1. 我是CIO首页
  2. 资讯
  3. 人工智能

Lendingkart的数据策略如何提高客户转化率

Lendingkart Finance Limited(前身为Aadri Infin Limited)是一家数字借贷平台,他们的主要客户是印度本土中小企业。该公司旨在通过方便中小企业轻松获得信贷来转变小企业贷款。该公司使用技术和分析工具,分析来自各种数据源的数千个数据点,快速准确地评估小型企业的信誉度。

在判断一个人的信用度时,Lendingkart参考的数据变量超过4000个。信用评估完成后,申请人会在72小时内收到贷款。

Lendingkart首席技术官Mukesh Kumar Singh建立了一个数字平台,使该公司可以通过多种渠道吸引客户。但是,如Singh所说,为平台提供动力的创新能力是“以一种毫不费力的方式吸引客户,并收集我们需要评估他们的意图和能力的所有数据。”

与银行和其他金融机构不同,Lendingkart并不专注于过去的财务报表和所得税申报表来评估潜在客户的信用风险状况,而是关注客户本年度的现金流量和业务增长。目的是让企业家可以专注于业务,而不必担心现金流的缺口。

“对于个人评估,我们需要银行对帐单及相关信息。这有助于我们了解过去是否存在任何延误等。我们还需要商业登记证明,以确保该人确实在做生意,因为我们会增加流动资金。我们提取了将近8000个数据点,然后运行我们的信用决策模型进行判断。”Singh说。

Lendingkart的数据科学模型将客户分为不同的类别,然后确定价格和利率等信息。

收集关键数据

信息很重要,一些关键数据点可以准确预测潜在的客户转化。

“我们正在尝试预测客户将在下一次通话中进行转化的可能性。为此,我们收集数据,比如显示应答了多少次呼叫,以及最后一次呼叫变量的通话时间等参考,来帮我们最更准确的判断。” Saket说。Lendingkart还分析变量,例如花费在首页上的时间以及填写表单所需的最佳时间。

他说:“这些指标用于优化工作板和产品,以增加从营销到数据收集的产出。”

Saket说,对于每个零散的信息,都有一个概率指数,表明客户可能会在某个时间点违约。对于信用违约模型,输入的内容是银行对帐单和消费数据,营销渠道也提供了一些数据参考。

障碍

Lendingkart面临的最大挑战是建立数据管道。任何AI方案中最关键的部分是收集数据。

“除非您拥有正确的数据类型,否则没有任何模型会变得更好。在我来之前,数据管道以某种形式存在,但是没有正确地缝合。Saket认为,虽然重点放在信贷模型上,但成本(资金,违约,营销和运营成本)也需要发挥作用。

一个重要的技术计划是创建数据仓库。“这种仓库的建立是最重要的,因为它缝合了从营销转化到支付再到贷款绩效的客户服务全程。这是最重要的挑战,”他说。

改善

Lendingkart的管理团队都认为,这些举措的好处是多重的。

“转化率提高了几个百分点。通常情况下,我们查看7天的转化率,范围是10 – 15%。”Saket补充说,“现在,这一数字已上升到16-17%左右。”

本文为作者 何斌 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论