小花钱包依托机器学习、人工智能等前沿科技实践已成为金融科技领域的有力竞争者,发展前景广阔。如今的小花钱包注册用户已达到千万级别,极受年轻人群体欢迎,不断引领年轻人时尚金融生活新方式。

　　机器学习贯穿小花钱包的业务流程,在每个业务环节,会根据具体需求使用有监督的机器学习方法。

　　首先,营销环节会有智能营销系统,从广告投放开始直至用户还款,监测用户整个生命周期,建立各个渠道画像,判断各渠道获客效率。

　　智能营销系统还会根据投入产出比评估各个获客渠道的效果。包括各个环节的转化率,如整个渠道的人群对产品的申请情况、审批的完成情况,审批之后的通过情况,包括这个渠道的用户借款之后的风险表现等等。综合多个维度的效果评估,不断提升智能获客的效率。

　　在小花钱包为合作机构提供服务的实践中,会根据业务目标决定需采集的数据维度和如何适配算法、模型,且随着业务增长,进件数量增加,加入更多大数据和机器学习的元素去迭代模型,以适配不同业务的变化。优质客群获取之后,也将给予其更高的额度和更长的期限。

　　依托中腾信在消费信贷领域的风控优势,小花钱包自主开发了RiskAI风控系统,被称为消费信贷领域的AlphaGo。利用生物特征识别和机器学习技术,结合大数据风控模型,小花钱包审批流程最快在15秒内完成。

　　同时,RiskAI的算法和模型将定期根据风险表现进行迭代优化调整。人工智能的核心能力体现为机器学习:小花钱包的RiskAI系统可以根据对贷款人行为的跟踪,借贷人数的增加来不断调整风控策略,风控模型可以不断自我学习、自我更新。

　　RiskAI替代了传统风控的大部分工作,遇到机器无法核实判断的维度,再选择由人工介入。在生产环境之外的平行环境中,小花钱包也在不断地通过“AI+人工”的方式去调试出更适配的模型。

　　不断应用可提升效率的新技术,挖掘新的应用场景,这是金融科技前进的方向。而崇尚科技、自由和创造力的极客精神也正刷新着客户的金融参与体验,小花钱包就是该领域的“消费金融极客“。