2018-01-17 16:30

　　各位尊敬的同行大家下午好，非常荣幸能够接到这个邀请来这个会议上进行演讲。今天我主要讲一下腾讯云怎么助力互联网金融的腾飞。这是我的个人介绍，我在腾讯之前主要负责的是QQ和Qzone业务安全类的工作，目前负责天御产品，是业务安全层面的产品，比如帮助金融机构防止骗贷行为，帮助银行识别交易欺诈的行为。

　　今天我的介绍主要分成四部分，首先看一下互联网金融相关的一些发展趋势。这个是之前在网上有一个互联网消费信贷的规模，呈逐年上升的趋势，并且上升的趋势还是非常快并且非常明显的，虽然最近有一些新政会有一些影响，但是看得到这个市场需求还是非常旺盛的。在这么旺盛的需求下，互联网金融企业最关心的是两个问题，第一个问题，我们在新政下怎么更精准的获得新的客户，特别是需要去使用更低的成本获得新的客户。另外在大量获得新的用户以后，我们怎么对这些新的用户做一个风控，接下来我会重点介绍这两部分的内容。

　　这个是我们广告发展的趋势，左边这张图可以看到，广告市场每年的消耗额也是逐年上升的。同时我们这边也观察到，获客的成本其实也是在逐渐上升的，拿一个P2P行业的推广来说，目前新客户的获取成本已经达到了上百元，最极端的情况下甚至可以达到上千元。另外我们发现互联网骗贷案件从来没有消停过，我后面还会介绍一个非常有意思的网络骗贷的测试。

　　怎么更精准的获客，腾讯云到底能给我们的金融客户带来什么样的能力。首先介绍一下天御，目前我们已经推出了精准营销的产品，我们这个精准营销的产品它的数据基础，首先来看一下，主要分成三个层次，第一个层次，腾讯拥有全中国最大的社交关系链，大家都知道物以类聚，人以群分，不同兴趣的用户经常会聚集在一起。基于这样一个关系链去进行分析就会得到非常有意义的一些分析的结果。第二，基于腾讯的数据上，我们拥有非常全面的画像的数据，我们针对用户他在社交、在游戏、在购物的APP下载等等方面的兴趣，腾讯在这方面有非常多的数据，并且我们这个数据全国的网民覆盖率已经超过了95%，我们的用户画像维度也已经超过了上万维。另外一个数据基础我们拥有一个位置的大数据，腾讯的平台每天定位的次数超过百亿次，并且定位成功率也非常高，98.72%。这个是我们精准营销投放的渠道，主要通过短信方式进行投放。很多用户在效果广告上，比如在互联网平台上投放广告，可能很多用户并不会点击，但是短信有一个优势，用户看到一般都会去点这个短信。

　　这个是我们基于上万维度的画像，可以去重点圈定的一些非常重要的群体，比如我们根据画像可以得到白领的人群、蓝领的人群或者他经常有一些LBS的跳变，比如他是一个商务的人群，或者他是在学校就读的大学生群体，通过刚才所说的画像都会有一个非常好的刻画的能力。这是基于刚才所说的关系链以及画像的信息，怎么去挖掘，怎么去对用户进行有效的定向。这是我们比较核心的技术，我们会使用AI知识图谱的方式进行挖掘，AI知识图谱主要分成两个层面，一个层面是用户的网络，另外一个层面是物品的网络，用户的网络又可以分成多个层次，比如第一个层次，用户和用户之间，他是好友关系，靠好友关系构成了网络。比如用户之间按照地域，比如按照小区，又可以构成另外一个基于地理位置的网络。用户的网络就会有好几层。物品的网络，比如是一个APP，有可以是一个URL，物品的网络也会分成好多层，比如两个APP同一个用户都装过，这个网络上这个APP会有一条边进行连接。我们怎么把这两个异构的网络进行结合，我们使用了AI知识图谱的方式进行结合，最后定位出来哪些用户对某一个物品感兴趣的程度是怎么样的。

　　这个是我们另外一个基于画像的人群扩散的能力，腾讯云的客户可以给我们一些已经是他们客户的样本群，我们在这些样本群上去进行一个他的好友的扩散，然后我们再分析这些种子客户非常强的信号是什么，比如我们发现这一批用户在四川地区大学生，18-20岁占比非常高，我们就会以这个画像作为一个特征，在关系链的网络上进行筛选，最终可以筛选出来一些可能会对某个物品感兴趣的用户。这是定位的方式，我们可以通过位置来进行用户精准的定向。这个是一些产品实际的效果，左边这张图是来自于《一本财经》的报道，在网络金融获客，一般放款的成本基本上在100元到200元之间，注册成本一般在10元左右，通过腾讯云精准的获客能力，很明显看到放款的成本一般都是在30元到120元之间，注册正本在5元左右，基本上是左边这些常规渠道的一半。

　　我们获得客户以后，怎么对这些客户做有效的风控，介绍一个骗贷的测试，去年我们跟上海一家非常大的互联网贷款公司有一个联合的测试，当时测试我们随机选取了5429个申请网络带宽的用户，平均贷款额度在3000元，他只要申请，我们就对他进行放贷，不做任何风控，接下来观察用户逾期的情况。下面的样本逾期率，中间的表格，od逾期表示用户到了还款时间还未还款，经过30天，经过人工加自动化的催收之后，还会有22.2%的用户没有还款，可以看到网络骗贷还是非常严重的。我们的客户面对的产品非常多，到底选用哪一款产品是非常有效的，我们也进行了一种测试。一般的产品我们的客户会输入一些用户在借贷时填写的基本信息，比如身份证号、手机号等信息，我们输出的是这个用户的欺诈评分还有欺诈详情。

　　我们选择了几款产品，首先是天御分，还有其他公司的信用分，以及另外一个公司和德欺诈分，使用了七个维度的指标进行反欺诈能力的测试。看一下实际的效果，这个是ROC曲线，横坐标是错误率，纵坐标是覆盖率，当然是在错误率越低的情况下覆盖率越高越好。红色曲线是天御的曲线，不管在哪一个逾期率的情况下，覆盖率都有明显的优势。还有AUC、KS和IV值，特别值得一提的是IV值，表示变量在预测客户是否有欺诈方面重要性的程度，一般在0.1%以上的变量可以认为是有效的变量，天御已经到了0.25%到0.6%。为什么有这样的能力，天御这个反欺诈产品是把腾讯集团的所有业务进行打通，我们基于这样的一些业务用户操作的习惯，生成了多维的用户画像以及一些黑产的信息，对黑产进行判定，这个是我们判定的维度，主要是账号的风险，特别值得一提的是，腾讯是基于这个社交关系链上挖掘黑产的团伙，目前也只有在腾讯这边才能做到这样的能力。

　　大家可能会问，反欺诈这个东西是不是只接了腾讯的数据就可以了？我也接触了大量的客户，发现并不是这样，为了解决好用户风控的问题，需要接入多种数据源。比如要接入用户交易类的数据、出行类的数据、信贷数据、民生数据还有其他网络相关操作类的数据。面对这样一些数据，很多客户也会很茫然，我到底要接入哪些数据才够，并且我们也发现，之前腾讯有一家投后的互联网金融公司，他当时使用到2000多个用户的维度，很多公司根本搞不清楚我到底需要有哪些维度。目前腾讯也已经和我们投后的公司把这样一些知识和经验进行开放。

　　基于刚才用户的数据上，我们怎么去做好反欺诈和信用评估，这个地方我们也非常有经验。我们首先需要对这个用户进行欺诈的判定，这个欺诈判定分为两种，第一是第一方欺诈，他本人具有欺诈意向，这个时候可以使用用户填写的基本资料，和他在其他的数据源上面进行比对，看一下他说的是否属实。另外一个需要判定他是否有第三方的欺诈，这个人的信息被一些黑中介利用来进行贷款，这个时候可以验一下这个人提交的他的好友信息，去验证他是否熟悉这个人更多的好友的信息。进行了反欺诈的评定以后，紧接着，可以对他贷款了，到底可以贷多少款，刚才说的2000多个维度，如何选取有效的维度，并且怎么定义这个用户的好坏，对这些数据进行有效的清洗，腾讯这边也非常有经验。我们会在所有的用户生命流程里做实时的监控，需要有非常多的数据去反映产品风险的情况。

　　大家可能会问，你刚刚说的都是一些方法论的东西，到底有没有一些比较实在的东西，当然我们也有，我们目前可以帮我们的客户去输出这样的风控平台，如果他对风控不是很熟悉，他其实可以直接使用这样一套平台就能快速解决他的风控问题。这个界面左边是一些用户的基本信息，还有他的信用分，还有综合评估的矩阵图，右边是用户作息的时间，其实这个作息时间也可以根据他在APP里的活跃情况，还有他一些通话的数据进行绘制，发现用户的作息行为如果不规律，他的欺诈可能性是非常高的。这是用户外呼的示意图还有时间频率的示意图，黑产分布跟好人的分布也会呈现非常大的不同。

　　再介绍一下天御金融服务的全景图，目前天御主要是服务于像银行还有互联网金融这样一些公司，我们提供的全流程的服务，比如获客阶段的服务，还有事前事中事后等方面的服务，并且我们的服务有原子的服务能力，也有通用平台的服务能力，对于有比较强风控能力的客户，他可以直接使用我们原子的能力，比如使用反欺诈服务，使用人脸识别服务，对于一些刚进入这个行业想做又想快速做好这件事情人，我们可以一个风控平台提供使用。为什么腾讯有这么强大的能力，很多业务是基于腾讯非常大量业务数据的基础，我们把腾讯的这些数据基础进行有效的开放，给到客户进行使用。最后大家可能也会问，你这个服务这么多，有没有一些合规方面的问题。其实在这个地方我们也有专门的专家对这些政策进行解读，并且对我们的数据服务的合规性进行评定。在这方面我们也是非常有经验的。

　　这个是我们典型客户的列表，比如像现在中国比较大型的银行和互联网机构目前都已经接入了天御的产品，也希望大家未来有机会可以跟我们一起多交流，也希望天御能够给各位带来价值，谢谢大家。