1、医疗美容消费金融=宏观市场规模SummaryMarket Size(in RMB 100M)u 5530亿 (2014), 年增长率 20%, 预期2019之前到万亿规模的市场.u 2015年有800万笔交易，增长率在15%以上.u 在中国，医美消费只占0.8%的GDP vs. 5%在韩国.No. of Cosmetology Cases in ChinaMedical Beauty Market accounts GDP(in 10k)行业信息 2/8法则很明显：20%的回头客占80%的利润 高端医美的药材，与高端设备带来最大的利润 低端市场的小额和非医疗机构的私人诊所贡献80%的交易量 无
2、创伤手术风险很小，几乎接近0. 客户满意度风险较高 今年还是蓝海市场（已经开始变红）医美服务选项医美产品与定价u 眼睑,吸脂,隆乳,垫鼻是做的最多的有创手术。u 玻尿酸是最多的无创手术.u 无创手术是这个行业平均65%的收入，70%的利润。u 品牌连锁店单价最高，公立医院单价最低。收入与利润比例品均单价RevenueProfitClinics CategoryTicketSizeBigHospital Chains8,000 10,0005,000 8,000SmallandmediumsizedhospitalsMedical Clinics3,000 5,0002,000 3,000Pub
3、licHospitalCosmetologyDivision医美消费金融总结概要u 12% 年增长率医美市场大小:7000亿RMB贷款市场大小为10% - 20%, 今天只占1%uu 医美手术客单价高，但仍在顾客可接受范围内，回头客数目多u 市场发展处于初期阶段，竞争对手少O2O 市场大小: 1400亿RMB大型私立连锁市场大小: 5600亿RMBu 目标市场: 较富裕的公司白领, 客单价较高的重复用u 潜在年交易量: 728亿RMBu 目标市场: 年轻公司职员，第一次用户u 潜在年交易量: 182亿RMBu 产品差异化: 优秀的用户体验和及时的贷款提供时间点u 市场大，但BD压力大u 产品差
4、异化：优秀的用户体验和透明的定价u 获客有效，但市场较小7000亿RMB市场，年增长率12%民营连锁占80%的市场份额。第三方app和平台拥有20%新客户。非手术类项目占一个诊所收入的65%，且投诉风险较低。市场玩家获客渠道收入结构私立连锁第三方App和平台5600亿护肤品:5%1400亿Botox: 30%微整形65%总市场:7000亿总市场:7000亿波尿酸:20%中小型医院诊所线下 Walk-in广告皮肤科设备服务 40%1400亿5600亿手术类35%公立医院朋友介绍医美行业是一个全新的机会根据美国医美消费习惯，预估贷款或分期作为一个支付选项可能占到20% - 30%的市场。今天，这个
5、数字在中国最多是1% -2%。医美贷款市场很年轻，目前的解决方案都不容易使用。中国医美贷款市场预估美国医美支付方式Combination13%Financing9%Check39%1400亿 * 20%5600亿 * 20%O2O: 280亿 RMBCash7%线下私立连锁: 112BRMBCredit Card32%医美项目客单价高，但仍在可负担范围内，并有高回头客量项目举例平均价格医美项目客单价高，但仍在可负担范围内人们往往会打包购买组合项目，有时是基于诊所顾问的建议BOTOX玻尿酸5,000 8,000 RMB重复购买的几率高2,000 6,800 RMB per ml2,500 RMB
6、激光脱毛水光针4,000 6,000 RMB年轻的公司职员，新用户O2O平台为年轻白领中的新手提供了入门的渠道。市场机会用户画像市场规模:1400亿65%性别:% 非手术项目:% 支付为借贷:83% 女; 17% 男年龄:20%38% 25-30岁; 31% 30-35 岁学历:73% 本专科生; 20% 研究生在年交易量:182亿月收入:36% 5k 10k RMB; 39% 10k 20kRMB市场特征职业:56% 白领; 17% 学生u新用户占比大uAPP&平台通常和中小型医院/诊所合作明星项目:非手术项目平均客单价:4,000 RMB医美互联网平台更富有的白领，重复购买率高，客单价较高
7、目标用户是富有的白领。他们可能重复购买，并且平均客单价较大。这个庞大的私有链上的潜在年交易量为182亿。市场机会用户画像5600亿65%性别:市场规模:82% 女; 18% 男% 非手术项目:% 融资支付:年龄:58% 是 18 -30 岁; 28% 是 30 - 40 岁20%学历:79% 本科; 8% 研究生年收入:潜在年交易量:728亿对比app有更高的年收入富裕的家庭背景职业:娱乐相关的比例更大；专家；市场特征u回购用户量大出身在富裕家庭的学生；u庞大的私有链上有成熟的医疗设施和风险控制明星项目: 非手术治疗平均单项交易规模:8,000 RMB医美连锁店风控运营风险筛选合作伙伴的选择贷
8、款流程借贷风险手术项目合规资格证机构: 检查营业执照，医疗机构执业许可证和该机构可合规开展的诊疗科目范围将手术风险和客户期望评估加入风控模型收集关于医疗器械和材料合规的证书医生: 检查医师执业证书和职业范围收集医生医疗资格证反欺诈历史业绩分析跟踪医疗机构的借贷申请，比较机构历史业绩与增加贷款服务后业绩来发现可能的机构欺诈客户反馈 机构: 收集往年历史收入, 交易量，和处罚纪录检察客户反馈和手术结果 医生: 收集职称, 工作年限和经验宝鉴风控引擎 基于机器学习的风控引擎，为各类金融场景提供基于大数据的用户画像、风险评估和定价服务网上获取信息Mining info2.规则引擎数据超市用户提交信息C
9、ustomer info4. 信用评分卡第三方数据Third party info5. 风险定价模型宝鉴风控引擎人物关系知识图谱反欺诈引擎信用评分卡规则引擎风险定价模型数据超市规则引擎 案例展示账号管理&权限控制Policy和rule的增删改查功能支持热部署支持决策树模型支持外部数据源对接人物关系知识图谱 知识图谱是一个搜索引擎，用来展示借款之前关联的信息以及可能存在的团体欺诈风险知识图谱中的实体举例：p Person: 申请人，联系人p Bankcard: 申请人申请时提供的银行卡，扣款银行卡p Email: 申请人的电子邮箱p Hop: 每个实体之间连接的步骤p Limit: 图谱中展示的
10、实体数量限制p Company: 申请人和联系人的工作单位p Phone: 申请人/联系人/工作单位的电话实体间的关系举例：p Apply: 联系人申请某笔贷款p Work: 申请人或联系人在某个单位工作p Own: 申请人或联系人对于某个实体的所属关系p Couple: 联系人是申请人的配偶p Brother_OR_Sister: 联系人是申请人的兄弟姐妹p Colleague/Friend: 联系人是申请人的同事/朋友p Father/Mother: 联系人是申请人的父亲/母亲p Is_Same: 联系人同时是另一笔贷款申请人或另一个申请人的联系人信用评分卡 可支持多种信用评分卡的设计、建
11、模与实施 提供专家经验对模型的干预和优化，以符合个性化的业务需求 基于海量特征数据的模型自学习功能，丰富的场景化积累模型专家打分卡回归模型打分卡机器学习打分卡1. 非线性, 超平面2. 预测准确率高3. 自动迭代更新，根据业务进展自我调整1. 风控传统经验1. 线性分析2. 支持场景冷启动2. 可解释性强信用评分卡 我们利用xgboost算法在人行征信报告进行数据建模，建立打分卡模型 分数将客户分为A、B、C、D、E、F 打分卡结果对于用户预期坏账率的表现分层清晰，F档的坏账率是A档的13倍XGBOOST人行征信报告其他算法整个算法由2000个决策树组成，所有树的结论累加起来做最终答案。生成的
12、模型算法文件总共有1,349,090行。模型的输入为用户的35个征信数据作为特征值，输出为用户的分数和等级，分数高（等级高）代表用户违约的风险小。用了其他的算法(LR, Random Forest,SVM.), 但是xgboost的效果更好。风险定价模型 对于不同产品的不同等级用户可以提供利率和额度的计算 产品的表现数据会每日批量修改ExpectLoss和Portfolio 设计算法保证项目启动和利率修正平滑 提供高扩展性的函数来支持各个期限的利率配置，以及更复杂的场景需求，如从A类用户迁移到B类用户需要进行的调整贷款违约风险平台风险大数据应用和信用审核资金安全: 独立第三方支付公司极其多元化的投资，100%本金保护投资风险欺诈风险监管风险50+个规则深入分析潜在的欺诈风险遵守基本规则，与监管机构一起探讨P2P行业法规点融网用技术改变传统金融Thank you
