如何看待芝麻信用分行为偏好商家服务平台提供查询个人信用的行为

为防诈骗 芝麻信用建商家自助服务平台
作者: 天下网商来源: 天下网商 19:54:55
据记者近日获悉,2016年年初,蚂蚁金服旗下独立第三方征信机构芝麻信用就已低调推出中国首个商家自助服务平台,为消费金融、互联网金融、租车、租房等有信用评估、欺诈风险识别需要的商户提供快速自助签约、自助接入服务,包括量化直观呈现用户信用状况的芝麻信用评分、过滤有潜在风险客户的行业关注名单、基于实名用户欺诈风险识别的反欺诈信息验证、输入手机号即可获得风险评分的手机RAIN分。这一平台上线近半年,迄今已有130多家企业成为其签约商户。据了解,这130多家签约商户中,生活类(租赁、出行、个性化定制服务等)和消金、互金类企业各占一半。生活类企业主要是通过服务平台获得用户的芝麻信用分、个人征信信息等,为用户提供押金减免优惠。比如武汉一家叫“八点到”的电动车租赁企业,将押金按照芝麻分分成三个等级,600分以下交全额押金,600~650分交60%押金,650分以上交20%押金。对于消金、互金类等金融公司而言,芝麻信用商户服务平台对其优化风控体系、精准评估用户信用、提升反欺诈识别能力上起到重要作用。专为用户提供极速贷、游戏闪贷、消费分期等小额信贷业务的誉用金服,迄今拥有200万注册用户,成为芝麻信用商家服务平台的签约商户后,平均每月逾七万人完成芝麻信用授权评级,每月促成交易服务超过2万笔。“现在,芝麻信用分在我们的小贷业务发挥重要作用,在用户的综合信用评估体系里占的权重非常之大。”誉用金服创始人林立石说。除了赋能企业风控能力,芝麻信用商家平台还与商家共享数据,作为彼此的参考,丰富用户风险画像纬度。同样做消费信贷的启发分期,就已经开始将逾期、恶性欠款、欺诈等数据同步芝麻信用,并按照400到900梯度式授信管理,建立反欺诈共享数据,与芝麻信用共享。誉用金服创始人林立石告诉记者,共享数据对他们受益匪浅,有了蚂蚁金服的行业关注名单,通过对用户违约行为的披露建立联防联控机制,从而有效过滤掉不良客户。为大学生群体提供小额贷款的零零期,也是芝麻信用商家服务平台早期签约商户,这一贷款业务对象的特殊性在于,绝大多数大学生除了基本的身份信息,能够提供的征信数据只有学籍系统,零碎的样本,无法支撑起整个群体的信用体系。“引用芝麻信用后,可以填补大学生的征信画像空白,”零零期创始人王晓峰说,“不仅于此,引入芝麻信用,还有助于帮助大学生提高信用意识,自觉规避不诚信行为,为毕业之后贷款、找工作等提供有用的价值参考。”芝麻信用公关负责人向记者强调,芝麻信用商户服务平台有两个重要前提,一是商户要通过其严格资质审核才能成功签约,二是签约商户要获得用户授权后,才能通过服务平台调取其芝麻信用分和个人征信信息。
【版权提示】亿邦动力网倡导尊重与保护知识产权。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至,我们将及时沟通与处理。
打开微信“扫一扫”,分享给朋友和朋友圈
电商服务频道
电商服务推荐六大攻略教你去芝麻信用上刷信用!_第一财经
六大攻略教你去芝麻信用上刷信用!
一财网安卓 17:42
&等我们的产品出来了,你就理解信用的重要性了。&10多天前,蚂蚁金服的一位负责人接受小编采访时说。
很快,芝麻信用就先声夺人,在准备期就推出国内首个个人信用评分应用&&芝麻信用分,这距离1月5日央行发布允许8家机构进行个人征信业务准备工作的通知仅20来天。&看上去我们很快,其实,这项业务我们都已经准备两年多了。&上述负责人对小编坦言。
当然,也正如他所说,芝麻信用分并不是给你看着玩儿的,而是要应用到具体的场景中,以体现信用的重要性,在这些场景中,分数高低决定你得到的服务水平的高低,现在,知道厉害了吧!
但是,不要担心,信用分是动态的,如果,你觉得自己的分数低或者比朋友圈里的其他人低,小编就偷偷告诉你几个关于刷信用的大招。
第一个信用分
芝麻信用寄生在支付宝钱包8.5版本里面,公测用户登录后,打开&财富&栏便可看到芝麻信用分的选项。
看到这,小编有些激动,特别找个没人的地方偷偷打开,万一分数太低,也不至于太丢人,在点开芝麻信用分之后,就立即跳转到授权界面,这可是央妈的规定性动作,为了让保护老百姓的个人隐私和权益,即便是央妈的亲儿子&上海资信公司也不例外。
好啦,完成授权以后,激动人心的时刻来了,小编的信用分跳了出来,664分,想到蚂蚁金服之前给小编发的新闻通稿里面也有一个案例分&627分,小编窃喜,明显高出一截啊!
而为了让用户更加明确自己信用分的评估维度,芝麻信用还特别列举了一个大的五边形,五个角分别对应信用历史、行为偏好、履约能力、身份特质、人脉关系,大五角形里面的小五角形就是小编这5个维度的具体表现。
这样看来,小编在人脉关系上差很大一截,在身份特质和信用历史方面则表现较好。
这究竟是为什么呢,小编在人脉上的品行就这么差吗?
拿起电话,小编怒拨蚂蚁金服上述负责人的电话。&如果我申诉,我的信用分太低,你们受理吗&&为什么我在人脉关系上表现这么差&?
那个负责人的声音听起来有点无奈,&啊&这样啊,你可以点击页面右上角的问号,里面有对各个维度的解释,在美国,也有消费者把征信机构告到法庭,为什么自己这么低分,但法院最终驳回,因为计算分数的模型是一个征信机构的商业机密。&
那好吧,小编点开问号,里面确实有相关说明。
信用历史:过往信用账户还款记录及信用账户历史
行为偏好:在购物、缴费、转账、理财等活动中的偏好及稳定性
履约能力:享用各类信用服务并确保及时履约
身份特质:在使用相关服务过程中留下的足够丰富和可靠的个人基本信息
人脉关系:好友的身份特征以及跟好友互动程度
&说白了,就是你周边的朋友评分也挺低的,所以,你在人脉关系上表现较差。&那个负责人不客气的说,&人以类聚、物以群分。&
呃呀,小编周边都是啥人啊?
信用就是逼格
心怀好奇,小编点开&信用猜猜&,在这里,你可以了解身边朋友的信用水平,比一比谁的芝麻信用分更高。如果对方授权同意的话,还可以直接查看对方的芝麻信用分。小编向多个人发起了邀请,一轮比下来,发现小编的分数算是高的,刚才的不开心已经烟消云散了。
芝麻信用分此次推出的分数区间为350分&950分,分数越高代表信用程度越好,违约可能性越低。美国著名的FICO分,其评分范围也是在300至850分之间。
但上述负责人偷偷对小编说,此次能够参与公测的用户,分数大部分在600-700分之间,&如果我们拿到的数据量不足,这个人就不会在芝麻信用上有得分&。
信用分拿到以后,不仅仅是用来比一比的,关键是怎么用,那么,怎么用呢。
在&信用生活&里面,芝麻信用例举了几个场景,包括出行(免租金租车)、住宿(免押金入住)、金融(借款、分期)、购物(先试后付)、社交(婚恋、交友)。而目前仅开通了前两个板块,比如在出行里面,神州租车免租金租车的前提条件是芝麻分在600分以上,微公交、车纷享的要求也都是600分以上。
在住宿里面,已经显示的两个应用阿里旅行&去啊和小猪短租也是要求600分以上。
那么,问题来了,如果自己不够600分咋办?是不是意味着就没有这样的服务可以享受了呢?
&这是商家根据自己的风险承受能力所定下来的标准,我们的分数仅仅是一个参考,至于商家最终是否为你提供免租金租车、免押金入住的服务,最终还要看商家自己的抉择,&蚂蚁金服的那位负责人解释。
我不告诉你如何刷信用
听到这里,小编真为那些自己信用分不够600的亲们捏一把汗呐。
问题是,有人刷脸,有人刷墙,为什么我们不能刷信用呢?前期,小编作为职业记者,致电了多家央行批复开展个人征信业务的机构,多多少少也套出来一些刷信用的方式,在这里,偷偷告诉分数低的亲们。
不要问我是谁,我就是活雷锋啊!
第一条:提高逼格。包括你在淘宝上的消费类型,别总买吃的,买买有钱人的玩意,比如健身器材、工艺品、高档家具、汽车用品等,小编在前期采访的时候,蚂蚁金服的人特别强调,消费类型是评判一个人信用水平的通用维度。你可以少买点,但要买的有水平、有高度,别在淘宝上买那些影响你个人形象的乱七八糟的东西。另外,不要总是换收货地址,长期固定的收货地址会让芝麻信用认为你是个有房有车的有钱人。
第二条:买点理财产品。支付宝上有不少理财产品,你可以买点,多用支付宝提供的工具,比如还款、充值啥的,写到这,小编感觉好像是在为阿里做广告,没办法,谁让分数是他们评出来的呢,蚂蚁金服也在通稿里写了&脱胎于互联网的芝麻信用数据涵盖了信用卡还款、网购、转账、理财、水电煤缴费、租房信息、住址搬迁历史、社交关系等方方面面。&
第三条:多做好事,多捐款。蚂蚁金服的人也说了,一个经常捐款的人的信用度要比不捐款的人的信用度高,但可惜的是,他不肯说一个月要捐多少,捐几次才能刷高信用值,各位亲们就量力而为吧!
第四条:提升你的朋友圈。这一条很重要,在传统征信领域,你的朋友就是你的朋友,跟你无关,但对于聚焦互联网信息的征信公司而言,你的朋友圈在某种程度上就是你啊!这一点,腾讯征信在阐释社交数据对于个人信用影响时也是这么跟小编说的。
第五条:欠人家钱要按时还啊,尤其是信用卡,虽说芝麻信用是从自家平台上拉数据,但也没说人家不能用央行的数据啊,你没按时还信用卡的记录都在央行征信系统里面躺着呢,有一次,小编好奇地查了自己在央行的征信报告,那真是一身冷汗啊。
第六条:也是最重要的,享受芝麻信用提供的服务同时,不能飞人家鸽子啊,比如你免押金入住酒店,结果没给钱,你觉得挺爽,酒店愤怒了,他会把你的劣行回传给芝麻信用,他们的信息都是双向流动的,好啦,你的分数就会降到谷底的。
在国外,各家征信机构都不会透露自己的信用评估模型,一方面,这是人家的核心竞争力,另一方面就是防止信用套利,小编以上攻略算不算套利呢?
编辑:林洁琛

我要回帖

更多关于 芝麻信用 的文章

 

随机推荐