◆ 胡丹说：“创业以后，连打游戏的时间都没有了。”
文| 铅笔道 记者 薛婷
►导语
“买单侠”是一个基于移动App，为35岁以下年轻蓝领提供小额消费分期付款服务的平台，贷款金额在1000~3000元之间，消费品类是3C数码产品（手机为主）。
创始人胡丹说：“对金融要有敬畏，信贷是一个四维世界，第四维就是时间。”
“不同于电商，现在赚了就是赚了，亏了就是亏了。做信贷放出去的钱，在今天你并不能知道他到时候能不能还回来。”他笑道：“我必须像《星际穿越》一样，要穿越时空，知道6个月、12个月后，它是什么样子。有多少坏账，是否能把我干掉。”
没有时光机器，胡丹做了两件事情来预知、抵御时间的风险。
“花大力气做风控是为了不让危机发生。如果发生了经济危机或‘黑天鹅’事件，我的底子要足够厚，保证不被穿透。”胡丹说。
截至2016年3月，“买单侠”业务已覆盖全国157个二三线城市，月交易额3亿元。每笔贷款审核时间平均在5分钟以内，坏账率约为5%。每月新增客户超过10万，累计用户70余万。
注: 胡丹已确认文中数据真实无误，铅笔道愿与他一起为内容真实性背书。
2010年，在斯坦福就读MBA的胡丹曾有过很多创业想法。在美国Menlo Park，他踏进了红杉硅谷办公室，拜见沈南鹏。本想跟他要点投资去创业，却被“忽悠”做了投资人。
三年多过去，平时爱打单机游戏CS、"刺客信条"的胡丹（时任红杉资本副总裁）还是想实战一番。“突突突地打枪，很有沉浸感。创业就像浓缩的人生，比游戏还刺激。”一身运动装束的胡丹兴奋地说。
他把方向锁定在金融信贷领域。多年来，一个“美国老头”一直触动着他。读MBA时，他听了校友理查德·费尔班克（Richard Fairbank）的一场演讲——关于自己如何创办信用卡公司Capital One。
“30年前美国的信用卡市场已很成熟，Capital One专门切了两类传统银行服务不了的群体：信用超级好的和信用有些瑕疵的，用数据分析模型来风险定价，提供相应的信用卡。”
“他60多岁了，张口就是数据。”胡丹觉得很震惊：“他们从发信用卡到营销、催收、信用评审，都是用大量的数据分析做决策。比如邮寄信用卡的信封，1000人里，有900个开头是Sir，另100个是Dear Sir，然后根据反馈效果不断调整称谓比例。”
◆ “买单侠”高管团队
“理查德·费尔班克是做咨询出身，理性思维，崇尚数据。我也是。”2014年3月，胡丹成立“买单侠”。
对标Capital One，胡丹决定在国内做低收入人群的小额消费贷款，把消费品类定为3C数码产品。
为验证想法，胡丹在上海市中心的“不夜城”数码卖场做了一次实验。“早期资金端（出资方）用自己钱去试试水。”
当时的模式为：店主安装“买单侠”App，向前来购买手机的用户推荐分期付款，金额为1000~3000元，分12个月等息还款，每月收取3%利息。当时借款人没有年龄、职业限制，基本只要想贷款就能申请。“试试大家会不会用。”
第一月只有十几单，三个月下来，“亏得一塌糊涂，30个人里有10个不还钱的”。
胡丹分析原因：上海地区人均收入普遍较高，买个几千元的手机分期借贷需求不强。“在一个没有需求的地方硬推信贷，只能招来一批‘坏人’——信用极差，或者信用卡已经刷爆了的人。”
此外，人工审核存在弊端。胡丹称之为"老专家"模式。“雇一些毕业生，经过培训后，他们按照一套风控手册在后台审核资料。”
弊端如下：
一是主观不可控。贷款申请能否通过，全凭审核人员的主观判断。风控手册一直更新，审核人员却难以遵守执行。二是时效性差，每一笔申请的审核时间约为1小时。“一些客户等不及，就干脆放弃了。”
转化率低、坏账率高，胡丹对上海市场失去信心。6月，他派出小分队来到江苏，探索新市场，发现分期贷款在蓝领群体中需求旺盛。
在江苏，除去与数码产品卖场合作外，胡丹把店员也变成了“买单侠”的“推销人员”。店员手机装有“买单侠”App，如果客户想分期付款，扫描App生成的二维码，就能在自己手机里弹出申请表，填完后提交后台审核，通过即可放款。
如此，“买单侠”在线下与卖场老板、分店店长和店员三方合作，每完成一单，三方皆能获取一定分成。
在昆山富士康附近的一家手机店里，胡丹调研了这样一位小伙。他大约20岁，是一名普工，工资4000元左右，攒了半年钱在这家店买了一台iPhone5s，正在店里装游戏、拷电影。
小伙平时的消费行为超出胡丹想象。“他是打车来的，平时抽十几块钱一包的烟，基本是月光族。”
当被问到愿不愿意用分期付款买iPhone时，小伙笑着说：“当然愿意，这样我就可以比工友早几个月拿到手机。”
胡丹发现，这个小伙是一大批年轻蓝领的缩影。“他们大多20岁左右，处在人生的上升时期， 一台新款iPhone，可能是一个20多岁的蓝领最想得到的。但是传统金融机构并不愿服务他们。”
这也反映在江苏市场的业绩上。两个月时间，每月贷款量从100增加到500单左右。“差不多一个店里，10个蓝领就能转化成功一个。”
期间，胡丹同样在做试验，故意对一些年龄大的蓝领人群放贷，结果吃了一些坏账。“用户有38~40岁的，最大的有45岁。后来样本多了就会发现，超过35岁，坏账率就会升高一些。”他说，“蓝领职业过了18~35岁的上升期，体力下降，家庭负担变重。”
8月，胡丹决定只给35岁以下的蓝领人群（如工人、服务员、收银员等）提供小额借贷服务。
前端单量增多，坏账率依然过高，“老专家”风控模式在拖后腿。“申请的人一多，审核可能要2个小时，优势客户就会流失。”
胡丹有一套逆向选择理论：审核时间越长，留下的客户坏账率越高。“好客户是不耐烦的，他没有贷款经历，本可以不贷款。相反，那些愿意等上1~2个小时也要贷款的，要么是真差钱，要么是来骗钱的。”他补充：“后来数据分析，审核时间每缩短一分钟，坏账率会随之下降。”
看着“老专家”们越来越忙，效率跟不上，审批效果仍无法保证。胡丹心急如焚，决定把整套人工风控体系全部推翻，。
这套引擎把原本需要人工审核的流程划分为一个个碎片，专业化分工。“打电话的只打电话，对比照片的只对比照片，流程工业化。后面有质检部分，出现错误可以去复听电话录音等，把人工操作的错误降到最低。”
整套流程分为几百个碎片，以自动化为主，人为判断为辅，尽量降低人为操作的参与度（共收集数据点上万条）。其余原本用于人为判断的数据，用代码转化成了一个个规则。
排除了“人”的因素后，胡丹说，“唯一导致风控判断不准确的因素，就是风控模型了。那我就不断去迭代，上一个月的模型坏账较高，就换成新模型，最终使用效果较好的那一种。”
迭代过程中，技术团队不断把需要人完成的工作用机器替代，提高效率。例如照片识别，原来需要人工对比，后引入了图像识别供应商。“我们会使用三家供应商，同时监测，保证准确率，避免某一家中间出问题。”
同时优化人工操作环节。比如，申请人的三个紧急联系人，原本是挨个打电话核实，改为三个人同时呼叫第一、第二、第三联系人。
使用数据模型后，每次审核时间降至20分钟左右，坏账率、逾期率随之下降。
2014年10月的一天，猛然看到有几个门店的逾期率接近50%，胡丹一下懵了。调查后发现是一个团伙诈骗行为。“比如，他们找一些没有贷款记录的小白用户来刷单，给几百块劳务费。这样的人很难识别出来。”
胡丹经历了两个多月的黑暗期，坏账率最高冲到30%。“每天睁开眼睛就要亏钱。”
根据调查结果，只能从协调模型规则入手，建立反欺诈模型。比如一个人既充当一个人的爸爸，又充当另一个的哥哥，他的号码会同时出现在两个申请人的联系人中。系统会把该号码识别出来，做出标记。“下次再出现这个号码信用就会扣分。”
胡丹说，“模式在与欺诈团队做成本较量。电话号码不行，我就花几十块多买几个电话卡，还能骗你几千块。”于是，团队在模型中加入了声纹对比。“张三的哥哥和李四的爸爸即使号码不同，通过声波对比发现是同一个人，还是会被揪出来。”
“他们只能再去找人扮演李四的爸爸，成本又高了。”胡笑道：“当欺诈变得越来越难，成本很高时，他们就不会来了，可能转战其他风控比较差的借贷平台去了。”
后来，技术团队发现这些欺诈的“坏人”之间有着千丝万缕的联系，可能都给同一中介打过电话，可能在一个QQ群里。他们分析这些人的通讯、社交关系后，发现“坏人的朋友肯定是坏人”。“成群结队来申请的，基本是‘坏人’。”
技术团队利用这些关系建立起一家关系网络，形成了提前预防的反欺诈模型。“他骗一笔可以，第二笔马上会被发现。”
为防患于未然，团队内部经常脑洞大开，比如研发了一套行为识别系统。用户在手机申请表上如何划屏、拖动速度、打字用拼音还是笔画，有没有删掉重打等信息全被记录。
“开始也不知道跟风控会有什么联系。样本大了，跟‘坏人’模型做匹配，便找到了猫腻。比如，欺诈分子选择金额时，会一下拖到最高金额。按理说，一般人会考虑一会。”
这些模型应用后，坏账率稳步恢复正常。“感觉像把玻璃擦干净一样，申请人的行为一下变得透明。”
2015年上半年，每笔申请审核时间约为7分钟，坏账率约为5%。
此时，“买单侠”在江苏每月能做到贷款2000多笔。胡丹觉得实验完成，便扩张到其它地区，如贵州、福建等。
资金端，不再局限于自有资金，他开始与几家P2P平台合作。“有需要提前垫资的，有T+0的，也有实时放款的。”之后，一些传统金融机构（如城商行、信托公司、资管计划等）找上门来寻求合作。“近期在与一些银行对接。”
2015年，“买单侠”每季度贷款额的增长率约为460%。11月份时，平台实现盈利。“前期基础设施投入较大，技术加风控团队100多人，都是来自百度、谷歌、携程还有银行这些大公司的，人员成本很高。”
随着用户量增多，胡丹在内部设立了模型优化机制“冠军挑战者”。每月95%的申请使用原来的最优模型，另外5%分成五份，用五套新模型做实验。根据结果，每2~3个月挑选出最优模型成为新的“冠军模型”。
“40多人的风控团队每天都在探索新模型，其中一套是计算机自学习形成的。”他笑着说：“现在计算机模型能做到人的99.5%，未来我相信一定是计算机能赢。”
截至2016年3月，“买单侠”业务已覆盖全国157个二三线城市，月交易额3亿元。每月新增客户超过10万，累计用户70余万。
如今，每单的审核时间平均在5分钟以内。“近期，有一些一年前的客户二次申请。如果此前还款情况良好，可实现‘秒批’，一秒钟审核通过。”
接下里，胡丹并不打算快速扩张。“首先要保证质量可控，活下来比规模大更重要。不死就是赢，这就是金融。”
创业者求报道？请点击“阅读原文”，我们会尽快联系您。
如需转载、市场合作，请加微信号meera003；