助贷新规落地观察：银行向头部化平台集中

随着“助贷新规”进入执行期，银行与互联网平台的合作正经历深度重构。近日，北京商报记者对多位银行相关人士进行了调研，监管明确利率红线、强化合作机构白名单管理，正加速推动银行助贷渠道向抖音、京东、蚂蚁、度小满等头部平台集中，大量中小型流量平台逐步被挤出赛道，行业步入“强者恒强”的整合阶段。

图片来源于网络，如有侵权，请联系删除

在此背景下，不同规模银行的应对能力出现分化。大型银行凭借品牌影响力和自营贷款能力，将助贷渠道作为补充选项；而缺乏自有场景和风控体系支撑的民营银行及区域性中小银行，则高度依赖平台导流，面临获客成本持续攀升、流量质量不断下降的双重压力。

更值得关注的是资产质量的潜在风险。有银行人士坦言，部分原本依赖高息助贷维持资金周转的高风险客户，可能因融资渠道收缩而出现信用链条断裂，进而传导至银行端，引发信用卡逾期、消费贷违约上升等连锁反应。面对合规收紧与盈利承压的双重挑战，银行亟须通过客群精细化分层、数字化风控能力升级以及场景化服务创新，在合规底线与经营效益之间找到新的平衡点。

合作平台向“大而全”迁移

10月1日，《关于加强商业银行互联网助贷业务管理提升金融服务质效》的通知（即“助贷新规”）正式施行，多家银行已相继公布互联网助贷合作机构名单，其中，抖音、度小满、京东、蚂蚁、美团等头部平台密集亮相，体现出银行助贷合作向头部平台集中的趋势。

当前，银行筛选合作平台的要求是什么？获客成本又出现了哪些变化？北京商报记者近日对多位银行相关人士进行了调研，受访银行人士普遍表示，在当前零售金融竞争加剧、息差收窄、获客成本高企的背景下，与头部平台合作已成为一种“现实最优解”。究其根本，一是流量缺失，缺乏用户场景与触达能力，难以自主获客；二是风控能力不足，缺乏成熟的数字化风控模型，平台在当前体系中扮演了“隐形服务商”的角色。

“我们很早就注意到这个趋势了”，有银行相关部门负责人透露，目前跟一些中腰部流量平台已经陆续停止合作，大家都开始转向大平台。选择大平台合作，对银行而言更安全，一方面平台本身不容易爆雷，另一方面是用户基数大，数据丰富，客户分层做得好，能够实现精准匹配，从而降低银行的风险敞口。

一家城商行风险管理部门负责人直言，“通过白名单管理，将不合规、风控薄弱的小平台排除在合作体系之外，有助于净化市场环境，减少纠纷和投诉。我们要求在准入合作机构时开展尽调，掌握股权结构及实控人相关信息，对于拥有多个主体和牌照的复杂生态，统一进行管理”。

“那种特别复杂的生态体，我们干脆不做了，风险太高没必要去碰，”另一位股份制银行业务部门人士介绍，现在银行都越来越倾向选择品牌强、运营规范、风控能力好的平台。此外，也会跟一些持牌机构合作，比如消费金融公司，这些机构监管也相对清晰，合作起来更稳妥。

苏商银行特约研究员薛洪言指出，从合作趋势来看，银行与助贷平台的“头部化”合作倾向并不会必然形成行业垄断，反而将推动行业集中度提升与规范化发展。当前银行优先选择与头部机构合作，核心逻辑在于这些平台具备合规资质、成熟风控能力与庞大用户基础，能够有效降低合作风险。不过，头部平台之间在场景覆盖与客群特征上仍存在差异化竞争，银行可通过与多家头部机构合作形成互补，避免单一平台依赖。同时，监管层在白名单制度设计中通过设立分级准入制度和推动技术标准化建设，为区域性银行与本地合规科技企业合作创造空间，维护市场多样性。因此，行业将呈现“头部平台主导、多元主体互补”的生态格局。

不良率和资产质量面临挑战

“助贷新规”发布后，行业最为关注的莫过于24%利率限制，此前有接近监管人士告诉北京商报记者，“我们不能因为市场疲软就去放纵高利率风险客户进入金融体系”，他直言24%是红线，并强调36%利率区域客户违约率高达60%以上，是系统性风险源头。

对于利率“红线”的考量，银行从业者也表达了认同。上述城商行风险管理部门负责人表示，过高的利率本质上是对客户的反噬。

在展业过程中，利率水平24%以及36%区域的客户则存在一些共性，有银行人士介绍，从产品本质来看，这两个利率水平下的贷款多为短期、小额的消费贷，资金使用周期通常较短，比如几周到几个月。对于急需用钱的借款人来说，他们对利息并不敏感，实际利息差额不大。

“所以这类客户本质上是一个特定群体。过去36%是司法保护上限，24%则是法院支持利息偿还的分界线，更多是一个法律执行层面的概念，并非金融风控的天然边界。但现在监管政策明显在向法律口径靠拢，倾向于将24%作为合规红线。这背后除了金融风险防控，更多可能是出于防止过度借贷引发大规模违约问题，”上述人士说道。

北京寻真律师事务所律师王德悦指出，年化24%与36%的利率水平对应的是对资金可得性高度敏感、对利息不敏感的特定借款人群体。监管政策制定利率上限管控和白名单制度，银行可依据信用评分、收入稳定性、消费场景等维度，对客群实施差异化定价；同时，还可引入大数据风控，动态调整利率。例如，为信用良好的客户提供浮动利率，对于高风险客户，则通过担保、保险等方式转移风险。

压降非理性高利定价后，也有银行人士担忧，一些原本处于“弱平衡”状态的高风险客户，过去依赖助贷平台维持资金周转，如今该渠道收缩，可能导致其信用链条断裂，进而传导至银行端，间接影响银行的不良率和资产质量。“目前尚未看到大规模爆发，但也需要引起关注。”上述城商行风险管理部门负责人称。

“针对资产质量波动与客群流失的短期挑战，银行可从存量风险化解与增量客群培育两方面采取缓释措施，”薛洪言强调，对于存量客户，重点排查高风险用户，通过债务重组等合规方式平滑信用风险；同时利用平台实时数据监控，对还款能力下降的客户及时干预。在客群维系上，加强客户教育，引导其转向合规渠道，并推出低息过渡性产品实现客群平稳迁移。更重要的是加快自建数字化风控体系，提升风险识别精度；同时探索社会资本担保等创新模式，弥补传统风控不足，从源头构建更具韧性的客群结构。

转向“薄利多销+服务增值”

随着“助贷新规”收紧利率上限并强化合作方管理，原有的粗放式增长路径被打破，对没有网点、缺乏品牌影响力的中小银行，在这场变革中将面临更大压力。

在这样的背景下，不同规模银行的应对能力呈现出分化。对大型银行来说，通过第三方平台的助贷渠道，占比并不高，重点还是放在自营贷款业务上。上述股份制银行业务部门人士认为，互联网平台的优势就在于“短平快”，比如按天计息、审批迅速，适合临时周转。但若涉及几年期的中长期贷款，无论从成本还是稳定性来看，传统银行渠道依然更具优势。

然而，对于缺乏自有流量的民营银行和区域性中小银行而言，情况则截然不同。一位民营银行有关部门人士介绍，“我们的线上客户基础有限，如果没有平台导流，靠自身积累很难形成规模效应。不过，助贷平台会优先将优质客户留给自己的金融子公司或关联机构。只有次一级的流量才会开放给外部银行合作，分配机制依据各银行的合作表现，如响应速度、审批通过率、资金稳定性等动态调整流量质量。这意味着银行不仅要面对高昂的获客成本，还要在资质稍差的‘客户池’中进行筛选”。

“客户转化并不是简单的广告投放，而是经过曝光、点击、注册、申请、审批、放款。每一层都有损耗，最终能成功放款的客户占比很低。以一个头部助贷平台为例，此前获取一位有效客户的综合成本约为1400元，现在大概已涨至2000元左右，”上述民营银行有关部门人士称。

在素喜智研高级研究员苏筱芮看来，“助贷新规”后，一些互联网贷款竞争能力较为薄弱的中小银行机构可能会受到较大影响。中小银行机构在风控能力、流量获客、运营手段等多方面难以与熟悉互联网渠道与客群的平台机构匹敌，因此在助贷新规前对平台形成高度依赖；而新规对持牌机构的自营竞争能力提出更高要求，倒逼其从源头重视与强化自主能力建设。

在调研过程中，多位银行人士认为，最终决定银行能否突围的关键，在于风控策略的精细化与差异化水平。真正具备竞争力的银行，已经建立起基于用户行为数据的“千人千面”定价模型，通过对客户精准打标签，实现授信额度与利率的个性化匹配；此外，还配备强大的贷后管理能力，包括智能催收、自动划扣等高效手段，从而挖掘出可持续的盈利模式。有银行人士透露，针对同一平台的不同产品线，内部已构建多套评分卡模型，并实行差异化的准入标准。“我们根据客群资质、历史表现和风险等级，制定不同的定额、定价与限额管理策略。”

正如薛洪言所言，银行需通过“风险定价精细化+服务模式创新”平衡合规与盈利。一方面，银行依托头部平台的大数据实现客群分层，对信用良好的优质客户提供适度优惠利率，对风险适中的客户通过灵活的贷款期限结构提高资金使用效率，对征信记录不足的客群则运用替代性数据动态调整利率，在合规前提下实现风险覆盖。另一方面，盈利模式从“高息覆盖高风险”转向“薄利多销+服务增值”，通过联合开发场景化信贷产品提升客户黏性，探索成长型信贷产品培养优质客户，并借助政府风险补偿基金等共担机制降低特定客群信贷门槛，拓宽合规框架下的盈利空间。

北京商报记者 宋亦桐