京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据揭示的七个消费金融真相
2016年的消费金融市场呈现出井喷状态。传统银行、产业系消费金融平台、依托电商平台和P2P平台的互联网金融平台等四大派系,纷纷入局抢夺消费金融这块万亿级的市场蛋糕。四大派系的消费金融平台到底孰优孰劣,其产品、利率、放贷、服务等方面有哪些差别?消费者最青睐哪些消费金融平台?消费金融市场有哪些值得关注的消费现象?
日前,百分点集团大数据团队与中央财经大学商学院联合发布了国内首份《消费金融口碑指数》,该调查通过大数据技术对3548位使用过消费金融的消费者,以及2016年消费者使用人数排名前30位的四大派系的消费金融平台品牌进行详细研究,基于消费者视角,从品牌认知、品牌体验、品牌忠诚三个维度、47个指标,全面调查各个消费金融品牌的具体情况。大数据调查的结果,揭示了关于消费金融市场的以下六个消费真相。
真相一:消费金融品牌的知名度高≠产品和服务质量受认可
蚂蚁花呗、京东白条等知名度高的消费金融品牌,意味着消费者认可它的服务质量吗?或者消费者对它就忠诚吗?《消费金融口碑指数》的调查报告给出的答案是“不一定,且差异很大”。如图1,易分期的认知度远远没有蚂蚁花呗、京东白条高,但是它的产品质量和服务在消费者中的口碑位居第一。苏宁、兴业、万达、小牛等品牌的产品质量和服务在消费者中的口碑也超过蚂蚁花呗和京东白条。
“这意味着消费金融品牌花大量钱投在互联网流量广告上,虽然能够提升认知度,但并不能赢得消费者认可。”百分点集团数据科学总监杜晓梦博士表示。
调查也显示,只有品牌感知质量高(即产品和服务质量好)的消费金融平台,其消费者也倾向于更加忠诚、不易流失。
图1 消费者对消费金融品牌在产品、流程、服务和安全方面的综合评价
真相二:影响消费金融品牌的4个关键消费诉求
调查显示,获得消费者认可的关键因素是影响品牌感知质量的四个方面:流程、产品、服务和平台安全,具体涉及到贷款是否容易获得、审批速度的快慢、还款渠道多样与否、利率水平、投诉处理以及隐私保护等12个指标(见图2)。
图2 影响品牌感知质量的12个关键指标
据中央财经大学商学院副教授李季介绍,目前对影响品牌感知质量的关键指标的满意度调查显示(如图3),目前消费者对各平台的服务人员质量、还款短信提示及时性,以及还款渠道多样性方面比较满意。
图3 品牌感知质量关键指标的满意度得分
真相三:相比利率水平,消费者更重视放贷速度
利率水平和放贷速度是影响消费者选择消费金融平台的两个关键指标。调查显示,相比利率水平,消费者更重视放贷速度,因为在他们看来,涉及几百元、几千元的消费贷款,利率高低对还款额的影响不大。
如图3,目前消费者最不满意的三个问题中,贷款易得性排名第一。很多消费者认为,不容易获得消费金融贷款,需要提交很多材料,还要经过层层审核,放贷速度慢等。
消费者最不满意的其他两个问题是投诉受理情况和产品期限的选择。一些消费者认为现有产品期限选择不是很灵活,只提供短期和长期两个选择;在投诉受理方面,很多消费者表示,经常出现投诉无门的状况,不知道应该找哪个部门、找哪个渠道去投诉。
真相四:P2P系和银行系的平均审批额度超过1万元,电商系的平均审批额度为3443元
授信比例(授信比例=平均审批额度/平均申请额度)是评价各消费金融平台放贷情况的一个关键指标(如图4)。调查显示,P2P系和银行系品牌的平均审批额度相对较大,平均超过1万元,而授信比例和满意度都较低。目前电商系的授信比例最高,达到95.5%,其满意度也最高,而其平均审批额度最低,为3443元。
图4 四大派系的授信额度、授信比例及满意度得分
真相五:非理性消费导致的放贷风险上升,而每降低1%的放贷风险,利润可提升20%
从蚂蚁花呗京东白条、苏宁金融到士巴兔、学生贷、拍拍贷等,目前消费金融的产品创新涉及到家电零售、电子商务、装修、教育等各个细分行业,消费金融产品日益增多;同时,由于90后等新兴消费群体的“超前消费理念”的兴起,越来越多的消费者喜欢超前消费,也越来越方便获得消费金融贷款。消费金融市场呈现供需两旺的发展态势。
但是,最近闹得纷纷扬扬的“裸贷”事件,不仅暴露了一部分P2P平台在产品创新上的无底线,也曝光了一部分盲目消费的学生、刚刚踏入社会的年轻人、低收入等消费群体。中央财经大学金融系教授李德峰表示,由于国内信用体系的不完善,以及消费金融平台风险控制的不完善,因此导致目前市场上的非理性消费群体在增加,非理性消费导致的放贷风险上升。在接收调查的消费者中,80%是20岁~40岁的年轻人,尤其是P2P平台的消费者大多数是20~30岁左右的年轻人。
此次调查显示,非理性消费导致的放贷风险上升,而每降低1%的放贷风险,消费金融平台的利润可提升20%。因此消费金融平台应该严格把关、控制风险。目前一些风险控制做得好的消费金融平台通过与用户的支付宝账户捆绑,降低风险。
真相六:教育消费金融增多,助学贷款多年未变
目前市场上针对年轻人的各种消费金融产品以及教育消费金融产品的逐渐增多,比如学生贷、爱学贷等,越来越多的大学生开始超前消费。但是,如果教育消费全面商业化,这是否意味着国家提供的政策性金融支持——助学贷款,也要扔给市场去解决?这个问题值得有关部门考虑。
据介绍,相对于供需两旺的消费金融市场,国家提供的政策性金融支持——助学贷款的额度5000~6000元,到目前为止一直没有增加。李德峰教授表示,相对于金融专硕10万元以上的学费来说, 6000元的助学贷款远远不能满足学生的消费需求,这样就会导致家庭条件差的学生无法去上这种高收费的专业硕士,因此这种教育消费应该由政府有关部门加强支持,而不是交给市场解决。
真相七:持牌正规军的口碑不在前列,没有获得牌照的品牌位居口碑前列
自2010年银监会发放首个消费金融公司牌照以来,截至2016年10月19日,仅有17家公司获得了消费金融牌照,与国内蓬勃发展的消费金融市场相比,牌照资源显得较为稀缺。根据公开信息,申请牌照的消费金融公司需满足的主要条件,包括注册资本最低限额为3亿元;金融机构作为主要出资人,最近1年年末总资产不低于600亿元;非金融企业作为主要出资人,近1年营收额不低于300亿元等。这对于目前不少消费金融领域的创业公司来说,显然还远远不能达到要求。
但是,拥有牌照并不意味着能够获得消费者认可。从各品牌的综合口碑指数可以看出,已获批牌照的消费金融品牌如北银消费金融、马上消费金融、捷信消费金融等口碑排名并不在前列,相反,蚂蚁花呗、易分期、京东白条等目前还没有获得消费金融牌照的品牌位居综合口碑排名前列(见图5)。
图5 中国消费金融品牌口碑综合指数
总之,持牌正规军优势不足,电商系消费金融的口碑声誉已超过金融机构;银行系、产业系口碑分化较大,有些如苏宁金融、兴业金融、中银消费的口碑位居前列,有些则排名靠后。P2P品牌的口碑普遍最差。不管是从认知度和品牌感知质量来看,大多数P2P品牌的排名比较靠后。P2P品牌认知度普遍不高的原因,可能和P2P的消费场景比较单一、产品比较单一有关,比如“士巴兔”只做装修领域的消费金融,学生贷只针对学生进行放贷等。P2P公司的感知质量得分不高的原因主要是信息泄漏问题、发放额度、审批问题等。
既然牌照优势并不能成为消费者认可的必要条件,那么在未来以客户为中心的市场经济环境下,牌照发放是否也应该由消费者说了算?这个问题值得监管部门借鉴。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16