诸多金融机构中，消费金融是最贴近消费者机构之一，双11也是其重要阵地。如何在满足风控要求下，最大限度实现消费者和机构的双赢，是消费金融机构的核心要义。速度、准度都要拉满，技术就得强。这也就意味着，谁在科技研发领域走在前列，谁就能占据主动权。

　　业界专家表示，消金行业竞争逐步迈向技术PK，诸如马上消费等一批以科技驱动的机构，能够第一时间把握科技脉动，率先开展技术革新，这就使得消金行业在服务经济发展的业态变得更加丰富，大模型服务双11就是典型。未来，随着这些机构在科技上的不断创新，技术的不断优化，越来越多的场景能与消费金融、零售金融有机结合。

　　双11新竞争：秒级风控审批为用户提供最佳方案

　　对于消金机构来说，“双11”等大型消费场景的参与度，更多体现在支付环节。在双11期间多个购物平台和App会通过发放优惠券、直接减免等方式，向支付渠道导流，以提高用户量和使用率。而在这背后，消金机构常常扮演着资金提供者的角色。

　　“消费者选择了先购物后还款，并不代表着平台没有收钱。在背后为消费者提供支付资金的，就可能是和平台合作的消金机构。”业界人士表示，但这对消金机构提出了更高要求：短时间内如何做到针对不同平台的不同消费场景、不同的消费人群立刻做出精准的风险判断，为消费者提供最合适的金融服务。

　　例如，有些消费者在平台上进行电器等大宗消费，有些消费者买的食品、生活小件用品居多，他们的消费类型不同，消费需求不同，还款能力也不同，消金机构就要快速做出风险判断，这个消费者是不是其需要的用户，为其提供多少款项能够最大限度实现消费者和消金机构的双赢。

　　拆解整个链条来看：从进行用户身份要核实，有没有盗用信息、是不是真实本人申请等；到描绘出用户精准画像，通过模型的计算做出的风控策略，包括该用户收入能力、还款能力、审批多少金额、利率多少等，给出个性化的方案，最终完成授信审批和提现审批，让有需要的用户真正享受到普惠金融。

　　而且，风控策略不是给出一成不变的最优解，而是不断更新迭代中提供最佳解。它随着市场、用户需求、数据质量而变化，需要持续地去运营、优化和调整。这还要求风控技术要与时俱进，需要通过运营分析发现策略中存在的可优化项，去适配市场和用户的变化。

　　这是对消金机构不小的考验，也是消金公司核心竞争力的体现。在马上消费，风控审批整个流程的时间控制在秒级。为何能有如此惊人的速度？马上消费金融副总经理兼CTO蒋宁香港金融科技周主论坛演讲中提到的一组数据给出了答案。

　　据了解，马上消费积累了1.8亿用户、100P数据、10万+变量、20万张用户数据表和超过2000个模型，在零售金融的六大风险场景构建了全方位的风险管理体系。目前，马上消费每天能基于用户1000万个行为做出风险判断，每天做上亿次模型计算，每秒可以处理150万特征的计算。这样庞大的数据积累以及强大的计算能力，让风控策略储备足且多元，能够短时间内给出最合适的方案，实力可见一斑。

　　双11新考验：Hold住涌入激增流量“丝滑”支付

　　双11此类购物节和以往相比，会在周期内的几个时间节点形成大量交易，例如今年的10月24日晚8点、10月31日晚8点等，这就不可避免在付款环节会出现瞬时流量的高并发。在面对消费者集中付款，消金机构如何保证其顺畅运行，是其在风控外要思考的另一个命题。

　　怎么应对上述挑战？记者走进马上消费技术部，并没有出现想象中的一派繁忙，他们淡定盯着屏幕上不断滚动的数据，实时观察着变化，与平时并无两样。马上消费一位技术专家表示，这种淡定，源自于自身过硬且已经经过无数次流量洪峰检验的科技实力。

　　“双11此类的购物节已经举办了好几年，我们不是第一次面对，我们根据积累的经验，已经有成熟的应对方案去面临可能有的变化。”马上消费一名技术专家说道，不仅如此，近两年在国家促消费政策引领下，消金机构服务经济发展的能力不断增强，消费节点和场景也在陆续增多，日常与生态伙伴们合作也会参与重大促销，涌进的瞬时流量有时候会比双11还多，在平日已经有充足的实战经验。“换句话说，马上消费的系统应对高并发的能力，完全能Hold住双11的流量。”

　　双11新伙伴：大模型加入，数字人更加有温度

　　如果说双11应对瞬时流量的高并发已属平常，大模型作为“新贵“出现在双11战场才是新鲜事。大模型可谓是今年金融行业的热门词。消费金融更因为是数据密集型行业，成为大模型格外青睐的赛道。消费金融客群覆盖面广且数量庞大，在多个业务场景下能够极大提升用户体验。

　　将目光聚焦到双11，由于消费行为的持续攀升，消金机构获客量、客服咨询量也有所提升。马上消费的专家表示，和传统AI 客服相比，大模型能综合各种信息自主学习并生成“模板”中没有的回答，实现更为复杂的反馈和决策，并不断自我优化。在双11这样的时间节点，大模型在这时候派上了用场，效果也就更加凸显。

　　具体来说，传统AI客服依赖话语配置，只能回答特定的问题，而且无法做到覆盖成千上万细分场景。范式化生硬的回答，让用户感觉到在与机器人对话。但大模型能够读取平台历史信息，能够像真人一样地去组织语言进行应答。例如，你曾在App留言或者咨询过相关问题，它能够据此进行有针对性地交流。这种无限接近真实人工座席的回答，实现了多轮次的沟通，提升了用户问题的解决率，让用户享受到一对一的个性化服务。

　　以马上消费的天镜大模型来说，其意图理解准确率达91%，已接近于人，相较于传统AI的68%有较大提升。随着大模型越来越聪明，一个可以办理业务的有温度的数字人将在不远的未来出现。

　　在消费者火拼的双11战场，有科技“Buff”的金融机构正在成为幕后默默支撑的重要力量。当竞争转向拼科技实力时，大模型的加持，让这场传统电商消费有了更多的突破和期待。

   【免责声明】本文仅代表第三方观点，不代表和讯网立场。投资者据此操作，风险请自担。