坏账40%、获客20美元：海外现金贷风控的7层防线

坏账40%、获客20美元：海外现金贷风控的7层防线

有人在菲律宾亏了整个盘子，有人把首逾率压到10%以下。差别不在算法多先进，而在风控防线搭了几层。

先看几个真实数字

某助贷机构在菲律宾上线初期，坏账率飙到40%——放出去100块，40块收不回来。

同样是海外现金贷，差距为什么这么大？

再看获客成本：2017年一个新客只要5-7美元，现在涨到20美元（约146元人民币）。贷款件均在印尼只有500元人民币左右，在非洲也就700-800元。获客成本占件均的比例从1%飙到了30%。

这意味着什么？如果你风控不行，放一笔亏一笔；风控做对了，才有利润空间。

海外现金贷的风控不是一道墙，而是7层防线。每一层拦住一部分风险，层层过滤，最后到你手里的才是能放款的优质用户。

第一层：设备指纹——你是谁的第一道证明

在没有征信的市场，设备是最可靠的”身份证”。

一部手机有几十个维度可以采集：IMEI号、MAC地址、屏幕分辨率、系统版本、安装的应用列表、电池健康度、加速度传感器数据、陀螺仪轨迹……这些组合在一起，就形成了这台设备的唯一”指纹”。

能拦住什么？

• 同一台设备注册了20个账号 → 团伙欺诈
• 设备用的是模拟器 → 99%是欺诈
• GPS定位显示在A国，但IP地址在B国 → 位置造假
• 设备刚刷过机、刚Root → 高风险

某平台上线AI活体检测后，欺诈拦截率提升了37%。墨西哥一家公司对接15个数据源才把首期逾期率（FPD）压到20%——设备指纹是其中最基础也最有效的一层。

第二层：身份核验——你是真人吗

光有设备不够，还得确认设备背后是真人。

身份核验三板斧：

• 证件OCR识别：拍身份证，系统自动提取信息，准确率99.7%
• 活体检测：让用户做指定动作（眨眼、转头），防照片和视频冒充
• 第三方交叉验证：把用户提交的信息和政府数据库比对

现在最头疼的是AI换脸。2025年已有案例：犯罪团伙用Deepfake伪造借款人视频通过活体检测。对策是什么？键盘输入节奏+鼠标移动轨迹+声纹比对——这些是AI难以完美模仿的生物行为特征。

某消费金融公司通过图神经网络（GNN）分析，发现43个关联账户，最终打掉一个涉案1.7亿元的AI换脸诈骗团伙。

第三层：反欺诈——你在骗我吗

前两层解决”你是谁”，这一层解决”你是不是来骗钱的”。

海外最常见的5种欺诈模式：

反欺诈的核心不是单个规则有多强，而是规则引擎+模型+图分析的组合拳。以印尼为例，OJK数据显示2026年3月全国P2P在贷余额已达Rp 101万亿（约合人民币460亿元），同比增26.25%，但90天违约率（TWP90）同步升至4.52%。市场快速膨胀的同时，仅2024年11月至2026年1月，OJK反诈骗中心就录得超43.2万件数字欺诈举报，涉案损失达Rp 9.1万亿。面对这一形势，合规平台AdaKami持续强化AI和大数据反欺诈体系，2026年4月参与全国反欺诈论坛时明确表示，已将反欺诈重心放在AI换脸识别、活体检测和声纹分析等深度防御技术上。

第四层：信用评分——你会还钱吗

前三层把骗子拦住了，但”不是骗子”不等于”会还钱”。

在巴基斯坦，SECP要求所有NBFC向信用局报告。孟加拉的MRA管理着683家NGO微金融机构，服务3230万会员。但这些征信体系的覆盖率和数据质量远不如国内。

没有征信怎么办？用替代数据。

• 运营商数据：通话时长、充值频率、夜间通话占比——通话规律的人还款更稳定
• APP行为数据：注册到提交申请花了多久、表单修改了几次、在哪个页面停留最长
• 社交关系：通讯录里有多少人也是你的用户、他们的还款表现如何
• 交易数据：如果有支付场景，消费频率和金额是强信号

某平台的经验：首贷控制在30美元以内，按时还款后触发30%提额。这种”小额试错”策略，比一上来就给大额度安全得多。

第五层：决策引擎——批还是不批

前四层收集了信息，第五层做决定。

好的决策引擎要回答三个问题：

1. 批不批？ ——通过率多少取决于你的资金成本和风险偏好
2. 给多少？ ——额度策略直接影响坏账率和利润
3. 什么价？ ——风险定价，高风险用户收更高利率

某银行的做法值得借鉴：还款日前3天发短信提醒，前1天AI语音提醒，当天人工确认。这个”三段式提醒”把M0入催率降低了18%。

海外现金贷的决策速度要求极高——度小满AI审批系统平均9.8秒完成一笔，从身份核验到风险评估全自动化。人工复核率从15%降到3%。

第六层：贷后监控——钱放出去之后

放款不是终点，是风险的起点。

贷后监控要盯三个指标：

• FPD（首期逾期率）：第一期就没还的用户比例，直接反映前端风控质量
• Vintage表现：同一批放款的逾期率随时间变化曲线
• 滚动率：M1向M2迁移的概率。行业数据显示，M2向上迁移概率达90%——也就是说，一旦逾期超过30天，90%会继续恶化

有个公式值得记住：ever逾期 = 1 – (1-p)^n。p是单期逾期概率，n是期数。如果每期逾期概率是5%，6期下来ever逾期率就是1-(0.95)^6 = 26.5%。这意味着6期产品如果有5%的M1逾期，最终约1/4的用户会逾期。

第七层：催收——收不回来怎么办

最后一道防线，也是利润的最后保障。

海尔消费金融2024年的M1回收率是89.54%——也就是说，逾期一个月内的贷款，近9成能收回来。

海外催收的关键差异：

• 宗教节日：印尼斋月后集中还款，巴基斯坦斋月前催收效果差
• 本地化话术：必须用当地语言，英语团队效果打折扣
• 合规红线：单日外呼不超过3次，22:00-8:00禁止催收
• 失联修复：M2+客户失联率可能突破40%，需要运营商数据实时更新联系方式

某银行通过”温情催收”——给逾期客户推荐工作、帮滞销农户直播带货——累计帮助2014户化解风险，收回超4600万元，70%以上的客户恢复经营后主动还贷。

七层防线的优先级

如果你是从0开始，别想着七层一起建。优先级如下：

第一阶段（上线前必须）： 设备指纹 + 身份核验 + 基础规则引擎

第二阶段（上线1-3个月）： 反欺诈模型 + 信用评分 + 贷后监控

第三阶段（3个月后）： AI决策引擎 + 智能催收系统

记住一句话：海外风控比的不是算法多先进，而是谁更懂当地街角的烟火气。

在墨西哥，OXXO便利店的缴费记录能反哺信用评估；在孟加拉，NGO的会员编号比身份证更管用；在巴基斯坦，Raast支付系统的交易记录比银行流水更真实。

每一层防线都不是孤立的技术模块，而是融入当地市场的风控哲学。把七层搭好，坏账率从40%降到个位数不是梦。

每一层防线都不是孤立的技术模块，而是融入当地市场的风控哲学。把七层搭好，坏账率从40%降到个位数不是梦。

下篇聊聊： 多头借贷检测——用户1部手机借了5家平台，怎么查出来？三种实战方案拆解。