互联网支付产品兴起后,银行信用卡日子好过吗?

发布:2018-09-21      来源:虎嗅网      浏览:878

  这些年来,花呗、白条等互联网公司推出的类信用卡产品的使用率上升,蚂蚁金服的花呗余额已经达到近千亿元。不少人认为,受到这些互联网产品的挤压,银行信用卡业务凉了。

  事实真是如此吗?

  截至2018年二季度,商业银行信用卡总发卡量达到6.38亿张,同比增长22.7%,人均持卡量从0.34张增长至0.46张。显然用户对于银行信用卡的需求并没有因为花呗、白条的出现而减少。

  这只是行业平均速度,一些出色的信用卡运营商增速更猛。平安信用卡2017年新增发卡1509万张,同比增长80.0%;今年上半年新增发卡917万张,同比增长81.2%;交易金额达12,072亿元,同比增长89.9%。发卡量与交易规模都处在八成以上的增长。

  为什么会如此?高增长背后,是平安银行信用卡已经运用成熟的金融科技完成了布局和转型。

  金融科技这个词从2016年开始火起来,现在已经席卷整个金融领域。这一波金融科技浪潮之所以比之前的技术变革更受关注,主要是因为这波浪潮中的主导性技术是大数据、云计算、人工智能。这几大技术为信用卡行业带来了金融生产力的极大释放,尤其是在C端用户层面,给用户带来成几何级的效用提升,使得这波金融科技浪潮比之前的技术应用更加汹涌澎湃。

  金融科技走过两年多的历程,到现在已经棋至中盘来到下半场。下半场技术在信用卡领域会更大程度上发挥主导作用,也会给行业带来更多变局,率先完成金融科技升级的企业,必然会在接下来的竞争中实现弯道超车。

  平安信用卡可以看做是这样的案例,通过金融科技在C端带来更好的便捷性与安全性,发卡量与交易额持续高速增长便是结果。

  深耕C端消费者,是上下半场转折关键点

  近三年来的这场金融科技风潮,核心是数据驱动,主要应用的领域在C端。不管是支付、借贷、理财,都是C端服务获得了长足发展,如移动支付、消费信贷、个人理财等,都因着金融科技的进步而变得触手可及。

  即使是服务B端的云计算,也是为线上的IT系统做运维支撑,最终在C端落地。因此,这些C端领域成了金融科技企业的必争之地。而B端因为缺乏像C端那样数量丰富、维度多样的数据资源,便很难打开局面。

  在金融科技的上半场,很多C端用户已经享用过过金融科技红利,但体验还不能说让人满意。如网络借贷往往伴随着高风险;网络理财买起来方便,但技术对于提升普通用户体验依然缺乏建树,等等。下半场竞争重心依然在C端,谁能继续以技术提升用户效用,满足用户对金融服务的更高要求,谁就能独领风骚。

  信用卡领域也是如此,客户的需求在升级,从卡片到客户端是否能提供一站式服务,给客户带来真正的实惠,成为了行业思虑所在。

  因此,金融科技下半场,信用卡的核心赛点在于,如何抓住用户体验的迭代持续深耕,并最终实现卡到端的全面升级。

  抓住C端赛点,平安信用卡“金融+科技”双引擎提速

  以往信用卡业务的核心竞争力是地推能力与风控,靠的是传统的激励手段与风控手段。而现在,信用卡业务的核心竞争点已经转向了金融科技对全业务层面的升级。金融科技对于信用卡业务的助推作用在明显深化,可以在很大幅度上提升C端体验。

  平安信用卡的快速崛起,也是抓住了金融+科技改善信用卡C端体验的能力,借助科技进行服务系统的重构。平安银行在2017年提出了“金融+科技”双轮驱动战略,利用大数据与人工智能,加快零售业务变革,用金融科技强化C端服务便是对这种理念的尝试。

  具体而言,平安信用卡一方面推进信用卡使用的便捷性、安全性;另一方面,推进从卡到端的全面升级,卡片与客户端相互支持,做大生态。无论是卡的体验,还是卡、端结合,都是以金融科技为基础支撑。

  从便捷方面而言,平安信用卡推出了智能客服平台,直接让机器人为用户提供24小时精准服务。

  这里面的难点在于,机器人如何根据用户需求进行准确反应。现在有小冰等线上机器人可以跟人聊天,但你跟小冰聊信用卡需求,小冰是无法回复的,因为没有大量的信用卡数据来训练小冰,小冰也就无法理解用户需求。用大量信用卡数据来训练机器学习模型,才能让机器更加做到信用卡领域的专用智能。

  平安信用卡优势就在于此,拥有大量的信用卡数据,这也是客服智能化的技术基础。有数据显示,目前平安信用卡AI客服每周支持约500万次的客户咨询,服务能力提升40%,在线客服运营效率在技术上提升150%-200%,金融科技的升级效果可见一斑。

  安全性方面,平安信用卡开发了智能反欺诈系统,在客户刷卡的瞬间,系统计算大量的评分模型和欺诈规则,对风险交易实时打分,拦截盗刷交易。

  这其中的难度在于,用户刷卡是瞬时的行为,判断交易是不是盗刷,难度非常大。要在瞬时之间获取数据,并完依据评分模型以及设计的欺诈规则,对数据进行运算,判断风险概率,没有足够的技术积累是做不到的。

  这对于运算速度提出了很高要求。我们所谓的大数据计算,可以分为批量计算与流式计算。批量计算是先存储后计算,精准性更高,但不够及时;流式计算是无需先存储,可以直接进行数据计算,保证数据被及时处理。

  二者差别在于:批量计算更适合对即时性要求不高、对准确度要求很高的场景,如智能推荐,需要非常高的精准度,更适合批量计算来实现;而流式计算更适合对运算速度要求极高的场景,可以在毫秒时间段内完成运算并给出决策。

  显然,刷卡时的反欺诈过程,更适合采用流式计算来处理大数据。平安信用卡搭建了流式大数据引擎,将每笔交易的决策控制在50毫秒以内,有效拦截盗刷行为。

  数据显示,截至目前,智能反欺诈系统已经服务超过5300万用户,累积处理超过10亿笔金融交易,为用户直接或间接减少了超1亿元的经济损失。更难之处在于,平安信用卡智能反欺诈,不仅快,而且准。除了流式大数据引擎的运用,平安信用卡还集成了Neural Networks、GBDT、Logistic Regression等多种机器学习算法,对各类盗刷交易特征进行深度学习,盗刷数据的多样和复杂,反而成为了这套系统的防护墙。

  通过以上手段,平安信用卡的便捷性、安全性都有了很大保障。

  此外,平安银行还在客户端方面发力,借助卡、端两方面的全面升级,既提升使用体验,也打造更强大的生态。

  客户端与信用卡相比,用户使用频次更多,有更多的信息交互,形成更多的数据资源,用户画像也就更加精准,对用户的个性化服务也就更有基础。客户端相比于卡也可以承载更多的业务,让客户获取一站式银行服务。

  因此,客户端的发展可以为信用卡业务助力,提供更多数据来优化信用卡业务,同时也给信用卡业务以更多的服务,卡与端的生态可以做大。

  这样,平安银行以科技赋能金融业务,给C端客户带来的是便捷、安全,“金融+科技”双引擎得以提速。

  金融科技让国内信用卡行业走出粗放式增长

  看了这些,大致可以理解平安信用卡为什么能在产品越来越多元化的时代,实现八成以上的增长。用户体验是发卡量、交易量增长的基础,再配合上品牌推广、有效获客,高速增长也就不难理解了。

  平安银行信用卡“金融+科技”双引擎、从卡到端全面升级的策略,带给中国信用卡行业很多启示。金融科技要落实到影响C端服务的每个环节,让每个环节都因为金融科技而变得更高效。

  以往,金融科技与信用卡的结合点主要还是在场景与流量上,很多银行与互联网企业发行联名信用卡,并在相关的场景里推,此外还利用互联网公司的流量与数据,做信用卡的推广。这是信用卡与金融科技结合的初级阶段,应用深度还不够。

  在当下,金融科技会在信用卡业务的核心环节发挥更大作用。具体表现为:

  在KYC阶段,大数据为用户画像,更精准地了解用户的特征,为其匹配更合适的产品;

  在用户申请信用卡阶段,提供线上申请平台,智能匹配相关信息,实现信用卡申请的线上化、便捷化、智能化;

  在审批流程中,通过状态实时更新、智能客服服务等形式,使用户及时了解审批的进度;

  银行在审批阶段,通过大数据风控、反欺诈模型等手段,对用户信用状况进行准确判断,拦截不合适的申请人,为合格申请人确定合适的额度;

  在信用卡的使用与管理环节,通过消息推送、智能客服等手段及时与客户保持联系,当客户提出即时提额时,可以通过大数据计算,迅速做出反应。每一次刷卡时,通过方可模型对数据进行运算,判断可能的盗刷行为;

  在客户全生命周期管理中,全面掌握各类数据信息,智能化管理每个客户的需求,个性化调整额度。数据化管理不活跃的用户,通过优惠信息推送等,激活用户的使用。

  总结起来,就是用大数据、人工智能等前沿技术,变革业务流程中的审批、管理、风控等环节,在用户端实现信用卡使用的便捷化、安全化。这些方面,平安信用卡都通过金融科技,强化了效果。

  这对于中国的信用卡行业具有很好的借鉴意义。

  现在整个行业的粗放式增长还是比较明显,信用卡竞争,主要还在比拼渠道、场景以及优惠力度。这些并非不重要,但是如果C端用户体验上不去,安全性不能得到彻底保障,那么发出再多的卡,堆积再多的场景,意义也不大,很难被用户认可。

  只有当用户的需求被快速、便捷地满足,用户才会感受到乃至认同、理解企业倾注的人性化关怀。从这个层面来说,平安信用卡“懂你”的年度主题不只是喊口号而已,懂用户,才能真正获得用户。

  当然,做好C端服务,在更高程度上认知用户,不是一朝一夕,需要将更多行为线上化,积累更多的用户数据,用丰富多维的数据去为用户画像,使模型更加精准。

  所以,我们能看到金融科技对金融服务的变革,还有很大的想象空间。

  了解更多 ,请关注 (m.51kaxun.com), 每天为您带来最新的 、优惠活动,让您更好的使用信用卡。
在线申请信用卡
网友评论
暂无评论
我的评论
Baidu
map