2、业务场景:信贷业务中人群切片定价的典型应用场景

人群切片定价并非一套通用的“一刀切”策略,而是需要根据用户所处的生命周期阶段和具体业务目标,设计差异化的额度与利率方案。在信贷业务中,最核心的四个应用场景分别为:新客获取、老客经营、额度提升和流失挽留。每个场景对应不同的用户心理、风险特征和商业目标,切片逻辑也各有侧重。

2.1 新客获取:用定价撬动首贷转化

新客由于缺乏在本平台的信用记录,面临典型的“冷启动”问题。此阶段的核心目标是在控制风险的前提下,最大化首贷转化率。切片定价需要平衡“吸引力”与“风险筛选”。

核心痛点: 新客信息不对称,无法直接使用内部行为分。通常依赖外部征信数据、多头借贷指数、设备指纹等第三方变量进行初步风险分层。

典型切片策略:

  • 高意向低风险新客: 提供“低利率+适中额度”的“钩子产品”,以价格优势吸引优质用户完成首贷,建立信任关系。
  • 中等风险新客: 提供“标准利率+低额度”方案,通过小额试水验证其还款意愿和能力。
  • 高风险或黑名单新客: 直接拒绝或提供“高利率+极低额度”的测试性产品,仅用于挖掘高收益覆盖高坏账的极端客群。
新客人群切片与定价决策流程 新客人群切片与定价决策流程 新客申请进入 外部征信 评分卡 低利率 + 适中额度 标准利率 + 低额度 拒绝 / 高利率测试

2.2 老客经营:基于行为数据的精细化调价

老客拥有丰富的内部行为数据(如还款记录、消费频次、额度使用率、APP活跃度等),切片维度可以更加立体。此阶段的核心目标是提升客户生命周期价值(LTV),通过“用得好给优惠,用得差提价格”实现动态管理。

典型切片维度与定价策略:

切片维度 用户画像 定价策略 业务目标
还款行为 历史无逾期,且提前还款 降低利率,给予“优质客户专属折扣” 提升忠诚度,防止流失
额度使用率 使用率低(< 20%),但风险低 主动提额,并维持或微降利率 刺激消费,提升用信
交叉销售 已持有A产品,未持有B产品 针对B产品提供“组合优惠利率” 提升户均产品数
沉默用户 超过90天未借款,但历史表现良好 发送“回归专享低息券” 重新激活用户
实战要点: 老客定价必须建立“动态利率矩阵”。该矩阵的横轴通常是风险等级(如A-F级),纵轴是客户价值等级(如高、中、低),交叉点即为建议利率区间。系统需支持按月或按季自动刷新切片归属。

2.3 提额场景:用额度撬动增长,用定价对冲风险

提额是刺激存量用户借款最直接的手段,但盲目提额会引入风险敞口。人群切片在此场景下的核心逻辑是:为不同风险等级的用户匹配不同的提额幅度和对应的利率调整。

提额定价的三种典型模式:

  1. 风险不变,额度增加: 针对历史表现极佳的客户,直接提升额度,利率保持不变或微降。目的是巩固优质客群。
  2. 额度增加,利率微调: 针对中等风险但收入提升的客户,给予一定幅度提额,同时利率小幅上浮(例如+1%~2%),以覆盖边际风险。
  3. 主动提额邀请,差异化定价: 系统筛选一批潜在优质客户,发送提额邀请。客户需确认接受新的利率条款(可能略高于原利率),实现“用定价换额度”。
提额场景下的定价决策树 提额场景下的定价决策树 提额申请 / 系统邀请 内部行为 评分 低风险(A/B级) 大幅提额 + 利率不变 小幅提额 + 利率上浮1-2% 高风险(D/E级) 拒绝提额 / 维持原额度

2.4 挽留场景:在用户流失前用“价格”换“留存”

挽留场景是典型的“防守型”定价。当系统监测到用户出现流失倾向(如额度使用率骤降、竞品借款增加、APP卸载预兆)时,需要主动干预。此场景的切片核心是识别“值得挽留”与“不值得挽留”的用户。

避坑指南: 不要对所有流失预警用户都提供降价挽留。对于高风险用户,降价可能无法挽回,反而会延长风险暴露周期。挽留策略必须与风险策略联动。

挽留场景的切片与定价矩阵:

用户价值 流失风险 挽留定价策略 预期效果
高价值 高流失风险 主动提供“专属低息循环贷”或“费率折扣券” 高成功率,维持高LTV
高价值 低流失风险 无需干预,或发送常规关怀 避免不必要的利润损失
低价值 高流失风险 不干预,或提供“标准挽留方案” 控制成本,让自然流失
低价值 低流失风险 不干预 资源聚焦高价值客群

挽留定价的典型动作:

  • 利率折扣: 直接降低借款利率,通常以“限时优惠券”形式发放。
  • 费率减免: 减免提前还款手续费、账户管理费等。
  • 额度恢复: 对于因额度降低而流失的用户,承诺恢复额度并给予一次低息借款机会。
  • 产品切换: 引导用户从高利率产品切换到低利率的“挽留专享”产品线。

2.5 四大场景的切片逻辑对比

为了更清晰地理解不同场景的差异,下表从数据依赖、核心目标和定价导向三个维度进行对比:

场景 主要数据依赖 核心业务目标 定价导向
新客获取 外部征信、多头数据、设备指纹 首贷转化率 风险定价为主,兼顾获客成本
老客经营 内部行为数据、还款历史、价值模型 提升LTV、交叉销售 价值定价 + 行为定价
提额场景 收入模型、负债率、额度使用率 提升用信余额 风险定价 + 额度策略联动
挽留场景 流失预警模型、竞品行为、客服交互 降低流失率 弹性定价,以价换量