中國的金融機構正在進行全面智能化轉型， 消費金融 行業的步伐更快。 由于基礎征信數據的缺失，中國的消費金融機構更能“別出心裁”地應用 人工智能 。 相比之下，美國由于其完善的征信體系及對于隱私保護的重視，導致人工智能在消費金融領域的應用，有被中國趕超的趨勢。

本文對消金領域的人工智能技術進行概述，并列舉美國相較中國而言更為獨特的人工智能應用案例，同時對比分析了人工智能在中美消費金融領域的應用優劣及成因。

一．人工智能技術概述?

簡單理解的人工智能，就是利用機器完成人類的工作，降低運營成本，提高工作效率。 現階段人工智能的五大核心技術包括生物特征識別、機器學習、自然語言處理、計算機視覺和知識圖譜。圖1顯示了這五大核心技術的一些具體類型。?

在消費金融業務中，基于五大核心技術各自的特征和類型，打造出不同的應用方式。

?生物特征識別中最常用到的是 人臉識別和聲紋識別 ，應用領域主要是獲客時的身份認證——通過活體檢測，有效識別虛假、冒用身份。另一應用是 反欺詐 ，通過接入客戶生物信息的記錄，生成黑名單或白名單。

機器學習的要素是數據和算法，其應用主要是甄別欺詐，尤其是個體欺詐。

自然語言處理（NLP）主要的應用場景是 智能客服 。

計算機視覺中最常用到OCR光學字符識別，以完成對身份證信息的掃描核對。通常與生物特征識別一起應用于獲客時的身份認證。

知識圖譜的應用主要包括兩方面：首先是反欺詐，知識圖譜可以通過不一致性驗證識別身份造假，也可以利用關系網絡識別團體欺詐；其次是精準營銷，結合多種數據源分析用戶之間的關系，有針對性地針對某一群體制定營銷策略。

二．美國人工智能在消費金融領域的應用

在美國，幾乎所有消費金融行業的案例中，人工智能指代的實際上是機器學習。

機器學習被廣泛運用于信用評分、營銷、潛在客戶管理、用戶體驗管理、智能顧問、反欺詐、催收和提前還款管理等各個環節。

在所有上述環節，機器學習的應用都是利用大量的數據，通過算法構建模型，提升各環節效率。美國的核心優勢在于算法。

其中，潛在客戶管理、用戶體驗管理、智能顧問和提前還款管理是美國相比中國而言，對于機器學習較為特殊的應用。

當用戶提出貸款申請以后，不是所有的申請都可以轉化為真實貸款。在潛在客戶管理中，主要通過機器學習，識別那些通過率更高的貸款申請的特征，確定貸款通過率的優先順序，從而將更好的服務分配給通過率更高的貸款申請人。 潛在客戶管理一般緊跟在精準營銷之后，以完成潛在客戶培養、追蹤、轉化的全套服務。

在用戶體驗管理中，通過用戶體驗觸發器收集遙測數據——如用戶瀏覽的頁面以及花費的時間，創建訓練數據集，利用機器學習預測在申請貸款的每一步驟中的用戶流失行為，從而做出相應的服務升級。

在智能顧問環節，當借款人有資質申請好幾種貸款產品但不知道哪一個對自身而言最佳的時候，智能顧問會根據借款人以往的借貸選擇以及不同產品的規則及指南，向借款人推薦貸款產品。 智能顧問類似于財富管理業務中的智能投顧。一個典型案例是Commonbond, 其通過智能顧問為千禧一代提供學生貸款服務。Commonbond的競爭對手 Sofi 也通過智能顧問提供學生貸款服務，同時，Sofi還通過智能投顧提供財富管理服務。

在提前還款管理中，利用機器學習模型去預測未來30天內借款人提前還款的概率，從而采取防御措施：比如提供優惠費率貸款，以保證與借款人維持長期服務關系，避免利息收入的不穩定。機器學習在提前還款中的應用集中于房屋抵押貸款和汽車貸款。

三. 國內人工智能在消費金融領域的應用

在國內，人工智能在消費金融業務應用中最核心的幾大環節包括智能客服、智能獲客、 智能風控 和智能催收。

1、 在客服環節，人工智能的應用分為兩種：文本客服以及智能客服的呼入呼出。

文本客服中，首先通過知識圖譜構建知識庫，預設盡可能多的問題類型及同一類型問題的不同表述方式。然后應用NLP（自然語言處理），判斷問題類型，自動進行處理。針對客戶問題，文本客服會有三種解決結果：

（1）若客戶問題與現有知識庫預設問題完全匹配，則自動反饋給客戶答案；

（2）若客戶提出非預設問題，則自動轉接為人工客服；

（3）若不能確認客戶問題的表述，則根據理解擬出建議答案并發送給靜默坐席修改確認，最終將答案反饋給客戶。

文本客服的典型案例是語憶科技。語憶文本客服的邏輯是逐字分析，所以準確度很高。此外，語憶還利用深度學習算法研發了情緒識別技術，當用戶發生情緒變化時，平臺能夠即時檢驗并向后臺工作人員告警。

呼入和呼出場景中用到的都是NLP（自然語言處理），但所涉及的具體類型不同。呼入場景中，主要使用語音識別技術，直接根據客戶的提問做出相應跳轉，這區別于傳統的菜單式語音。呼出場景中，主要使用語義識別和語音合成技術，其應用包括逾期催收和轉化。催收將在后面部分談及，而轉化是指當發現某一環節中客戶的轉化率有一定問題時，篩選出部分轉化可能性比較高的客戶，使用智能語音的方式促成轉化。

2、 在獲客環節，人工智能主要應用在審批流程和精準營銷。

審批流程中，基于人臉識別、聲紋識別和OCR光學字符識別技術，可實現遠程面簽，降低線下人工運營成本；同時確保了客戶信息的準確性和可靠性，提升了風控水平。?

精準營銷中，首先是利用大數據和知識圖譜技術對客戶建立精準畫像，同時用機器學習算法拓展相似客戶群，從場景出發設計多元化產品，并將合適的產品精準地推薦給有需求的客戶，降低獲客成本的同時保證精準定向效果。其次是要針對信譽良好的已有申請人進行激活營銷，提高其復貸率。

3、 在風控環節，人工智能主要應用在信用評分和反欺詐。

信用評分中，消費金融平臺通常需要做出兩種類型的信貸決策：第一，是否向新申請人授予信貸； 第二， 是否向已有申請人增加信貸額度。第一個決策表示申請評分，第二個決策表示行為評分。通過大數據分析和機器學習，為新申請人制作評分卡，量化其可能違約的概率，從而給予借款人更精確的風險定價。對于已有申請人，根據其以往的還款表現以及復貸率，推出降費率、提額度等獎勵。

反欺詐中，基于知識圖譜技術，聚合借款人的個人身份信息、社交圖譜、黑名單庫等多維度信息，結合機器學習模型預測欺詐概率。設備指紋技術在反欺詐中也非常有效， 通過監測同一設備發出的指令，如同一設備是否在同一天申請多筆貸款或不同的申請人通過同一設備申請貸款，從而判斷欺詐的可能性。同時，利用人臉識別、GPS定位技術，在申請、登陸、交易、提現等不同業務環節阻斷欺詐操作。 國內的消費 金融科技 服務商當中，中騰信對于知識圖譜的反欺詐應用，已經相對成熟。

4、在催收環節中，人工智能的應用主要包括智能催收模型體系的構建和智能催收機器人。?

智能催收體系主要是應用機器學習，根據用戶畫像實現催收策略、人員和話術的實時推薦。

智能催收機器人主要是應用NLP（自然語言處理）中的ASR(語音識別技術)和TTS（語音合成技術），利用機器人開展智能語音催收。?

智能催收的優勢體現在：首先，智能催收的絕對話術規范規避了暴力催收行為，從而降低了投訴成本；其次，可以幫助釋放大量催收人力；第三，智能催收可以實現全覆蓋、不間斷的工作。

具體來看國內一些公司對于人工智能技術的應用案例。

?在智能獲客方面，第四范式利用高維機器學習模型，精細刻畫客戶和客戶行為，匹配不同的營銷策略。同時，第四范式的模型可以自動持續迭代，模型效果不衰減。

?在智能風控方面，中騰信提供貫穿貸前、貸中、貸后的全流程風險管理能力。貸前風控的重點是審核，通過信用評分、設備指紋、黑白名單等完成申請反欺詐；貸中風控的重點是監控，主要結合實時交易數據流，利用機器學習對借款人進行實時行為監控，同時對已有借款人進行授信額度調整管理；貸后主要針對有逾期行為征兆或已經發生逾期行為的客戶，利用自然語言處理，進行智能催收，中騰信已成功推出智能催收語音機器人。? ? ??

?在智能客服方面，馬上消費金融的客服機器人可以應答客戶提出的簡單、重復問題，正確率高達90%以上。當出現疑難問題時，系統自動轉接人工客服，并將知識庫中的最優答案推送給客服人員。

四、中美對比：中國人工智能技術應用領先于美國

中美的消費金融業務中，對于人工智能的應用存在很大不同。

第一，在應用技術方面，美國的應用比較狹義，關注于機器學習。而中國則全面應用了五大核心技術。

拿生物特征識別技術舉例。在中國，人臉識別、聲紋識別已被廣泛應用在各消費金融平臺的獲客過程，同時結合OCR識別身份證信息，完成雙重認證。而美國的生物特征識別技術還停留在服務于傳統銀行業務的身份識別階段。在消費金融業務中，以美國的Kount公司為例，其利用全面的交易和身份數據，通過機器學習完成身份確認。

其次是知識圖譜技術。由于其主要用于甄別團隊欺詐，而團體欺詐是具有中國特色的欺詐難題，所以中國對于知識圖譜的應用更常見。

第二，在服務環節方面，中國集中于智能客服、智能獲客、智能風控和智能催收。而美國還提供了潛在客戶管理、智能顧問和用戶流失管理等服務，但人工智能在這三個環節的應用仍處于初始階段。?

第三，在信用評分方面，大多數美國貸方都基于FICO評分的模型來決定個人借款人是否能獲得貸款以及貸款利率，而FICO評分是通過傳統的邏輯回歸模型產生的。 在將機器學習算法應用到信用評分的平臺中，也是對FICO評分進行完善和更新。這些平臺仍然大量使用傳統信貸數據，補充的其他非傳統數據維度相比中國較少。?

以Zestfinance為例，其利用機器學習算法進行信用評估時依賴的主要數據仍然是傳統信貸數據、搬家次數和法律記錄。其次是互聯網數據，包括用戶的IP地址、網絡行為和社交網絡等；以及用戶提交的水電煤氣賬單和手機賬單等。同時，也會將一些邊緣數據納入模型，比如借款人填寫表格時使用大小寫的習慣、在線提交申請之前是否閱讀文字說明等。?

這一方面是由于美國征信系統較完善，FICO評分的覆蓋率達到95%；另一方面是由于美國對于個人信息的保護較為重視，讀取某些信息，如手機通訊錄等受到嚴格限制。

而在中國，隱私保護相對寬松，平臺可以用到的數據維度較多，也更涉及私密性，包括GPS定位、通訊錄、手機內APP的數量和種類等。

---

銀行與金融科技融合的理想境界是什么？是銀行即服務。

2019年6月14日，億歐智庫研究院將在“2019丨全球新經濟年會·金融科技峰會”上發布《 2019開放銀行與金融科技發展研究報告 》，深度解讀金融科技賦能開放銀行的融合與落地應用——上海·虹橋·世貿展館邀您見證！搶票鏈接： https://www.iyiou.com/post/ad/id/792

本文已標注來源和出處，版權歸原作者所有，如有侵權，請聯系我們。