
垂直金融搜索平台融360昨日宣布,从线上搜索走向线下服务试水O2O,将在线下开设“贷款便利店”一站式信贷服务,并计划年内开设18家,在2015年有望增加至100家,基本完成全国线下布局。
“目前公司已经在北京、上海、深圳、广州、南京等10个城市的黄金地段开设试点,并且运营良好。”融360风控副总裁李英浩对记者介绍,贷款便利店的业务运营模式是,在融360线上业务每日所产生的数万客户申请需求中,筛选出符合条件的贷款人,邀请到贷款便利店进行一对一的、一站式信贷服务。用户只需跑1次,提交自身的信用资质,整个贷款流程的其他环节则由融360团队帮助完成,最后由金融机构向用户发放贷款。
“贷款便利店”实质上是一种介于用户和贷款机构之间的专业服务,贷款者不需要另外交费,由融360向金融机构收取一定比例的服务费。融360联合创始人兼CEO叶大清预计,便利店模式开启后,小微贷款成功率提高到30%到40%,贷款周期压缩在5-7天之内。

值得注意的是,出于风控要求和监管规定,银行或金融机构并不能把贷款和贷后管理的所有环节 “包办”,这就要求了前期风险监控的融360具备良好的金融O2O基础,也意味着更多的付出与新的考验。
“贷款便利店”模式利用平台优势对前端和服务端做整合,使得整个生态圈的效率提升。而在快捷方便的背后,实则是依靠融360在线获客能力、大数据、风控建模和专业审核互相结合的系统工程的支撑。
本质上融360卖给金融机构的是线上线下结合的全套专业服务。具体而言,全套服务包括贷款尽职调查、资料收集、预审面谈、贷款初步审批,甚至更深度的贷后客户管理和催收。
融360之所以选在这个时机推出线下业务,是出自多方面的考量。首先是时机,历经两年半的经验积累沉淀,融360整站的平均贷款成功率已达到15%,是行业平均的5倍。其次是覆盖,经过过去一年的开拓,融360的贷款业务的线上站点已经开通了130多个城市,能够覆盖到80%的目标用户,在打稳线上业务阶段性成果基石后,接下来就该拓展线下,深入对用户的金融服务,渗透到产业链更深的部分。
“贷款便利店” B、C端双向价值
过去,融360平台的服务模式是完全基于市面上已有贷款产品的,平台并不介入用户和金融机构之间的接触。客户通过输入自身的贷款需求,随后由后台系统智能化推荐一批合适的贷款产品。用户可以根据自身判断做最终选择,再同贷款经理进行接洽。这样的做法,在减轻信息不对称、提高贷款成功率方面卓有成效。但是,仍然有85%的借款需求未能得到满足,没有合适的贷款产品与之匹配、供给方风控标准与需求方实际情况错位等原因成了个人消费者和小微企业融资的“拦路虎”。
融360贷款便利店的产生,有望深入地改造现有的贷款模式,通过更深度地介入贷款流程来推动贷款产品创新和风控管理创新,进而提升用户和金融机构双方的体验,最终提高贷款成功率、降低融资成本。
好文章,需要你的鼓励
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。