隨著“助貸新規”進入執行期，銀行與互聯網平臺的合作正經歷深度重構。近日，北京商報記者對多位銀行相關人士進行了調研，監管明確利率紅線、強化合作機構白名單管理，正加速推動銀行助貸渠道向抖音、京東、螞蟻、度小滿等頭部平臺集中，大量中小型流量平臺逐步被擠出賽道，行業步入“強者恒強”的整合階段。

在此背景下，不同規模銀行的應對能力出現分化。大型銀行憑借品牌影響力和自營貸款能力，將助貸渠道作為補充選項；而缺乏自有場景和風控體系支撐的民營銀行及區域性中小銀行，則高度依賴平臺導流，面臨獲客成本持續攀升、流量質量不斷下降的雙重壓力。

更值得關注的是資產質量的潛在風險。有銀行人士坦言，部分原本依賴高息助貸維持資金周轉的高風險客戶，可能因融資渠道收縮而出現信用鏈條斷裂，進而傳導至銀行端，引發信用卡逾期、消費貸違約上升等連鎖反應。面對合規收緊與盈利承壓的雙重挑戰，銀行亟須通過客群精細化分層、數字化風控能力升級以及場景化服務創新，在合規底線與經營效益之間找到新的平衡點。

合作平臺向“大而全”遷移

10月1日，《關于加強商業銀行互聯網助貸業務管理提升金融服務質效》的通知(即“助貸新規”)正式施行，多家銀行已相繼公布互聯網助貸合作機構名單，其中，抖音、度小滿、京東、螞蟻、美團等頭部平臺密集亮相，體現出銀行助貸合作向頭部平臺集中的趨勢。

當前，銀行篩選合作平臺的要求是什么？獲客成本又出現了哪些變化？北京商報記者近日對多位銀行相關人士進行了調研，受訪銀行人士普遍表示，在當前零售金融競爭加劇、息差收窄、獲客成本高企的背景下，與頭部平臺合作已成為一種“現實最優解”。究其根本，一是流量缺失，缺乏用戶場景與觸達能力，難以自主獲客；二是風控能力不足，缺乏成熟的數字化風控模型，平臺在當前體系中扮演了“隱形服務商”的角色。

“我們很早就注意到這個趨勢了”，有銀行相關部門負責人透露，目前跟一些中腰部流量平臺已經陸續停止合作，大家都開始轉向大平臺。選擇大平臺合作，對銀行而言更安全，一方面平臺本身不容易爆雷，另一方面是用戶基數大，數據豐富，客戶分層做得好，能夠實現精準匹配，從而降低銀行的風險敞口。

一家城商行風險管理部門負責人直言，“通過白名單管理，將不合規、風控薄弱的小平臺排除在合作體系之外，有助于凈化市場環境，減少糾紛和投訴。我們要求在準入合作機構時開展盡調，掌握股權結構及實控人相關信息，對于擁有多個主體和牌照的復雜生態，統一進行管理”。

“那種特別復雜的生態體，我們干脆不做了，風險太高沒必要去碰，”另一位股份制銀行業務部門人士介紹，現在銀行都越來越傾向選擇品牌強、運營規范、風控能力好的平臺。此外，也會跟一些持牌機構合作，比如消費金融公司，這些機構監管也相對清晰，合作起來更穩妥。

蘇商銀行特約研究員薛洪言指出，從合作趨勢來看，銀行與助貸平臺的“頭部化”合作傾向并不會必然形成行業壟斷，反而將推動行業集中度提升與規范化發展。當前銀行優先選擇與頭部機構合作，核心邏輯在于這些平臺具備合規資質、成熟風控能力與龐大用戶基礎，能夠有效降低合作風險。不過，頭部平臺之間在場景覆蓋與客群特征上仍存在差異化競爭，銀行可通過與多家頭部機構合作形成互補，避免單一平臺依賴。同時，監管層在白名單制度設計中通過設立分級準入制度和推動技術標準化建設，為區域性銀行與本地合規科技企業合作創造空間，維護市場多樣性。因此，行業將呈現“頭部平臺主導、多元主體互補”的生態格局。

不良率和資產質量面臨挑戰

“助貸新規”發布后，行業最為關注的莫過于24%利率限制，此前有接近監管人士告訴北京商報記者，“我們不能因為市場疲軟就去放縱高利率風險客戶進入金融體系”，他直言24%是紅線，并強調36%利率區域客戶違約率高達60%以上，是系統性風險源頭。

對于利率“紅線”的考量，銀行從業者也表達了認同。上述城商行風險管理部門負責人表示，過高的利率本質上是對客戶的反噬。

在展業過程中，利率水平24%以及36%區域的客戶則存在一些共性，有銀行人士介紹，從產品本質來看，這兩個利率水平下的貸款多為短期、小額的消費貸，資金使用周期通常較短，比如幾周到幾個月。對于急需用錢的借款人來說，他們對利息并不敏感，實際利息差額不大。

“所以這類客戶本質上是一個特定群體。過去36%是司法保護上限，24%則是法院支持利息償還的分界線，更多是一個法律執行層面的概念，并非金融風控的天然邊界。但現在監管政策明顯在向法律口徑靠攏，傾向于將24%作為合規紅線。這背后除了金融風險防控，更多可能是出于防止過度借貸引發大規模違約問題，”上述人士說道。

北京尋真律師事務所律師王德悅指出，年化24%與36%的利率水平對應的是對資金可得性高度敏感、對利息不敏感的特定借款人群體。監管政策制定利率上限管控和白名單制度，銀行可依據信用評分、收入穩定性、消費場景等維度，對客群實施差異化定價；同時，還可引入大數據風控，動態調整利率。例如，為信用良好的客戶提供浮動利率，對于高風險客戶，則通過擔保、保險等方式轉移風險。

壓降非理性高利定價后，也有銀行人士擔憂，一些原本處于“弱平衡”狀態的高風險客戶，過去依賴助貸平臺維持資金周轉，如今該渠道收縮，可能導致其信用鏈條斷裂，進而傳導至銀行端，間接影響銀行的不良率和資產質量。“目前尚未看到大規模爆發，但也需要引起關注。”上述城商行風險管理部門負責人稱。

“針對資產質量波動與客群流失的短期挑戰，銀行可從存量風險化解與增量客群培育兩方面采取緩釋措施，”薛洪言強調，對于存量客戶，重點排查高風險用戶，通過債務重組等合規方式平滑信用風險；同時利用平臺實時數據監控，對還款能力下降的客戶及時干預。在客群維系上，加強客戶教育，引導其轉向合規渠道，并推出低息過渡性產品實現客群平穩遷移。更重要的是加快自建數字化風控體系，提升風險識別精度；同時探索社會資本擔保等創新模式，彌補傳統風控不足，從源頭構建更具韌性的客群結構。

轉向“薄利多銷+服務增值”

隨著“助貸新規”收緊利率上限并強化合作方管理，原有的粗放式增長路徑被打破，對沒有網點、缺乏品牌影響力的中小銀行，在這場變革中將面臨更大壓力。

在這樣的背景下，不同規模銀行的應對能力呈現出分化。對大型銀行來說，通過第三方平臺的助貸渠道，占比并不高，重點還是放在自營貸款業務上。上述股份制銀行業務部門人士認為，互聯網平臺的優勢就在于“短平快”，比如按天計息、審批迅速，適合臨時周轉。但若涉及幾年期的中長期貸款，無論從成本還是穩定性來看，傳統銀行渠道依然更具優勢。

然而，對于缺乏自有流量的民營銀行和區域性中小銀行而言，情況則截然不同。一位民營銀行有關部門人士介紹，“我們的線上客戶基礎有限，如果沒有平臺導流，靠自身積累很難形成規模效應。不過，助貸平臺會優先將優質客戶留給自己的金融子公司或關聯機構。只有次一級的流量才會開放給外部銀行合作，分配機制依據各銀行的合作表現，如響應速度、審批通過率、資金穩定性等動態調整流量質量。這意味著銀行不僅要面對高昂的獲客成本，還要在資質稍差的‘客戶池’中進行篩選”。

“客戶轉化并不是簡單的廣告投放，而是經過曝光、點擊、注冊、申請、審批、放款。每一層都有損耗，最終能成功放款的客戶占比很低。以一個頭部助貸平臺為例，此前獲取一位有效客戶的綜合成本約為1400元，現在大概已漲至2000元左右，”上述民營銀行有關部門人士稱。

在素喜智研高級研究員蘇筱芮看來，“助貸新規”后，一些互聯網貸款競爭能力較為薄弱的中小銀行機構可能會受到較大影響。中小銀行機構在風控能力、流量獲客、運營手段等多方面難以與熟悉互聯網渠道與客群的平臺機構匹敵，因此在助貸新規前對平臺形成高度依賴；而新規對持牌機構的自營競爭能力提出更高要求，倒逼其從源頭重視與強化自主能力建設。

在調研過程中，多位銀行人士認為，最終決定銀行能否突圍的關鍵，在于風控策略的精細化與差異化水平。真正具備競爭力的銀行，已經建立起基于用戶行為數據的“千人千面”定價模型，通過對客戶精準打標簽，實現授信額度與利率的個性化匹配；此外，還配備強大的貸后管理能力，包括智能催收、自動劃扣等高效手段，從而挖掘出可持續的盈利模式。有銀行人士透露，針對同一平臺的不同產品線，內部已構建多套評分卡模型，并實行差異化的準入標準。“我們根據客群資質、歷史表現和風險等級，制定不同的定額、定價與限額管理策略。”

正如薛洪言所言，銀行需通過“風險定價精細化+服務模式創新”平衡合規與盈利。一方面，銀行依托頭部平臺的大數據實現客群分層，對信用良好的優質客戶提供適度優惠利率，對風險適中的客戶通過靈活的貸款期限結構提高資金使用效率，對征信記錄不足的客群則運用替代性數據動態調整利率，在合規前提下實現風險覆蓋。另一方面，盈利模式從“高息覆蓋高風險”轉向“薄利多銷+服務增值”，通過聯合開發場景化信貸產品提升客戶黏性，探索成長型信貸產品培養優質客戶，并借助政府風險補償基金等共擔機制降低特定客群信貸門檻，拓寬合規框架下的盈利空間。