Какова реальная ставка займов
Наша ставка по займам — 1,7% в день или 620% годовых. Это чуть меньше среднерыночной ставки, которую рассчитывает ЦБ — по итогам первого квартала 2015 года она равна 642% годовых (речь о потребительских микрозаймах без обеспечения до 1 месяца до 30 тысяч рублей; аналогичное значение для срока от 6 месяцев до 1 года — 189,12%; нецелевой потребительский кредит в банке до 1 года до 30 тысяч рублей — 42,99% - Roem.ru). При нашем среднем сроке 17 дней переплата по займу составит 29%, что сопоставимо с переплатой по потребительскому кредиту в банке.
Минимальную доходность мы можем получить со ставкой 1−1,2% в день, работая с небольшой группой дисциплинированных клиентов, но тогда придется отказать всем остальным. Но даже в текущих условиях, со среднерыночной ставкой 1,75% в день, уровень одобрения новых заявок у большинства компаний не превышает 15%. Мы работаем над тем, чтобы одновременно снижать стоимость займов и поднимать уровень одобрения. Эта цель идет в некоторый разрез с доходностью бизнеса, но приходится идти на компромиссы.
Кто берет займы до зарплаты
Аудитория займов в онлайне очень широка. Один относится к займу как к событию, для другого это пара кликов мышкой. Средний доход наших клиентов равен 31 тыс. рублей. Медиана (средний показатель между самым низким и самым высоким уровнем дохода) — 28 тыс. рублей. На полной занятости работают 75% клиентов, половина из них рабочие, продавцы и кассиры. Каждый десятый — руководитель отдела, каждый двадцатый — инженер, каждый тридцатый — руководитель организации, у каждого сотого есть кредит на сумму более 1 млн рублей. Остальные 25% - индивидуальные предприниматели, пенсионеры, фрилансеры, домохозяйки, безработные…
Некоторые считают наш бизнес «живодерским», и мотивируют тем, что мы наживаемся на людях, оказавшихся в беде. Это не верно — на них мы не наживаемся. Если выдавать займы людям в финансово сложных ситуациях, то никто тебе их не вернет. У заемщика в жизни все должно быть нормально. Просто у него прямо сейчас недостаточно средств, и он готов заплатить за удобство решить проблему. На что берут займы — мы не спрашиваем. Мы же не даем кредитов на покупку машины за полмиллиона. Зачем человеку 5 тыс. рублей? На ремонт машины, покупку продуктов или раздачу долгов.
Сколько людей возвращают займы
Наш NPL 90 (процент просрочивших выплату на 90 дней и более) равен 15%. Но это средняя температура по больнице, потому что нельзя сказать, что чем меньше NPL, тем больше ты зарабатываешь. На экономику каждого клиента влияют десятки факторов, помимо риска дефолта. Например, прибыль на небольшом займе, который клиент вернули вовремя, может всего лишь покрыть расходы на привлечение клиента. А невозврат может быть просто продленным займом, и в итоге клиент принесет больше денег по процентам, чем другие, более ответственные заемщики.
Одним словом расчет прибыли в нашем бизнесе напоминает скабрезный анекдот про биатлонистов, который я помню со школы. «Что важнее в биатлоне — скорость или точность? Если не попал, то скорость уже не поможет!» Иными словами, прибыль рассчитывается с учетом нескольких параметров, и процент невозвратов — лишь один из них.
Как определить риск невозвратов
На нашем рынке все берут трафик примерно в одних и тех же местах. Больше половины клиентов приходят по контекстной рекламе, остальные — по баннерам, размещенным через лидогенерационные площадки, некоторые находят часть клиентов через спам по СМС. Дальше скоринговая система разбивает клиентов на группы и для каждой рассчитывает вероятность возврата — из этой группы 15% не вернет, из этой — 25%… Но среди плохих клиентов всегда можно найти получше, поэтому нужно как можно точнее определить, отдаст ли человек займ, и постараться ему не отказать, а для конкурентов он так и останется в группе плохих клиентов. Так что скоринг — это самое главное в нашем бизнесе.
Скоринговая система обсчитывает три десятка источников, среди которых есть и тривиальные (например, паспортные данные и кредитная история), и нестандартные (например, страницы в соцсетях). Из этих источников мы собираем и генерируем с 10 тысяч полезных параметров на каждого клиента. Систему скоринга можно сравнить с искусственным интеллектом. Адекватному человеку ничего не нужно делать специально, чтобы получить положительный результат, а неплатежеспособному человеку, скорее всего, откажет, как бы он ни старался сфабриковать «правильные» ответы в анкете.
Скоринговая система может собрать полсотни параметров только лишь из раздела «музыка» со страницы «Вконтакте». Значение имеет количество треков у тебя в профиле, принадлежность треков к тому или иному жанру, соотношение песен разных жанров. Известно, например, что любители хип-хопа отдают займы хуже всех. Или еще один любопытный доказанный факт: вероятность отдачи займа сильно уменьшается, если у человека на странице «Вконтакте» собраны тысячи музыкальных треков.
Вероятность возврата займа зависит от скорости заполнения анкеты. Например, те кто заполняют ее слишком быстро — отдают плохо. Еще система учитывает с прописной или строчной буквы пишет человек, сомневается ли он, когда надо указывать домашний телефон, много ли стирает при заполнении, долго ли изучает правила сервиса и многое другое.
На самом деле мы можем даже не использовать все 10 тыс. параметров, и обойтись всего сотней. Так что точность скоринговой системы, конечно, уменьшится, но не критично. Ведь дело не только в том, чтобы собрать как можно больше данных, но и знать, какие данные нужны и как с ними работать. Например, один из 10 тыс. Параметров такой: посещает ли человек сайт РБК или нет. Этот параметр разделит людей на две группы, вероятность просрочки у которых будет, например, 55% и 60%. И что с этим делать? Ничего, если не знаешь, какие еще параметры важны.
Про ноу-хау в микрокредитовании
Мы не покупаем сторонний софт, и сделали на свои деньги целую кучу IT-систем, вплоть до автоматизации взыскания, которым мы занимаемся сами. Для этого есть специальный софт, который обзванивает должников, соединяет звонок со свободным оператором, выдает ему подсказки — что нужно сказать. Недавно для этого решения выпустили такой «апдейт»: должник выкидывает указанный в анкете телефон, но софт находит его знакомого, которому можно позвонить и сказать: «Твой товарищ не вернул нам деньги — помоги с ним связаться».
А вот информацию о посещении пользователями сайтов в интернете, которая используется в скоринге, мы покупаем у RTB-систем. Самый крупный продавец данных — Liveinternet, и еще есть несколько стартапов. Кому-то в России это может показаться дико, но в США, например, это уже давно норма. Например, оператор связи AT&T продает два тарифа для проводного интернета. Часть пользователей соглашаются, что компания будет собирает данные их серфинга в сети, и интернет им обходится дешевле дешевле. Потом эти данные аккумулируются в RTB-системах. После обращения к ним, например, показывается уже каждый четвертый рекламный баннер в мире. Думаю, лет через десять, наверное, 90% баннеров будут показывать по такой схеме. То же самое и с кредитами.
Про микрозаймы будущего
Многие спекулируют на теме скоринга больших данных. Удачливее всех оказался немецкий предприниматель Себастьян Даймер, CEO Kreditech.com. Эта компания моложе нашей, однако они уже подняли инвестиционных $300 млн и открыли 10 офисов по миру. Даймер говорит, что у них скоринг на Big data, и сейчас они поработят весь мир. В прессе Kreditech.com называется в списке «The new billion dollars companies» и упоминается как Amazon в мире кредитования. Но в технологическом плане, как мне кажется, они мало отличаются от остальных.
Идея Даймера в том, чтобы определить кредитоспособность человека без кредитной истории, на основании данных его устройства — например, с телефона, с которого он зашел на сайт. Но я-то знаю, что сколько людей без кредитной истории не «скорить», из них выделишь лишь 5% тех, кому ты можешь выдать займ, при этом возвращать будут не все. Тем более, что «айфоны» у всех примерно одинаковые. В общем, с большими данными пока все очень туманно. Если вы посмотрите график «Цикла зрелости технологий» Gartner, то становится понятно, что через пару лет про Big data все забудут, и какое-то эффективное решение, основанное на больших данных, появится только лет через десять.
