4. 金融核心指标定义

在金融场景的 A/B 测试与特征回放中,指标体系的定义直接决定实验结论的可靠性与业务价值。不同于互联网行业的点击率、停留时长,金融核心指标必须同时反映 增长、风险 与 资金效率 三个维度。本章逐一拆解六大核心指标的计算口径、业务含义与实验中的注意事项。

4.1 指标全景图

六大指标可归为三类:增长类、风险类与综合效率类。它们共同构成金融实验的“仪表盘”,任何单一指标都不足以评估策略效果。

核心原则: 金融实验必须同时观测增长指标与风险指标,避免“高转化、高坏账”的虚假繁荣。
金融核心指标分类关系图 金融核心指标分类关系 增长类指标 风险类指标 综合效率指标 转化率 客单价 坏账率 资金留存率 风险调整后收益 复投率 实验观测要点 增长类指标需结合风险类指标共同解读;复投率同时反映用户粘性与资金循环效率。

4.2 增长类指标

4.2.1 转化率

定义: 在特定金融行为节点上,完成目标动作的用户数占进入该节点用户总数的比例。常见口径包括:注册转化率、授信申请转化率、借款提交转化率、投资下单转化率。

转化阶段分子分母典型基准值
注册→授信提交授信申请用户数完成注册用户数40%–60%
授信→借款成功借款用户数获得授信额度用户数20%–35%
浏览→投资完成投资用户数进入产品详情页用户数5%–15%
A/B 实验注意: 转化率指标通常服从二项分布,样本量估算时需使用比例检验公式。对于低基数转化事件(如大额投资),建议使用贝叶斯方法或序贯检验。

4.2.2 客单价

定义: 在统计周期内,每位成功交易用户平均产生的交易金额。计算公式为:

客单价 = 统计周期内总交易金额 / 统计周期内成功交易用户数

客单价受用户资质、产品定价、营销策略共同影响。在实验中,客单价提升可能伴随转化率下降,需通过 GMV = 用户数 × 转化率 × 客单价 的拆解判断整体收益。

4.2.3 复投率

定义: 在观察窗口内,进行过至少两次投资行为的用户占所有投资用户的比例。复投率反映用户留存与资金循环意愿,是衡量平台长期价值的关键指标。

复投率 = (观察期内投资次数 ≥ 2 的用户数) / (观察期内投资用户总数) × 100%

观察窗口通常设为 30 天、60 天或 90 天。窗口过短会低估复投,过长则延迟实验反馈。

4.3 风险类指标

4.3.1 坏账率

定义: 逾期超过一定天数(通常为 M3+,即逾期 90 天以上)且未偿还的贷款本金占应还本金总额的比例。

坏账率 = (逾期 M3+ 贷款余额) / (统计周期内应还本金总额) × 100%

坏账率是金融实验的“刹车指标”。任何策略如果导致坏账率显著上升,即使转化率大幅提升,也必须重新评估。

风险滞后性: 坏账率通常滞后 3–6 个月才能完全暴露。短期 A/B 实验(如 2 周)无法直接观测坏账变化,需使用特征回放或代理指标(如首期逾期率)进行风险预估。

4.3.2 资金留存率

定义: 在统计周期末,平台内用户资金余额占周期初资金余额的比例。资金留存率衡量平台对用户资金的锁定能力,直接影响流动性管理。

资金留存率 = 期末用户资金余额 / 期初用户资金余额 × 100%

资金留存率 > 100% 表示净流入,< 100% 表示净流出。在 A/B 测试中,资金留存率的变化通常需要 7–14 天才能稳定。

4.4 综合效率指标

4.4.1 风险调整后收益

定义: 将收益与承担的风险进行综合衡量后的指标,最常用的形式是 RAROC(Risk-Adjusted Return on Capital)。

RAROC = (净收益 - 预期损失) / 经济资本

在金融实验场景中,简化版计算公式为:

风险调整后收益 = 贷款利息收入 - 资金成本 - 坏账损失 - 运营成本

该指标将增长与风险统一为一个数值,是实验决策的最终评判标准。

风险调整后收益计算流程 风险调整后收益(RAROC)计算流程 贷款利息收入 资金成本 坏账损失 运营成本 净收益 = 收入 − 成本 − 损失 风险调整后收益 实验决策最终标准

4.5 指标选择矩阵

不同金融业务场景关注的指标权重不同。下表给出典型场景下的指标优先级参考:

业务场景首要指标次要指标监控指标
信贷获客策略转化率客单价坏账率(滞后)
风控模型迭代坏账率转化率风险调整后收益
理财产品优化复投率资金留存率客单价
定价策略调整风险调整后收益转化率坏账率
用户留存活动资金留存率复投率客单价
实验设计建议: 每个 A/B 实验至少选择 1 个首要指标作为核心假设检验对象,同时设置 2–3 个监控指标用于辅助决策。避免同时将多个指标设为主要指标,防止多重比较导致的 I 类错误膨胀。

4.6 指标计算注意事项

  1. 时间窗口对齐: 转化率与客单价使用同一时间窗口,坏账率需使用更长的观察窗口。
  2. 用户去重: 所有指标计算均以用户为粒度去重,避免同一用户多次交易被重复计数。
  3. 异常值处理: 客单价易受极端值影响,建议使用中位数或 Winsorize 处理后再进行统计检验。
  4. 指标联动分析: 使用散点图或相关系数矩阵观察指标间的联动关系,避免孤立解读。