ZRobot的数据源包括用户授权并脱敏后的电商数据，线上线下交易支付数据以及运营商数据。在汽车金融、现金贷、旅游分期等垂直细分领域，通过联合建模的方式对其信用评分得以迭代及优化。

同时，在数据安全方面，ZRobot通过标准MD5加密方式进行数据对接，保证数据安全传输的同时也不会留存客户的数据。

◆◆◆

美国模型的中国本土化

目前ZRobot有三条业务线：

第一条业务线是信用评估类产品，类似FICO，通过公共信息、资产价值、购物信息、通讯记录、人脉关系等维度对用户进行信用评分。

在信贷用户群体的信用风险判断上，ZRobot的评分模型有更强的排序能力和区分度，能够将高风险人群和优质人群更清晰地区分，便于金融机构在最大程度增加授信范围的同时，保持或降低授信人群的逾期率。

另外信用评估产品还包括反欺诈系统，ZRobot将其“漫网”技术在反欺诈领域做了大量的应用及验证。通过ZRobot的技术，atv，可以最大程度的防止“错杀”优质客户，提高黑名单的使用效率及授信效率。

“业内对黑名单应用的误区是，只要申请人命中黑名单内就拒绝放贷，但其实涉黑的来源、判别标准和深度是不同的，黑名单中其实有一批适合放贷的安全用户。”乔杨说。

此外，在借贷领域的“薅羊毛党”，经常会对互金平台尤其是新推出平台的风险漏洞进行集中性的挖掘并公布，然后在平台风控并不完善的情况下，对平台发起攻击。ZRobot的舆情分析及预警平台能够对全网进行24/7监控，通过网络爬虫、文本挖掘、自然语言处理等方式，在平台风险敞口被攻击之前提前对平台发出预警并提出防控指导建议，帮助平台提前采取防范，避免损失。

第二条业务线是决策引擎。ZRobot的决策引擎及风控系统，能够帮助传统线下金融机构向线上信贷业务转型，同时解决了新开展线上信贷业务平台冷启动的问题，实现无人工干预的线上自动化秒级审批及授信。

第三条业务线包括精准营销及资产评估及定价。这条业务线也是数据应用驱动的，利用数据技术在传统领域做出创新，提高生产力。

ZRobot的精准营销是通过模型试验室的方式实现的，通过设计营销试验，以最小的成本进行市场测试，获得量化反馈。依据试验结果进行建模，利用机器学习等技术挖掘目标客户特征，刻画目标用户，预估营销转化率。

比如，通常为了扩大新增用户，互金平台经常会通过一定激励手段比如赠品的方式激励潜在用户下载并注册APP。但有一类用户往往在下载注册完成后就成了“僵尸”用户，下载注册只是为了拿赠品。同时另一类真正有需求的用户即使没有赠品激励也会使用产品，atv直播，而对互金平台来说，最重要的是刺激出产品需求的群体，找到投入营销费用后才能转化成真正用户的潜在用户。换句话说，就是把钱用在刀刃上。

ZRobot的精准营销体系可以帮助有营销需求的企业对目标群体进行优先排序，通过模型精准预测用户的转化效果，锁定最有可能转化的真实用户，大幅提高营销效率，以最小的投入达到最好的效果。

除了精准营销之外，ZRobot还提供ABS（资产证券化）资产评估及定价服务。目前很多优质资产没有办法在证券化市场得到认可，因为缺少长期稳定的资产表现，现金流预测及定价很难做，ZRobot的技术填补了这一空白。

在乔杨看来，京东金融在多场景积累的实战经验和经过充分优化后的ZestFinance的模型技术是ZRobot最核心的壁垒，并且核心技术团队拥有丰富的业务经验和深厚的数据解读能力。

“同样的数据，不同的团队做出来的模型效果差异会很大，这和建模人员的业务理解力及经验有很大关系，但这也是很多创业公司容易忽视的地方。”

在获客方面，ZRobot主要是通过在每个垂直领域中和一家大型平台合作，打造成功案例，在以此迭代更多客户。目前ZRobot触达的B端客户已经超过200家，合作金融机构及平台涉及多个领域。目前ZRobot团队有30人左右，在北京、上海两地办公，总部在北京。