廣告系統學習和小貸人群特征的沖突問題

先前我對廣告系統的理解，其實是會傾向于是系統會盡可能優先曝光最可能產生轉化的人（這里最可能產生轉化的通常是之前轉化過多次的人）。

這個理解其實問題不大，這個邏輯在游戲行業或者其他產品上都沒問題，歷史產生了更多次游戲付費的人，在系統中肯定會尋找出共同特征，之后再次出現有廣告需要投付費目標的時候，優先曝光這個特征的人（實際上就接近于是前面游戲付費次數多的人）。

我理解小貸其實也會有同樣的邏輯，在我們投放新的小貸時候，優先曝光的一定會有前面其他小貸產生轉化過的人，但是小貸和游戲不同，游戲付費多的人是好用戶，但是小貸借貸多的可不一定是好用戶，反而是最差的用戶，共貸太多還款能力反而不行，或者可能直接是擼貸的人。

如果風控沒能攔住這些人，最后貸后數據估計就會比較難看。

按照廣告系統的學習邏輯，如果風控給力，在前期就能把這些共貸多的攔住，最終轉化的人群可能就會慢慢降低這類人群曝光，最后進到一個良性循環中。

小貸投放的渠道中，Facebook和Google其實在流量上的差異導致這個現象會更明顯一些，Facebook本身的流量池子沒有Google的大（尤其是Google有GP的搜索和相似推薦），還有Facebook一直是用戶精準標簽，學習上更容易學到共貸（多次借貸）的人。經常能看到一些風控相對弱一點的產品，在中后期+成熟市場上Facebook的數據和Google相比差了非常多。

想解決這個問題似乎還挺難，風控要能區分出來哪些用戶是多次借貸，并且沒有還款能力，并且回傳給到廣告系統，而Facebook也要能有明確的特征分辨出來多次借貸還有還款能力，以及無還款能力的人，似乎不太可能？

從目前多家客戶的數據看，成熟市場Facebook的占比確實越來越低，哪怕風控能力強的團隊也無法解決，但是還好能確保量少但是至少還款沒崩盤，有的客戶實際上跑FB的貸后數據基本都比較糟糕。

目前能想到的解決辦法：

1，不跑放款之類，反而轉向去跑靠前的行為，直接掃到一個更大的人群圈子（避免讓系統直接跑到共貸人群里面出不來）。

2，風控可能反而去找“新用戶”，限定共貸減少通過，或者判斷共貸次數等。

3，素材，盡可能避開這些共貸人群，找找“老實人”，盡可能去找一些能吸引到“新”的用戶人群的素材。

這里也許做風控的人，能想到一些其他解決辦法？

出海流量玄學研究中心，不定期分享信息流廣告優化師投放技巧，主要內容為海外facebook，google，TikTok ads廣告投放技巧分享，歡迎大家關注，分享內容，也歡迎大家分享更多關于游戲出海，跨境電商廣告投放技巧。

請加知識星球一起討論投放技巧，如有疑問可在星球向我提問

長按圖片加知識星球