嗨喽，各位番茄风控的各位童鞋大家好，今天是国庆的第一天班，大家是已在工作岗位抑或还是正在路上或者还在休假。第一天班，番茄风控恢复以往的发文节奏，工作日每日一文跟大家见面。
这个国庆节，我们也没有闲着。这不在节日前三天假期，陈老师等几位老师给星球同学进行了专属的面试辅导。
另外在刚刚结束的国庆假期中，番茄风控两天的数据分析训练营中也完美结束。后续就课程中的相关问题仍会给大家解答。
今天，我们的文章给大家分享下数据分析训练营中涉及的新老客的资产盈利的内容。
在信贷产品中进行资产的数据测算产品中，除了产品的维度还有另一个从用户的维度进行分析，而在具体的数据分析汇总，就会涉及新客跟老客的估算问题。
一.分析的逻辑：
在贷款产品中需要区分新客跟老客，主要是有几个方面原因：
1.客群差异
新客跟老客，资产表现差异大；不管是坏账率还是通过率都是有很大差别，所以在做具体的数据测试必须分开；
2.期数等情况不同
因为客群差异，所以产品各项情况不同，新客跟老客他们在贷款中所能申请的产品肯定也有差异，所以在做新老客的产品的时候为了更好的预估具体的资产情况也会将这波客群分开；
二.计算步骤：
在做盈利计算时候，不管是分析还是预测，其操作步骤如下：
1.分开新客和老客的资产数据；
2.在测算具体的资产数据的时候，需要具体到细化到NPV维度(稍后会解释什么是NPV)；
3.计算得到NPV维度后，再根据历史数据预估出来最终授信的客群的数量N，再跟NPV与N相乘最终得到的盈利数据；
4.结合以上的步骤，综合老客跟新客的数据情况(综合加权)，得到最终的盈利数据；
三.测算难点：
在计算以上资产数据的时候，有几个难点需要注意：
1.当有期数不同的客群时候，比如有A客群申请的产品是14天，B客群申请的产品是7天，如何计算；
2.假设有申请的人数为1000人，那在最终计算盈利数据的时候，能否直接用1000作为直接作为后续的盈利测算；
对于以上难点，我们觉得有以下解决方式可以参考：
1.对于以上第1个问题。在期数不同的时候，我们需要将不同期数的产品转化为同单位(期数)产品，然后再加总综合计算。通常我们会以月为单元来进行转化。以14天的产品为例，如果转为1个月的产品其最多的可以走为30/14=2.14次，而对于7天产品其最多的可以走为30/14=4.28次(当然对于普遍国内产品，这种超期产品已经不多，本次只是举例)。如果知道了产品间有这样的转化关系，那在新客的复购跟老客的复购上就可以灵活使用。
比如对于新客，如果其复购了，就需要在1个月内抛去第一次的产品，看还剩下这个月内剩下的次数；对于老客也是一样。这样解释可能有些抽象，稍后在案例解析中，会稍微展开。
2.对于以上第2个问题。在申请人数为1000人的时候，我们按照新老客的数据情况，需要分成新老客的数据。然后1000基数并不能直接使用，因为从申请到转化，这中间还有申请率跟通过率这两个数据。所以在具体的计算中，需要将1000申请率通过率.
四.实操案例：
以上理论部分说得有些抽象，以下我们举例给大家说明相关的实操，帮助大家理解。
这里需要介绍一个重要概念，即NPV。资产盈利中会涉及到一个重要的概念即NPV，NPV=net person value。他是细化到最小单位的维度，衡量一个单位(用户)，放款是亏损还是盈利。只要得到NPV，便可跟最终授信人数相乘，得到资产的最终盈利数据。
以某短期产品的现金贷为例：
①NPV计算
在具体的计算中NPV=总收入-总成本
且总收入=催费收入+总服务费收入+总利息收入
总成本=坏账+获客成本+支付成本+短信成本+运营成本+客服线路成本
以上得到的是NPV，可见NPV稍为容易计算
②最终授信人群
较为复杂的是最终授信人群计算，如第三天提到的测算数据中。最终授信人群，因为涉及申请率跟通过以及期数问题所以显得稍微复杂。
在申请率与通过率上，我们预估各自的产品的申请率为a%、b%，于是得到：正常客群*a%b%；且在这里会分为为新客留存率与老客留存率：
在后续的期数上，我们引入了复购概念，即新客的复购与老客的复购。可以理解为每一期的最终流转下来的客群都是，当期的复购客群跟历史复购客群的叠加。所以在折算为以上的复购产品时，会按照：
复购率=(1-期数/30)(新客/老客留存率)
最终按照复购率公式，得到复购率报表：
综合以上①和②的内容，根据NPV*最终授信人数N，就得到盈利预估的内容。最终得到的内容中，可以从盈利预估公式中分析出哪个月份是亏损，哪些月份可以实现盈利：
以上关于盈利计算内容，参与至本次番茄风控第一期数据分析训练营。
当然在国庆节后的后续课程内容中，番茄风控也继续给大家安排更多精彩的干货内容，敬请期待。
七大领域，41个实操案例，覆盖56个知识点：
~原创文章
…
end