Pages Menu
400-008-9169
Categories Menu


五月份,英途率队带领一队互金投资人和从业者(包括玖富、迅雷、鼎晖、红杉、君联等企业)潜入硅谷,对话20+家美国Fintech创新企业。实地探访后,我们结合与对方高管的对话以及途友的反馈整理出了这6家讨巧的FinTech公司——它们的定位鲜明独特,且打法已被美国市场验证,或许可以带给国内从业者启发。

 
1.SoFi

SoFi是整个考察中最受途友们追捧的公司,也是美国目前估值最高的互金公司——32.5亿美金。 它对准早期精英人群提供信贷服务,属于典型的“设定门槛”的金融模式:严格筛选出最能为平台带来价值的优质客户——负责任的优等生,明天的成功人士,致力于为他们省更多钱,提供更好的服务,同时屏蔽掉无效浪费你精力的客户群体——不好好学习的倒霉孩子,逐利的吊死人群,做梦都希望欠债不用还的那种。


SoFi总裁兼CFO Nino Fanlo向途友介绍SoFi
           

与大多数P2P平台定位在为“银行不给借”的客群提供高息贷款不同,SoFi专注于为早期的精英人群提供低息贷款(利率5%,低于多数顶尖学校6.8%的学贷利率),以‘差异化低息’吸引great people (高质量借款人)。通过社交网络进一步降低违约率,同时以资产证券化降低出借端的资金成本。

SoFi总裁兼CFO Nino Fanlo为我们复盘了该公司的战略发展史——从早期定位在优质学生的贷款,转到学生贷款再融资,再到今天推出资产管理产品、保险、支付、存款etc,致力于锁住这个优质人群提供各种延展服务。


SoFi总裁兼CFO Nino Fanlo答途友提问

Nino表示,美国目前处在职业发展早期的人群(25-40岁) 总共8000万, SoFi希望聚焦在其中最尖端的10%-15%(美国名校MBA学生和毕业生),算下来这部分目标人群有800-1200万,而SoFi目前只覆盖到了这其中的15万人,每月新增客户1.5万,未来还有相当大的增长空间。

得益于鲜明的客群定位和精准的风险定价,SoFi在过去几年实现了惊人的增长,贷款额从13年的10亿美金,到14年的50亿美金,再到16年预计达到140亿美金。公司估值也从11年的800万美金,疯涨到去年的32.5亿美金估值(去年融资10亿美金)。

SoFi学贷的坏账率只有0.02%,个贷坏账率只有0.4%。至于坏账率为什么能这么低?CFO Nino表示,主要是在战略上整体规划对客户的风险定价、对投资人的风险回报、还有利润预期和坏账预期,并适时作出针对性的调整。Nino强调,因为SoFi非常专注地服务于一个特定人群,因此可以有相当准确的坏账预期。

谈到SoFi目前面临的最大挑战是什么?Nino表示,SoFi在不同时期的挑战是不同的,比如资本成本,技术,竞争对手,政府关系etc这些都是构成挑战的分子。但是他认为最大的挑战是找到特别优秀的人,大家为了相同的信仰和目标一起战斗。另外,Nino很看重良性的内部竞争,看重具有竞技精神并认可狼性文化的队友。“大家奋不顾身地追求成功,其他你想要的自然而然都会有。”

最后,关于客户关系,Nino表示SoFi一贯把客户视为lifetime friend(一生的好朋友),而非仅仅是transactional partner(交易场合的合作伙伴)。未来,SoFi致力于加大在社区运营上的投入,在优质人群基础上不断衍生出庞大的社交网络。


2.Avant
打造方便于消费者的机器人,49美元的众筹价格实惠亲民,满足任何渴望了解更多机器人、工程和生物学的消费者Avant是目前美国成长最迅猛的网贷平台, 过去三年间的贷款总规模超过30亿美金,仅次于Lending Club和Prosper。势头正猛的Avant是本次LendIt大会上当之无愧的明星。它的总部位于中部城市芝加哥,却是美国P2P玩家中最执念走国际化的一个。目前在全球范围内的客户总量已超44万,也在很积极地拓展国外合作伙伴,包括中国



CEO Al Goldstein与途友一起交流

CEO Al Goldstein告诉我们, 区别于Lending Club和Prosper主打信用特别好的借款者,Avant的主要受众是信用介于优级和次级之间的借款者,Al的原话是“underbanked middle-class with a few dings on their credit reports”(未能充分得到金融服务的中产阶级,信用报告上有几个瑕疵的那种)。

Al还提到,Avant非常看重利用机器学习技术让自己的风险定价模型更加准确和高效;目前,Avant平台上有超过50%的放贷交易是线上完全自动完成的,今年计划将这个指标提升到75%。在资金来源上,Avant采取hybrid模式,既做传统的平台型P2P,也做自有资金放贷


3.Kabbage
在 中小企业贷款范畴,Kabbage是最被途友看好的公司。这个公司开创了“网商贷款”的新模式,用大数据重构信用体系,为小微网商企业提供贷款。其颇具革 命性的创新在于,高效地整合了交易数据、物流公司配送数据以及社交网络行为数据,将互联网每个角落的信息充分转化为个体信用,很大地提高了贷款平台的风险定价能力



业务拓展负责人Peter Steger介绍Kabbage
                                                 

业务拓展负责人Peter Steger告诉我们,Kabbage今年刚刚达到10亿美金贷款规模的里程碑,公司最引以为傲的地方就是其后台数据的自动化处理能力——Kabbage的放贷过程是100%在线上自动完成的,每笔贷款从申请到审批再到打款,平均总用时仅7分钟。也是这个原因才让Kabbage的规模化效率特别高,虽然体量涨到10亿美金的贷款规模,可是前台贷款审批和服务人员的增长却非常有限


4.Xignite
金融数据是金融行业的命脉。金融数据的把握和使用本身就是非常复杂的,涉及到硬件、软件、人力和基础架构等等。 Xignite解决的就是这个问题,它提供基于云端的金融市场数据API,为企业和公司用户的数字资产获取实时的,可供参考的金融市场数据。目前,Xignite是这个260亿美金市场的主要player之一,客户包括上千家金融机构、媒体、科技公司、传统企业;它在金融科技范畴的代表客户包括Wealthfront、Personal Capital、Betterment等等



Stephane现场为途友解答
 
目前公司的主要竞争对手是汤森路透和Interactive Data Corp,Stephane表示,Xignite的主要竞争优势在于所提供数据的深度、广度和可扩性,以及区区‘两小时’的客服反应时间。需要说明的是,Xignite并不满足于仅仅作为数据中介和枢纽,更致力于提供完整的解决方案,客户用了Xignite的API拿到的不是杂乱的原始数据,而是经过标准化处理的直接可用的数据。

 
谈到竞争壁垒,Stephane这样为我们解读:金融市场数据API这件事情听上去不复杂,但远不是写几行代码那么简单;海量数据的获取和处理是需要长时间的积累和充足的资本来支持的。Xignite成立于2003年,当时是把握住了风向,紧随贝佐斯在2002年发表的APIMemo和亚马逊推出AWS云服务,然后历经10多年时间才发展到今天的江湖地位。目前,Xignite非常看重中国市场,专门在上海建立了5人的技术团队,总共公司规模也就只有30人


5.Affirm

Affirm是美国最具代表性的消费金融公司之一,由PayPal联合创始人Max Levchin创建。它将消费金融与移动支付相结合,在指定电商和线下商铺的checkout(结账环节)提供场景性消费金融服务,致力于“开发更便宜、透明和诚信的金融产品来提升年轻人的日常生活水准”


Stephane现场为途友解答

Affirm新兴市场负责人Hunter Jackson告诉我们,目前美国60%以上的千禧一代(millennial)自己没有信用卡,Affirm这种简单透明的信贷模式非常受到年轻人的拥戴——不同于传统信用卡(免不了复杂的复利计算和隐性杂费)Affirm在check out环节直接放款给商家,同时借款人一上来就知道自己总共欠多少钱,每个月需要还的固定额是多少,没有任何其他隐性费用


跟银行不同,Affirm对消费者的信用评估不仅局限于FICO分数,而是运用数据科学和高级分析手段整合消费者在互联网留下的足迹,包括Facebook等社交网络数据etc.,从而让定价模型更加精准,也让覆盖的人群得到延展,让更多缺少信用记录的年轻人可以使用Affirm的服务。目前Affirm的贷款审批成功率大概在70%-80%,高于信用卡申请平均成功率50%-60%

此外,站在商家的角度,他们也有很大的动力跟Affirm达成合作。内部数据显示,选用Affirm作为支付方式的消费者在同一个商家的消费额比其他消费者平均高出50%-70%。“Affirm等于为商家带来了新的收入来源,而且没有附带风险, 他们实在没理由拒绝我们”,Hunter表示

6.Premise
这个公司致力于打造一张实时的全球经济监测追踪网络。结合“机器学习”和“人类智能”收集数千个信息来源,处理海量的经济金融数据,帮助金融机构、快消企业以及政府部门/国际组织做出更明智的决策


Stephane现场为途友解答

Premise业务运营总监Yao Choong表示,Premise在全球有超过3万名兼职员工,他们通过Premise的移动软件进行有偿的信息采集劳动,尽可能为Premise的客户消除不同地理范围内的信息不对称性,帮助他们更好地进行商务或者政务决策。Yao给我们举了一个项目案例:按照菲律宾法律规定,所有菲境内的香烟商品上必须带有印花税票。政府希望知道这项法令执行得如何,于是他们转向Premise求助。

Premise会怎么做呢?除了调用公司强大的机器学习算法技术,Premise会开始在菲律宾境内征集人工劳力来采集数据点。只要遵循Premise预先设定好的要求,譬如这个人需要在每天下班路上走进一家临街商铺,通过手机拍摄货架上的香烟包装,看看有没有印花税票,然后将照片通过Premise的移动app上传即可获得报酬。

目前,Premise的客户分布在美国、中国、巴西、印度等25个国家,彭博社、渣打银行、世界银行还有很多不能透露名字的大企业都是他们的客户。

Yao告诉我们,Premise最厉害的地方在于它可以利用平台基础设施和机器学习算法,让这件看似人力成本很高的工作,可以相对高效地进行规模化;并且Premise提供的数据在很多案例中体现出比官方数据提前几个月,有很大的前瞻性优势。比如,Premise的模型曾经比印度官方早一个月判别出了洋葱价格的大幅攀升。而且官方的通胀预测中只考虑了5千份商品的价格,而Premise考虑了线上线下一共24万份产品的价格。换句话说,其实Premise给出的数据更准确,而且获取数据的手段也更便宜。

具体操作来讲,会分成这几个步骤:1)Premise会把一个复杂的商业决策问题分解成很简单的小任务;2)把它们在对的时间分配给对的人;3)对这些执行任务的人的薪酬进行动态定价;4)有效进行反欺诈防控;5)保证数据呈现在客户面前是易懂易用的。”

文来自于英途原创

扫描即可分享全球创新趋势