用户的“拜金主义”，和支付宝的征信困局

作者: 七月的MiuMiu   

事件发生几小时内，我们看到了各大媒体轰炸式的攻击。用的最多的两个词便是“拜金主义”和“女宠游戏”。

当社会风气开始整体下滑的时候，围绕在人性和人情周围的产业也会相应产生变化。例如我们常见到的直播产业，和擦边球经济。

支付宝有没有在这个当中扮演角色？有，但并不是全部。

以兴趣划分的圈子是支付宝社交宏图中的最后一搏，这是支付宝上下以及所有互联网用户的共同认知。

但擦边球社交不是支付宝的专利，也不见得只有支付宝才能玩得如此拿手。

与其他更为露骨的APP相比，支付宝的“圈子”显然不是一个情绪挑逗上的绝对值。

那么，支付宝的槽点究竟在哪，这里就要搬出“芝麻信用”这个支付宝长期培养的“得力助手”。

在“支付宝”事件发酵的过程中，并不是所有人都竭力要求抛弃兴趣化圈子和它的美女图阵。换句话说，如果这些带有浓厚挑逗意味的图片可以对任何人开放阅览，那么这件事也顶多是一件“伤风败俗”的社风事件而已。

但正由于这里面设定了一些人可以看，而另一些人不能看的差异化策略，才致使这次事件上升到了关于身份、歧视以及人为分级这些更进一步的人格层面上。这就像让你自己选择要不要看小电影，和允不允许你看小电影一样，是两件完全不同性质的事情。

支付宝在这其中扮演的，不是提供一块场地让你们玩耍的“供应商”角色。而是制定了“拜金游戏”规则的裁判。

在这次事件里，依据什么判定750分的个人信用标准，而这个标准是否牵扯到身份攻击，成了最关键的争论点。普遍的舆论认为，原本作为隐私的个人信用体系，正在被支付宝异化为对于个人在社会阶层当中的分级体现。

刷芝麻信用分，成为了支付宝用户趋之若鹜的热点攻略。而这一切看似客观的个人信用评分，不如说是作为评定你“社会地位”的依据。

你的居所地、你的人脉关系、你的就职信息以及资产情况，在芝麻信用里，这些成为了你与他人之间的差别，只需几分、几十分就可清楚地将这些差别做出定量，展示在你和你的朋友面前。

也就是说，当你的评分不足以参加这场游戏时，你只需绑定一辆车、提交一套房的资料，或者拉出一串令人艳羡的好友名单，就可成为这个游戏的座上宾。

这无疑将我们所谓的“拜金主义”和“女宠游戏”提拔到了普世价值的标准线上，这是这场游戏惨不忍睹的地方。

而其中最遗憾的，是“芝麻信用分”一直在扮演着杠杆的角色，持续不断地撬动这块带有别样社交意味的大蛋糕，让人性的欲望和弱点呈几何形地无限放大。

圈子，是支付宝对于数据与社交的渴望所在。

在产品设计中，支付宝给未能达到750评分的用户提供了“蚂蚁森林”的社交计划。在这里，用户通过浇水、分享，再浇水的形式，来获得信用分的增长。

芝麻信用分已然不再是一种单纯的评分，而是驱使用户行为产生的“诱饵”或是“鞭子”。

强烈的导向意识，在这几年支付宝的产品设计中，表现得尤为明显。这在众多业内人士眼里，是支付宝迫切渴望在中国征信市场“攻城略地”的主要原因。

2015年，央行要求芝麻信用、腾讯征信、前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用以及华道征信等八家机构开展个人征信业务试点，期限为半年。但直至今日，个人征信牌照却仍是“难产”状态。

在现有的中国征信市场中，政府主导型的公共征信机构仍然占据了主导地位。这让“征信”这块大蛋糕的去向更加扑朔迷离。

而对于征信市场的渴望，腾讯征信、平安金融、百度等上市公司与芝麻信用一样迫切。  

 2016年9月14日，为了保证未能入选首批个人征信试点单位的百度能够顺利切入金融市场，李彦宏甚至动了用10亿美金，从市场上换回一张个人征信牌照的念头。

除此以外，百度还积极投资ZestFinance，学习后者利用机器学习和大数据做个人信用评分，以解决在没有个人征信业务牌照情况下，百度运营金融部分的技术壁垒。

 “征信就像是金融发展的底座，也是最适合拥有广泛C端用户的互联网企业切入的部分。”某专业人士曾这样评价征信体系的重要性。当征信前提成立的情况下，交易双方的信用评分、交易行为中所产生的风险定价才会相对准确，而金融交易的效率才有可能达到我们预期的设想。

数据对于金融产品的辐射面和延伸触角起到了至关重要的作用，但并不是所有征信企业都能达到期望中的产品维度。

中国的征信产品目前仍应用于金融信贷服务，以及部分反欺诈、身份验证、信用决策的生活场景，而金融机构仍是征信产品的主要客户。

另外，从国内的大部分征信机构的营收渠道来看，征信盈利的单一性依然存在，其收入大部分来源于数据调取量。目前，央行征信中心日均数据调取量约为80-100万次，国内社会征信机构中的第一梯队的日均数据调取量在50万以上，这些机构的每单基准服务费在5-60元之间。

这与美国老牌征信平台Experian的多元化收费模式相去甚远，在2015年收入中，Experian的信用服务收入占比49%，决策分析收入占比 12%，市场营销收入占比 18%，消费者服务占比21%。另一方面，Experian日均生产能力（380万份信用报告）也大大超越了中国征信市场。

没有良好的产品维度，就会使得信用报告的生产能力和准确度大打折扣，从而进一步导致整个营收渠道的更加收窄。这是中国征信的困顿，也是支付宝决定胜负的局点所在。而显然，这次支付宝打算用弥补社交短板的方式，来进一步拉伸个人信用的评分角度和产品扩张力。

“圈子”的出现，是支付宝面对征信瓶颈下，开疆扩土的“用户养成”计划，而绝非简单意义上的“社交拓展”。

在芝麻信用分的维度里，支付宝铺垫了转账支付、投资理财、购物、出行、住宿、生活、公益等上百种场景，还有身份特质、履约能力、行为偏好、信用历史以及人脉关系等五大切入点，越为绵密的社交网格，越会给芝麻信用带来完美的延伸触角，和研发反哺。

这是汲取用户最终信用评分的的上万块“海绵”，也是支付宝必须啃下“社交”这块石头的原因。

“圈子”就像是一个锤子，试图打破这层壁垒，为芝麻信用建立细微绵密的社交关系。而这，才是支付宝渴望并希望“圈子”的所存在的样子。   

很多人认为，支付宝利用评分进行社会分级，变相获得用户活跃度的策略方式，是支付宝在产品设计上的原罪。

实际上，摆在中国征信的困顿远不止此。

无法建立最基本的用户数据共享，是真正的罪魁祸首。

不少从业者表示，征信的数据获取场景基本呈割裂化态势。在涉及个人信用评分的有效数据中，购买行为、社交行为、借贷行为以及税务缴纳行为等都是互相渗透的广泛的数据连接。只有形成这样数据的聚集效应，才有可能完成一次意义上完整的信息评估。

而事实是，尽管征信机构已有遍地开花之势，但在采集场景上，仍是一座座互相割裂的数据孤岛。

这就是作为“社交”短板的支付宝，为什么要强行介入社交数据的最根本原因。

数据共享有利于形成闭环，优化数据资源供给，是行业的普遍共识。打通数据通道，也会使征信机构不再将占有基础数据视为关键优势，而把更多的注意力放在征信产业链的其它核心环节。但摆在中国征信面前的是，基础资源不愿共享，就连关键数据也极度缺乏的现状。

波士顿咨询公布的数据，截止2016年6月，央行共收录8.6亿自然人，1811家企业和其它组织信息。其中，有信贷数据的仅有3.5亿人，剩余的5.1亿人，并没有其它金融信用数据。这对比全球征信巨头Experian全球8.9亿人和1.03亿个企业的覆盖率来说，显然只是九牛一毛。

而在这其中，代表强变量的信贷、信用卡、民间借贷等金融交易数据，往往掌握在金融机构手中；代表中变量的商品生产、销售、消费等环节的交易数据，主要来自于各类电商平台；成为本次事件主角的社交、游戏这些弱变量数据，又更多地藏在门户和社交平台中。

普通数据无法互通，关键数据无法获取。为了达到所谓的数据完整度，大部分征信机构只能通过通过自爬、合作等方式，从这些有限的场景中整合数据，因此在采集过程上耗费了大量成本。更有甚者，走上了赴黑市够买或获取用户隐私的不法路径。

巨大的市场潜力和互相撕裂的竞争基因决定了“谁都想做大佬”的行业心理。这也同时与美国征信市场泾渭分明、分工明确的格局形成了强烈反差。

作为美国本体三大个人征信机构，Experian、Equifax、TransUnion负责收集、整合和处理消费者个人信用记录的机构。这类机构在收集个人信用数据后，会采用FICO信用评分模型对消费者信用进行评分。FICO模型在这个过程中起到了通过变量、参数，提供信用分数计量算法的作用。最后，在数据挖掘和模型开发方面具有卓越能力的ZestFinance，则会利用其10个预测分析模型，对上万条原始信息数据快速进行分析，并最终得到消费者信用评分。

这样一套完整的数据评分，其中涉及了数据采集、分析、建模以及计算结果等数道精密的设置，还有数家技术过人的顶尖征信机构的密切合作。这与中国征信行业“乱”、“杂”、“浅”的征信现状确实不可同日而语。

技术上的天堑，和缺乏差异化的定位，让中国征信在发展过程中无法更加精细化。

在这点上，无论是坐着吃瓜的民众，还是在征信沙场上奋战的各机构，都在面临一样的现状。所以关于征信后来的剧情，究竟是各展所长，还是各补所短，我们只能静观其变。但这件事的背后，我们到底应该以什么样的方式去看待这条属于征信的未来之路，是否可以牺牲人性换取社交，是留给像支付宝这样的平台的深刻问题。

七月的MiuMiu

5年金融媒体人、文字工作者。从事过互联网金融平台新媒体、内容运营、新闻公关等职业。