肯定还款，因为逾期要上征信，就会影响买车买房，严重还会限制高消和出行。
• 只要做好还款前的短信和电话提醒，这一套下来，恶意逾期的用户会非常少。而逾期的用户，就是催收那边关注的工作了。
• 这样下来，就导致运营很难在还款提醒之外，做比较有力的触达和推动。

4. 运营场景

• 正因还款阶段的触达效果难提升，还款功能的稳定性、完善性也会相对重要一些，所以这个阶段的运营主要是产品运营。
• 其中代扣功能是比较重要的一个关注点，因为代扣全靠配置，配置好到时间机器会自动扣款和分账，如果配置有问题，就会导致严重的客诉问题。
• 另外在产品运营这边，还有一些方法可以减少未来逾期可能，就是通过客服和客户沟通延期还款。产品运营一般会制作延期还款的手册，或者SOP文档给处理逾期的客服。
• 如果用户在还款前觉得有困难，他有可能会跟客服致电，协商延期还款。在延期还款期间，情况特殊时，用户可以少支付一些罚息，甚至不支付罚息，来降低用户彻底逾期的坏账可能（这种策略现在貌似被非信贷人士发现了，演变成了反催的灰产，反催问题的应对，可能是行业需要关注的）。

复贷阶段

1. 复贷业务

• 复贷可以分成两种类型，一种是结清复贷，一种是未结清复贷。
• 结清复贷是指这个用户之前的所有贷款都已经还清了，然后再去做新的贷款，再去申请提现申请借款。
• 而未结清复贷的用户，其实原来的借款还没有还清，但是因为用户已经还了一部分款项，或是一开始就没有把所有额度借完，或者说是他开了多卡，有剩余的额度，当用户又有资金需求时，就又去申请贷款，这种就是未结清复贷。

2. 关注指标

• 复贷阶段关注的指标会有复贷率、复贷金额，这是宏观的指标。
• 下面拆分的指标会有结清复贷率、非结清复贷率以及复贷成功率。
• 结清复贷率、非结清复贷率的核心拆解方式和支用率拆解类似，也是按用户价值（需求强度、借款习惯、借款能力）、注册时长、生命周期等维度拆分。
• 复贷成功率其实跟前面讲的借款通过率比较接近

3. 行业案例

• 复贷阶段，因为用户的信息会更完善，用户分层（上限）可以做的比首贷阶段复杂的多，所以行业内会形成明显的分界。
• 最基础的做法，运营和分层通常都是手动来做的，会基于是否结清对用户进行基础分层，再基于用户末次借款时间进行交叉分层，最多会按RFM模型加强分层。
• 等这些贷中分层策略效果已经验证，会进入第二个阶段：策略自动化固化阶段。这个阶段会把上个阶段效果较好的策略，做成自动化触达机制，自动进行触达，来提升人员效率。
• 第三个阶段会对分层策略进行大幅度完善，不再是简单的双维度或四维度交叉分层，而是引入更多的评价维度，搭建模型对用户进行价值评分。根据价值模型评分，对用户做营销offer和优先级的确定，然后再基于用户的营销通道、营销权益、营销内容偏好，对用户选择触达通道进行触达。再基于AB测试和机器学习算法，对策略模型进行优化。

4. 运营场景

• 复贷运营首先是分层经营，这是最重要的运营手段。可以尝试三种分层模型：
  • 一种是基于用户的额度和费率进行分层，接近于风控模型的结果分层，反应用户的借款能力；
  • 第二种是按RFM模型对用户进行分层，RFM分别对应最近一次借款时间、180天借款频率、累计借款金额；
  • 第三种是自己做了一个模型，我们按用户的授信情况、消费情况、消费习惯对用户进行分层。
• 其次是触达内容。对这些未复贷的用户做了问卷调研，就发现用户主要有三种需求，一种是用户觉得息费比较高，第二种是觉得自己额度比较低，第三种是他本身是薅羊毛进来的。我们当时有很多绑卡返现、授信返话费券或者放款那申请放款返大额还款券或话费券的活动，他是为了话费券或还款券进来的羊毛用户。因为用了还款券之后，利率会比当时的理财还低，这些用户就把这个钱贷出去买理财。基于此，触达内容，就分成三个方向：
  • 一种是息费减免，一种是额度提升，第三种是附属的其他权益像话费减免。
  • 在息费减免方面，我们有两种模式，一种是还款券，还款时候直接抵用；另一种是免息券。比如说100元还款券，还款的时候可以直接抵100元，跟100元免息券，可以免100元的利息，这两种券在设计层面或许逻辑不同，单在用户体验侧，本质来说只是包装形式不同。但是我们AB下来就发现，即便是同样的面值，发免息券的用户转化会比还款券高很多
  • 第二种额度提升。因为我们当时业务是助贷，没有自主定价权。所以我们的做法是，通过对用户进行分层筛选，选高频使用，且还款没有问题的用户，每个月大概会推5万用户去给资方，资方会把这批用户导入到他们自己的风控系统里边，评估这些用户符不符合额度提升的条件。
  • 因为一个资方能给的额度有限，搞了一个多卡多资方的产品策略，在用户申请授信时，他会把用户同时推给多个资方，来提升用户的整体授信额度，来从源头提升用户可放款的金额。这个策略逻辑和提额类似，但是有一个极其严重的问题，虽然说这个策略对于提升放贷余额非常有效，但也会导致用户多头，用户质量快速下降。
  • 第三种，根据对羊毛这些用户的调研，我们会发一些附属的权益，来刺激他们去借款，但是会提升权益的使用门槛。

逾期催收阶段

1. 逾期催收

• 逾期和催收其实也是一体两面，逾期是用户逾期，催收一般是资方催收。
• 催收之所以重要，之所以是现代信贷的一体两翼，是因为它可以覆盖不良，降低不良率。
• 而降低不良率的意义何在呢，可以看一下信贷互金行业的增长公式，它有两种北极星指标，一种是毛利润，一种是放贷规模。
• 这两个北极星指标的业务拆解模型是非常不同的。像放贷规模的拆解，就跟常规的交易型模型是比较接近的，但是毛利润就不一样，它是这样一种拆解：当期应还乘以利差，减去当期坏账，减去当期成本。
• 这样拆解下来，我们发现影响毛利润的因素，除了常规的经营成本之外，最核心的一个因素是当期应还，另一个是当期坏账。当期应还跟放贷规模有关，当期坏账则与逾期有关。所以说通过催收，把当期的坏账比例降低，金额降低，就能比较大幅度的去提升自己的毛利润。而且因为不良对利润和损失都会产生影响，它既能提升本身的利润，也能降低损失，一份工作可以产生两份价值，所以在业务整体中尤其重要。

2. 关注指标

• 这个阶段关注的指标，主要会有逾期金额、入催率、出催率、迁移率、滚动率等指标。
• 逾期金额会分成M0、M1、M2、M3、M6+等。M0是没有逾期的金额，一般信贷产品都是按月还款，一个月就是一个还款周期，M1是逾期一个还款周期的用户，M1-M6以此类推。
• M1到M6都是算不良，M6以上都会算坏账，这个是行业比较通用的一种标准。M1到M3还有机会催收回来，M3-M6机会很小，超过M6，就极难回收了。
• 催收这边，入催率和出催率比较重要。

3. 行业案例

• 通过对这个催收平台的数据采集和埋点，来监控催收人员行为、催收电话时长、出催率等数据，管理催收人员效率。

4. 运营场景

• 这个阶段的运营手段，主要是电话催收和短信催收。

参考资料： https://baijiahao.baidu.com/s?id=1777522562052795500&wfr=spider&for=pc https://news.qq.com/rain/a/20230830A05JHO00 https://view.inews.qq.com/k/20230831A01JUX00?no-redirect=1&web_channel=wap&openApp=false