Уявіть людину, у якої був поганий рік. Кілька рахунків залишилися неоплаченими, і їхні кредитні рейтинги постраждали. Потім ситуація була зворотною. Відтоді всі платежі були здійснені. Рахунок не нічийний.
А тепер уявіть людину, у якої проблеми тільки починаються. Пропущений платіж тут, інший там, розподілений на кілька рахунків.
На папері вони можуть виглядати однаково. Стільки ж пропущених платежів. Відповідь така ж, як і касир, і зазвичай це не так.
Минулого тижня Affirm оголосила про нову модель андеррайтингу, щоб відрізнити дві моделі, створені в прокаті США. У розмові з генеральним директором PYMNTS Карен Вебстер президент Affirm Лібор Міхалек ознайомився з оголошенням, перейшовши до частин, які не підходять: чого не вистачало старим моделям, хто принесе найбільшу користь і що це робить для майбутнього Affirm.
За його словами, їм не вистачає часу.
«Час кількох покупок, численні кредитні події в житті клієнта не були представлені з високою точністю», — сказав Міхалек Webster.
Простіше кажучи, старі моделі добре враховували події. Їм було складніше про те, коли це сталося і що сталося після цього. Нове оновлення базується на 14-річній історії кредитування Affirm і використовує трансформаційну технологію, що лежить в основі великих мовних моделей, щоб зберегти історію в порядку.
П’ять із 10 заслуговують на так
Міхалек дав Вебстеру легкий спосіб думати. Отримайте 10 претендентів, яких стара модель відхиляє. Він відкидає їх усіх, тому що не може сказати, яка з них прийде йому в голову. Краща модель може ідентифікувати п’ятьох людей, які можуть заплатити. Ще п’ятеро все ще отримують “ні”.
Бар не рухався. Схвалення тепер може бачити, хто його очищає.
Для цих п’ятьох це кредит, у якому їм було відмовлено, знайома історія для багатьох надмірно розширених і близьких споживачів. Для Affirm його надіслали п’ять клієнтів.
Тонкі файли отримують більше
Вебстер попросив природного подальшого лікування. Що відбувається, коли немає історій для читання?
Міхалек сказав, що навіть коротка історія має замовлення. Записи бюро кредитних історій, особиста інформація Affirm та інформація про грошові потоки, якими користувачі хочуть поділитися, — усе це доповнює картину.
«Якщо раніше два дуже різні користувачі були однаковими через брак даних, ми фактично можемо їх відрізнити», — сказав він.
Саме тут Affirm зробила свій найбільший стрибок. Серед споживачів, які мають щось у своєму кредитному звіті, але недостатньо для оцінки FICO, нова модель покращила здатність Affirm оцінювати тих, хто найімовірніше пропустить перший платіж, приблизно в 2,1 рази порівняно з наступною версією старішої моделі. Одне застереження щодо цього числа. Він вимірює, наскільки добре модель відокремлює ризик, тому її не потрібно перевіряти двічі.
Міхалек також сказав, що Affirm повідомляє кредитні бюро про поведінку платежів. Оцінювач може приймати деякі рішення без оцінки FICO, але решта фінансового життя клієнта все одно залежить від неї. Це піднімає питання, яке варто переглянути. Коли кредитори навчаться більше читати про поведінку, що стоїть за оцінкою, наскільки важливою буде сама оцінка?
Ми хочемо бути вашим улюбленим джерелом новин.
Будь ласка, додайте нас до свого списку бажаних джерел, щоб наші новини, інформація та інтерв’ю з’являлися у вашій стрічці. спасибі!
Хорошого прогнозу ще чекати рік
Міхалек розповів Вебстеру, що компанія Affirm тестувала моделі трансформаторів більше року. Прогнози були хороші. Недостатньо було виставити їх перед клієнтами.
Той, хто відмовляється, повинен знати чому. Заявка має щоразу отримувати однакову відповідь. І все це повинно відбуватися за секунду, поки клієнт чекає на касі. Перевірка тривала до тих пір, поки модель не могла виконати всі три.
Що почалося, так це парування. Transformer зчитує історію платежів і передає це зчитування в традиційну модель машинного навчання разом із наявною кредитною інформацією, інформацією про продавця та користувача. У підтвердженні сказано, що пара сама вдарилася в трансформатор. Його першим завданням було повторно переглянути заявників, яких відмовила стара система. Далі він отримує повну гарантію для нових користувачів, одночасно затверджуючи та відхиляючи їх.
Обмеження витрат змінюють розмову
Все це важливіше, ніж те, як люди використовують Affirm зараз. Його останні доходи показали більше покупок за меншу суму, як виглядає повсякденний спосіб оплати.
Згодом зарплата стала оборотним коштом домогосподарства. Споживачі використовують його, щоб відповідати тому, що вони хочуть, коли їм отримують гроші, зокрема продукти харчування, одяг і ремонт автомобілів.
Щоденне використання приносить свої проблеми. Невеликою покупкою легко керувати. Кілька з них, з одночасними платежами, може бути іншою історією. Модель має побачити, як новий платіж відповідає боргу клієнта.
Картка підтвердження показує, як вона дійде до клієнта. Будь-хто, хто має кредитну картку, знає свій кредитний ліміт, і він зводиться до одного запитання: скільки в мене місця? Картка схвалення пропонує ліміти витрат, створює плани платежів і дозволяє користувачам розглядати такі варіанти, як найшвидший платіж або найнижча процентна ставка. Питання зміняться. Що я купую? Скільки коштуватиме окупитися з часом? Який варіант працює для мене?
Клієнт вибирає в стінах. Андеррайтинг визначає, де вони розташовані.
І кожна покупка та повернення вчить індосамента трохи більше про цього клієнта. Споживацька здатність може збільшуватися, якщо поведінка підтримує це, і залишатися стабільною, якщо ні. Тож можливість оплатити пізніше працює поверх гаманця.
Відповідаючи на запитання, як він дізнається, чи це спрацювало через рік, Міхалек вказав на схвалення, порушення, зростання кількості клієнтів і використання. За його словами, докази будуть показані в квартальних результатах.
Перше випробування може відбутися раніше. Сезон відпусток залишився за кілька тижнів, а це означає більше покупок у короткі терміни та більше рахунків у новому році. Модель, яка використовується, щоб знати, куди йде позичальник, можливість вказати наступну покупку клієнта та наступну після неї.
