受到“爆雷潮”的影響，網絡借貸行業(yè)在2018年3季度整體陷入低迷，行業(yè)總體成交額出現(xiàn)明顯下滑。
根據(jù)易觀監(jiān)測數(shù)據(jù)顯示，2018年第3季度，中國P2P網絡借貸市場交易規(guī)模為4030億元人民幣，環(huán)比下滑23.8%，同比下滑43.56%。
2018年6月，受到監(jiān)管趨嚴、企業(yè)經營壓力增大，還款能力下降等一系列因素的影響，P2P網絡借貸行業(yè)開始頻繁出現(xiàn)平臺清盤，停止運營甚至跑路的情況，其中不乏唐小僧、牛板金等知名平臺。
問題平臺數(shù)量的突然增多進一步引發(fā)了投資者的恐慌，行業(yè)內開始大量出現(xiàn)投資人在平臺集中兌付的連鎖反應。諸多抗風險能力較差或者劣質的中小平臺無法承受該次風險的沖擊，紛紛選擇清盤、退出、甚至跑路。從而引發(fā)了6月到8月長達三個月的 “爆雷潮”,該情況直到9月才有所緩和。
根據(jù)易觀不完全監(jiān)測顯示，2018年6月，P2P網絡借貸行業(yè)出現(xiàn)問題平臺超過70家；7月，問題平臺數(shù)量超過150家；8月，問題平臺數(shù)量超過60家。
“爆雷潮”期間，整個行業(yè)正常運營平臺數(shù)量銳減、投資人信心大幅受挫、相關監(jiān)管機構為了緩和負面沖擊也連續(xù)出臺了一系列的相關政策，網絡借貸平臺的經營規(guī)模和范圍受到進一步限制，而9月份開始的全國范圍的P2P合規(guī)檢查也極大程度上分散了各個P2P平臺的精力。市場參與者、用戶和外部監(jiān)管機構三方共同造成了網絡借貸行業(yè)3季度成交量的大幅下滑。易觀預計，受到三方共同作用的影響，整個網絡借貸行業(yè)的成交額將很難在2018年接下來的幾個月回到“爆雷潮”之前的水平。
用戶投資信心的下降也直觀地反映在數(shù)據(jù)上。根據(jù)易觀監(jiān)測數(shù)據(jù)顯示，“爆雷潮”期間，網絡借貸行業(yè)的用戶活躍規(guī)模持續(xù)下降，8月更是只有3105萬人，創(chuàng)造了2018年的最低值，到9月才開始出現(xiàn)回暖。
從市場主體的表現(xiàn)看，2018年3季度，陸金服以391億元的成交額繼續(xù)穩(wěn)居行業(yè)第一，微貸網則憑借9月份的良好表現(xiàn)以308.4億元的成交額排名第二，玖富普惠以288.1億元的成交額排名第三。
在絕對規(guī)模上，受到“爆雷潮”的持續(xù)影響，TOP10頭部平臺的成交量進一步下滑，下滑比例相較第2季度達到了9.9%；從市場占有率角度看，大量中小平臺退出，投資人對中小平臺的信心下降，行業(yè)總體成交額下滑嚴重等因素使得2018年3季度 TOP10平臺的市場占有率大幅提升，達到45.6%，相較2018年2季度市場占有率上升了15.5%。這也從側面反映了大平臺在遇到行業(yè)突發(fā)事件時更加出色的抗風險能力。
具體到不同平臺，雖然TOP10平臺3季度總體成交量下滑嚴重，但是陸金服、微貸網和小贏網金在3季度均實現(xiàn)了成交額超過10%的大幅環(huán)比上升，微貸網的成交量增長幅度更是高達95.42%。
在2018年7月，微貸網正式成立七周年，微貸網在第3季度也通過周年慶、高管直播等系列活動最大程度的保持用戶的粘性。在9月，微貸網更是充分抓住了中秋國慶“雙節(jié)”期間居民消費需求大增的時間節(jié)點進行大力推廣，單月實現(xiàn)了215億元的成交額；小贏網金同樣在3季度針對公司周年慶，母公司（小贏科技）上市等重大事件推出了大規(guī)模的營銷推廣活動，在9月也有針對性的推出了NBA球星面對面，NBA中國賽門票免費搶等活動，使得自己3季度的成交量穩(wěn)定上升；陸金服則憑借自己在資源、口碑、行業(yè)知名度等方面的巨大優(yōu)勢，加上在3季度針對世界杯、熱門電影和重大節(jié)日進行的一系列營銷推廣活動，繼續(xù)保持自己行業(yè)成交量第一的位置
未來，隨著合規(guī)檢查的進一步深入，整個網絡借貸行業(yè)的合規(guī)程度將會被進一步提高，達不到合規(guī)檢查標準的平臺將會逐漸退出，P2P網絡借貸市場的正常運營平臺數(shù)量將進一步的減少。另一方面，在增量市場發(fā)展空間有限的背景下，各個平臺也將越來越重視對已有用戶價值的深度挖掘。
易觀千帆“A3”算法升級說明：易觀千帆“A3”算法引入了機器學習的方法，使易觀千帆的數(shù)據(jù)更加準確地還原用戶的真實行為、更加客觀地評價產品的價值。整個算法的升級涉及到數(shù)據(jù)采集、清洗、計算的全過程：
1、采集端：升級SDK以適應安卓7.0以上操作系統(tǒng)的開放API；通過機器學習算法，升級“非用戶主觀行為”的過濾算法，在更準確識別的 同時，避免“誤殺”
2、數(shù)據(jù)處理端：通過機器學習算法，實現(xiàn)用戶碎片行為的補全算法、升級設備唯一性識別算法、增加異常設備行為過濾算法等
3、算法模型：引入外部數(shù)據(jù)源結合易觀自有數(shù)據(jù)形成混合數(shù)據(jù)源，訓練AI算法機器人，部分指標的算法也進行了調整。
欲了解網絡借貸更多內容，請關注易觀官方微信或致電客服4006-515-715。