拍拍貸張?。旱牍鹊捉^境逢生 拿數千萬美元融資

成立于2007年6月的拍拍貸，是中國第一家P2P(個人對個人)網絡信用借貸平臺。

近日獲得光速安振中國創業投資(Lightspeed China Partners)，紅杉資本、紐交所上市公司諾亞財富的B輪投資,華興資本作為此輪融資的獨家財務顧問。。本輪融資金額達數千萬美元(坊間流傳為5000萬美金)，為此i黑馬獨家采訪了拍拍貸CEO張俊，為大家揭秘拍拍貸憑什么獲得幾千萬美金的融資。

張俊對拍拍貸的商業模式進行了全面的解說，先從熟人業務起家，放棄線下審核制度，借助銀行信用體系，研發自己的風控模型,保持每月20%的業務增長。張俊認為自己背靠的是一個50萬億級的超級大市場。

以下為拍拍貸CEO張俊口述整理：

互聯網模式下的P2P是能夠解決社會痛點的商業模式，是它選擇了我們。

第一次創業，失敗的視頻搜索網站之旅

其實在創立拍拍貸之前，我跟我的合伙人做過一個視頻的項目，叫菠蘿網。因為2005、06年的時候，Web2.0概念很火，五花八門的網站到處都是，所以我們當時就做了一個視頻搜索網站?？墒俏覀兒髞矸艞壛?。

主要原因有三點：一、社會價值和商業價值有限，沒有解決用戶和社會的真正需求。二、監管嚴重，工商今天會來察看你，廣電會來察看你，宣傳部會找到你。三、做視頻搜索實在是太燒錢了。

但是搜索積累下來的經驗，對于我們后來做互聯網金融的數據收集有所幫助。

8年前開始抓互聯網金融的“風口”

2006年10月份，我看到一個報道，講的是中小企業融資難，我意識到這是一個機會。國內有那么多需要錢的人，小企業融資成本太高，包括我們自己做小公司也覺得融錢不容易，我覺得這肯定有很大的市場。

看整個互聯網的發展，我認為互聯網是一個效率工具，就像當年蒸汽機的發明一樣。未來的傳統行業，一定會發生傳統行業和互聯網結合的奇妙化學反映。金融服務顯然是下一個風口。

實體經濟在線下?；ヂ摼W是虛擬經濟，沒有實體的環節，所以我覺得這兩個領域會發生非常大的結合。2006年的時候我就希望通過互聯網實現類似小額貸款這樣的業務。

那時候國外P2P也起來了，2005年ZOPA在英國出現，通過P2P的方式解決小額貸款的問題，我們覺得國外有人先行了，這個事應該靠譜，我們大概從2007年年初開始決定做這個事情。2007年6月18號，網站正式上線，一直做到現在。那個時候我們還沒有風投，更多的是基于我們感覺互聯網和金融的結合是大的方向，是一個大的浪潮。如果真正懂金融的話未必見得做拍拍貸了。

所以，我總說是P2P這種模式選擇了我們。

拍拍貸的商業模式大起底

拍拍貸先從熟人起家，難點是風控

互聯網金融真的難做，把錢借給誰很容易，特別容易，但是你真的能把錢按時收回來特別難——這個事情取決于你的風險控制能力。

最初，我們靠熟人買賣完成平臺的風控。我們網站一開始并不是對外開放的，而是一種邀請制。我們一開始想通過朋友之間的圈子，把錢借出去。比如說我要借錢，我的朋友把錢借給我，他也可以把他朋友的錢借給我，同樣我也把我的朋友拉到網站上借錢，這樣完成交易。換句話說最終發生借貸關系的兩個人，不管怎么樣都是通過一圈一圈朋友介紹加入的。我們一開始通過這種關系進行風險控制。

這樣做了幾個月后，我們發現熟人之間的借貸講究的是效率，說白了就是要快!沒有人愿意在網站上注冊，然后提交個信息，才能借到自己鄰居的錢，這逼著我們不得不開放，開放注冊，讓陌生人進來。

后來，我們走了線下審核這條路。既然陌生人要進來，為了風控我們嘗試了線下核實。但是我們發現線下(審核)模式第一不經濟，效率不高，一天死活跑跑四五個人了不起了，非常累。

第二個效果不是特別好，看上去特別好的用戶也不一定按時還錢。比如說我印象特別深刻的一位在上海圖書館工作，應該說工作蠻穩定的，因為在這樣一個知識的海洋里面工作，他的同事對他評價也不錯，我們去看了一眼，覺得挺好的，但是最后這個人一分錢沒還，后來再去找這個人的時候說這個人辭職了。

拍拍貸做P2P，堅定的放棄線下審核制度

所以，我們后來決定用數據說話。不過，我們不后悔有這一段“重”的歲月，因為那時候我們要核實一個人的身份，會要求用戶將自己的身份證、戶口這些資料拍下來上傳，我們為此找銀行的專業人士培訓，學習怎么看一個人身份證到底是真是假。這些知識龐雜，但是很有用，比如你現在要是拿一張假身份證給我，我可以憑借字體就識別是不是真的。

另外，我覺得那些大量依靠線下審核做業務的P2P網站長期來看會有一些問題，不可否認它們中有令我們尊敬的同行。這些網站的模式的交易分為兩個部分，一個是線上交易，線下也有交易的部分，線下它采取高額的成本去審核。我們覺得最大的問題就是風險控制的這個環境，它是通過線下的人員去跑的。當然這些網站可以招比銀行更便宜的人進來，但是整個環節有那么多人參與，而且是個案處理，所以它本身的效率有很大的問題，單個服務人員成本非常高，加上銷售人員的提成。

最終反映到結果是：

第一，這些網站的單筆金額比我們大好多倍，大幾十倍，我們平均單筆金額只有一萬，它可能是二三十萬，這是一個。

第二，用戶收了更高的費用。

所以對于采取這種模式的網站來說，第一，它服務的對象沒辦法進一步下沉，它的客戶至少是借二三十萬的這個群體，金字塔頂尖外的客戶它是覆蓋不到的，另外它服務的費用是不可持續的，我聽說這些網站的一些機構借款人甚至承擔了40%以上的借貸成本。

你想想看大家都做生意，什么生意能有這么好的利潤，用戶肯付出這么高的成本拿錢，多半是救命的錢。換句話說用戶沒辦法長期承擔，所以這些網站的用戶的重復率就會很低，這次借了我活過來了，下次不會再借，因為我的生意創造不了這么多利潤。因此這些P2P網站獲取客戶的成本過高 ，從效率，包括可持續發展上面來講，我覺得是會有一些問題。

所以，我們更加堅定地放棄了線下審核，我們就是要打造我們自己的風控模型。

互聯網金融風控，關鍵在于數據收集——做搜索的創業經歷對此有幫助

理論上講任何人都有可能借貸不還，只是概率高低的問題。

我們建立風控模型的目的，不是在60億的地球居民中找到一個永遠不會逾期不還的人，而是我們要知道說這個人借多少錢的狀態下，他的違約概率是多少，我們解決的是這個問題。如借300萬，借貸不還風險為80%，而借20萬，借貸不還風險幾乎為0。風控模型幫助投資人知道自己的風險的邊界在哪里。

恰好2009年初的時候，有一個好事，我們聽到公安部下面專門做了一個信息平臺，居民的身份信息可以對外開放，可以商用了。換句話很多數據信息我們可以做驗證做比對，不用人工去看了，提高我們很大的效率。這很大程度上幫助我們，隨著我們積累的用戶越來越多，數據越來越多，有一些用戶會違約，有一些用戶會按時還，違約的客戶中有一些違約長有一些違約短，數據積累我們可以分析說到底什么樣子的用戶可以違約，就可以找出一些共同特征，這些共同的特征可以組成對一些人風險評估、風險評級的數據維度。后來，隨著我們數據分析能力的進一步提高，我們關注的用戶數據不再局限于銀行的那七八十項(包括：工作收入、有無家庭、生育情況等)，而是400多個維度，有些用戶的考察維度高達數千個。

這些維度其實就是用戶在互聯網上留下的各種數據、行為軌跡等，比如用新浪微博有多少粉絲，粉絲數量，每天轉發什么樣的微博，關注什么樣的人，發表什么話題，這些都是我們看的數據。我舉個最簡單的例子，我們注冊頁面要填十幾條信息，正常人走下來大概三四分鐘，因為有的時候他會猶豫一下，對于那些注冊特別快，花一、兩分鐘完成，或者六、七鐘完成且不斷篡改的用戶，我們數據挖掘發現是高風險群體。

換句話說我們不斷擴展關于一個人的數據維度，不斷做邏輯分析。這些數據信息一旦進入我們的風控模型就將做為我們對用戶進行信譽評級的參數。這些看似沒有關系的數據，其實背后蘊藏反映借貸風險的規律。

數據與數據之間在足夠動態和大量的條件下，會幫助我們找到規律。舉一個例子，在我們積累數據的早期，凡是有用戶違約，我們就會把這些用戶的數據放在互聯網上搜索(過去自身的搜索技術積累發揮了大作用)，我們會搜集這些用戶在網絡上的行為，比如我們會搜索到他在某些網站發表過的一些不良言論。

我們會由此得出互聯網上有這樣信息的人群可能是高危險人群。但是，僅僅是可能，需要我們后來不斷通過放貸，用戶還貸的情況，是否逾期等數據，來驗證這些信息與放貸風險的關系。從而來不斷優化我們的風控模型，如今凡是要申請借貸的用戶，都必須授權我們去檢索他的信息，而我們也從同尋求借款的用戶的合作，回收數據，從而優化我們的風控模型，每個星期我們都有新版本的風控數據模型上線。

這個風控數據模型可以保持投資人看到借款人的違約風險，通過一個可視化的界面，投資人在判斷是否可以借錢給對方時，系統會給他提示，顯示對方在借多少錢時，違約風險是多少?幫助他決策。我們的系統就像一個會說話的人工智能助手!

另外，出于風險控制的需要，我們還會對投資者做一些建議。我們要求投資者的投資足夠分散，足夠分散將降低投資人的風險，他的錢不會全部借給一個人，而是借給若干人。我們的壞賬率只有1.5%，一個投資人擁有17%~18%的收益率減去1.5%的壞賬，所以投資人至少有10%以上的高收益。

      拍拍貸是如何做催收的：借助銀行信用體系

另外，我們強化了自己催收這個環節，我們自己也建了一個類似社會征信體系一樣的東西，換句話說我跟借款人簽好協議，借款人不還我有權力把你的信息曝光到黑名單上，很多人由于自己的信息曝光之后，他的朋友看到了，會讓他遭受一些社會上的壓力，最終他也會來還錢。

跟央行征信體系有一點相似，比如說你在招商銀行信用卡的錢逾期不還，你到建設銀行肯定辦不到信用卡。為什么?你數據已經有備案，建行肯定查得到，對我們也是一樣的道理。你不還，我們曝光了黑名單，你的朋友看到了你會有壓力。

我們之前就發生過一個案例，有一個逾期了1300多天的人，他是重慶的一個大學生，借了大概五千塊錢，后來再也沒還，打電話人消失了，找不到。差不多四年后，自己跑來還了。他把錢還了，留了一個聯系方式，我們就找他，打電話問他，你怎么把錢還了?

他向我們解釋說，他之前大學剛畢業借錢開淘寶店做生意，后來生意失敗了，失敗以后想反正在網上借的錢無所謂，就沒打算還，手機號一改就不還了。最近發現，他要結婚了，買房子到銀行辦按揭，到銀行辦按揭的時候按揭沒批下來。后來問銀行客戶經理說怎么回事，經理說你好像有在網上欠錢不還的污點信息。他后來一搜，果然搜到他的信息被我們曝光在黑名單上，他把錢給還了。這個事情對我們挺觸動的，我們驚訝于現在銀行也會到網上看一些人的信息。

這個風控模型經歷了這么多年的磨礪，已經漸入佳境，我們正在為它申請專利。

拍拍貸為什么獲得投資?業務每個月增長20%，盈虧平衡

投資永遠看未來的，我們業務模式已經被證明是高效的業務模式，未來它的一個可持續性以及可擴展性會有很好的方向，這是投資機構投資我們的一個重要原因。

我們公司業務的增長還是發展很快，公司業務基本上每個月有20%左右的增長，可以換算一下基本上三個多月我們就翻一番，大概以這樣的速度在往上漲，整個業務在不斷發展不斷積累，我們大概2010年年底的時候，我們就做到了盈虧平衡，倒推到2009年我們又是一個快速的發展，所以從2010年開始到2012年我們完成A輪融資，基本上差不多三年的時間我們每個月保持高速的增長。

另外我們對于P2P的理解，通過線上通過技術通過創新這種高效力的方式解決借貸過程中信息不對稱的問題，這個受到資本市場很大的認可。

因為大家都知道，做小額信貸還是用傳統高成本的方式，這個模式肯定不可持續的。所以效益的問題扮演關鍵的作用，成本結構一定要足夠地優化，這個是我們被資本市場看中認可最主要的原因。

還有一個重要的原因這個潛在的市場確實足夠的大。我覺得大概在五十萬億吧，這個市場真的是非常大，大到不可想象。我們國家有幾千萬小微企業，這些企業很難從傳統信用體系或者是金融機構借到錢;另一方面我們看到，2013年的時候我們有六億多的網民，信用卡只覆蓋到一億多，就是五億多網民連信用卡都沒有，這是多么可怕的數字，那個市場是吸引很多VC進來的重要因素。

換句話說我們錢拿過來最主要是兩塊，一塊是繼續優化我們核心能力，核心能力得到提升，讓我們更精準判斷客戶，以及更高效處理大批量的用戶，這是一塊。第二塊是讓更多的用戶信任我們，比如說獲取用戶打造品牌，基本上就是這個。

投資人點評：紅杉胡丹：我們為什么投資拍拍貸?

我們投了很多互聯網金融中的創新企業。我們看互聯網金融有兩個杠桿，一是資金杠桿，二是運營效率杠桿，拍拍貸滿足了這兩個杠桿。如果看紅杉資本投資的科技企業，每個企業都擁有很好的技術，通過技術換取巨大的毛利。如果一個業務可以用一段程序和代碼解決問題，那么就沒有必要雇傭一支軍隊。我們在拍拍貸身上看到了這樣的影子。

另外，拍拍貸的風控模型很有意思。第一，大數法則。第二，時間價值。拍拍貸已經做了七年，貸款并不是今天借錢明天還，對于一筆貸款到底有沒有違約，起碼要看完貸款流程。貸款就像釀酒一樣，把釀酒的料放到酒壇子，三四年后酒成熟了，嘗一嘗才知道酒是否好。如果連開蓋的時間都沒有到，怎么看酒到底好不好呢。而拍拍貸，每一年我們都能夠清晰地看到他們的壞帳率和違約率。

對于大數法則。N個獨立事件，如果概率相同，那么它的風險是單獨風險的∑/N。1萬貸給1個人和1萬貸給100人，當然貸給100人的風險會比原來減少90%。拍拍貸在線上堅持做小面額、大數量的貸款，從貸款的資產構成來說，他們天然的風險要低。

很多人講大數據分析。說到大數據，那么前提是需要足夠的數據可供分析。拍拍貸目前有上百萬筆貸款，在這樣的情況下才能有足夠的數據做實驗。