概述
1.P2P的火热期是在2015-2016，2017年大热的是现金贷，直到2017下半年的监管越来越紧，最终现金贷一地鸡毛，P2P也随之低调许多。
2.P2P其实就是链条通吃，将借款用户与出借用户进行撮合，使市场上的资金变得更有效率。而现金贷则是将资金端砍掉，原本分散的出借用户变成一个或几个的超级出借人，缩短链条提高效率，资金成本与运营成本得以降低。
3.按P2P链条的前后，分几块进行复盘：流量来源、借款、风控、投资、贷后、底层逻辑。
流量来源
背景
1.流量是一盘大生意，大家都不陌生。根据行业的不同，各行业的流量价格也不同，与金钱的连接节点越少，流量也就越贵。一个观察，不一定对。
2.以16年底为节点，在这之前，CPA是3-10元，CPS是30-60元；但在这之后，CPA暴涨至10-30元，CPS已达到了80-200元。目标
1.自建流量入口目的有三，一是可减少获客成本，二是可出售流量创收，三是可减少逾期坏账。
2.流量收入（CPS） = 入口UV * 甲方转化率 * 甲方通过率 * 下款单价；流量收入（CPA） = 入口UV * 甲方转化率 * 点击单价。因此需根据上述几个节点针对性地提高。坑在何处
1.对自建流量入口不够坚定，17年初提出后被老板否决，没能坚持说服老板，错过最佳窗口。
2.过于追求用户大一统的完美（打算效仿腾讯用户体系，多端切换资料同步），花费了较大的精力，遇到困难时仍不舍弃。
3.为了冲短期KPI而动摇了版本路线，为了追求短时业绩而频繁变更需求。
4.前期贪图省事而没做好标签字段划分，导致后续增加功能时不够健壮。
5.运营不能省钱，花钱买推广是初期上量最快的。
6.商务为了KPI，要求H5、API混着接入，加大前期开发难度。
7.初期推广时被下级中介薅羊毛。如何避坑
1.产品经理真的要多做行业调研，用数据说话。如果当时能摆出行业调研数据，应该能说服老板放手试错。
2.如果当时MVP评估不充分，因为【用户体系】不统一也不会影响登录，只是数据不同步而已，此处可通过后期优化解决。如果MVP评估更充分些，当时就能果断舍弃此功能进行快速上线，后期再进行相关迭代优化。
3.与上级充分沟通版本，并制定相符的KPI，避免短期KPI的压力而导致动作变形
4.向前兼容很重要，向后兼容更重要，PM要多思考，尽可能兼容后面可能出现的需求。
5.流量入口的初期硬指标就是UV，UV做不大，后面的转化都没意义，所以初期运营的目标就是冲大PV、UV，而不能过于追求转化率。如果流量起不来，那么根本不存在后期的迭代优化了。
6.要学会向上管理需求，引导商务优先对接API的，保证数据能够及时反馈用于调整后续版本。
7.中介薅羊毛是不可避免的，但需限制薅羊毛的度，避免中介过度薅羊毛影响了正常用户，可以通过逐级提高羊毛门槛来限制。
借款
背景
1.借款
是一个非常强的需求，但问题在于借款用户极为存量，因此随着P2P的不断扩大，资产荒也随之出现。
2.正是由于资产荒，才导致了供需失衡，贷款超市这类流量入口的价格才会暴涨。目标
背景说到，借款是强需求，近乎刚需，那么重点就在于：
1.如何发现此类客户。
2.成交额 = 借款人数 * 借款频次 * 件均金额，而借款人数 = 注册人数 * 申请转化率 * 下款转化率。坑在何处
1.初期用户银行被盗刷严重。
2.一旦第三方出问题，系统就基本瘫痪（包括进件、支付、认证、审核等）。
3.进件源（考拉）上线第一天，被大流量挤垮了。
4.对接芝麻信用时，没设置手动停用开关。
5.获取运营商清单功能，前期花了大力气选择API方式，浪费人力时间。
6.为了优化而无需上传身份证反面照片（而采用接口抓取），但2017年后是换证高峰，抓取的数据基本上都是过期了。
7.债权放大时，与理财端的投资倍数不同步，导致投标出现无法满标的情况。
8.代扣上线前没进行成功率测试，上线后发现代扣成功率较低，导致代扣效果没达到预期，相反招致很多用户的投诉。
9.初期的信用模型过于依赖规则，人工自由度为0，导致业务部门投诉。如何避坑
1.初期是通过IP、通讯录关联、设备指纹等方式定位盗刷团伙，后期接入第三方支付后就省心了。要善于借助第三方的比较优势，省时省力。
2.接入第三方永远要接两个。比如接入第三方支付，最好同时接入连连支付及富友支付，其中一个为备选，当主支付通道不稳定或出问题时，可马上切换到备选通道，避免了整体业务陷入瘫痪。
3.压力测试要到位，上新业务前都需做好各等级流量的应对方案（偏项目&技术），当没法承担更多流量时，应该选择暂时限制流量，这比用户进入后发现更多错误要好。
4.接入第三方时，除了要有备用，还要留意是否会出现欠费情况。当时接入芝麻信用后，为了避免用户绕开实名认证，强制调用。使用过程中费用流逝飞快，周末时变欠费了，充值没法及时到账，导致周末的用户大量投诉。
5.第三方的技术选型要充分，demo测试后选择简单易维护的H5接入方式就好了。
6.要关注外部新闻，并代入考虑此新闻对产品会产生什么影响。
7.新功能需考虑全局，当得知理财端在当前没法修改投资倍数的时候，应考虑调整借款倍数的需求。例子：投资倍数是50，此版本没法修改，那么债权放大后的倍数也该是50，如此一来，债权放大前的倍数从100改为200就OK。
8.第三方尤其需要进行成功率测试，成功率低时应采取非强制的方式。
9.初期的方案应以逐步探索的方式进行，不应一刀切。后续反思：信用模型后续应加入机器学习，动态调整维度权重及授信额。
风控
背景
1.前文说到，互金的用户基本上是同一批，随着业务的不断开拓，用户的绝对信用水平其实是下降的，因此需要不断的调整风控尺度。
2.由于互金的业务导向性非常强，因此风控经常要配合公司业绩进行放宽。例如，用户的多头负债严重，按规则是不能放款的，但这批用户只要还能借到下一家，公司就不算是接盘，就依然可以从这批用户身上赚到利润。目标
1.利润水平 = 成交额 * 件均利润率 * (1 - 坏账率)，而坏账率是逾期率的加重版（一般是逾期91天后算坏账），因此风控主盯的指标是逾期率。
2.预判用户是否会逾期，主要看两方面：还款意愿、还款能力。前者是看用户关键资料是否存在造假成分，也即是否欺诈；后者则是看用户的收支状况，现金流能否足够覆盖负债的流转，也即多头负债。坑在何处
1.风控参数误操作，导致大量不合格订单进入审核后台。
2.审核人员透露风控要点，导致被中介薅羊毛。
3.风控新规则上线后，没及时通知审核人员，导致审核的单不符合放款要求。
4.推广全自动审核时没有考虑到审核人员的业绩问题，导致推广遭到阻力。
5.建风控模型的原始数据被污染，导致后续建模难度加大。
6.初期建模过于依赖第三方数据。如何避坑
1.风控参数调整要求几位总监级联合确认，系统也应配套运维监控，及时报告流量异常情况。
2.风控应该封装成黑盒子，审核人员只能知道操作要点，不能知道风控维度点。
3.部门间的沟通要及时，不能担心审核人员泄密而因噎废食。
4.新方法还是应该摸索推行，应考虑到人的因素并加以补偿。
5.原始数据要做好清洗工作，特别注意剥离测试数据及旧业务方向的数据。
6.自有数据、自有规则应该优于第三方，因为第三方的数据不够稳定且不够完全准确。
后续部分请查看互金产品复盘记（下）
