Hvorfor algo-routing slår vandfald — målt i basispunkter
De fleste lead-netværk pinger långivere top-down indtil nogen siger ja. Den model var aldrig optimal — og på skala efterlader den reelle penge på bordet.
Standard-arkitekturen for et lead-netværk er det vi kalder et vandfald: en prioriteret liste af købere, sorteret efter CPL eller kontraktdato, der pinges i rækkefølge. Toppen af vandfaldet ser hvert lead først. Hvis de afviser, falder leadet til næste køber.
Det fungerede dengang netværk havde tre købere. Med hundrede långivere fordelt på syv lande er det en strukturel underperformer.
Den matematik vandfaldet skjuler
Tag et syntetisk eksempel. Du har en ansøger: 35 år, der efterspørger DKK 200k til gældskonsolidering, kreditsignaler i øverste kvartil, ansøger kl. 14:00 en tirsdag i Aarhus.
Et vandfald sender denne til Långiver A først, fordi Långiver A betaler højeste CPL. Men Långiver A's reelle finansieringsrate for denne profil er 22%. Långiver B, to pladser længere nede, finansierer profilen med 51% — men ser kun leadet, hvis A og køberen mellem dem begge afviser.
Tre ting går galt:
- Lavere finansieringsrate for netværket — ansøgeren har dobbelt så stor risiko for at gå derfra uden lån.
- Lavere indtjening for mægleren — de får kun betalt for finansierede lån (eller solgte leads, afhængigt af kontrakt), og vandfalds-stien producerer færre af begge.
- En værre oplevelse for Långiver A — de spilder underwriting-kapacitet på leads de ikke finansierer, hvilket får deres unit-økonomi til at se skidt ud.
Hvad vi gør i stedet
Vi modellerer hver långivers finansieringssandsynlighed for den specifikke ansøger, ikke for segmentet. Featurene ser nogenlunde sådan ud:
- Risiko-bånd-fit (deres seneste 90 dages accept/reject-signal)
- Beløbs-fit (deres finansieringsfordeling efter beløb)
- Tidspunkt-fit (nogle långivere behandler ansøgninger hurtigere på hverdagsmorgener — det påvirker finansieringsraten)
- Geografisk fit (regionale produktpræferencer)
- Kapacitet (har de ramt et dagligt volumen-loft?)
Sandsynlighedsmodellen genoplæres hver time. Ansøgeren går til den långiver med højeste forventede finansieringssandsynlighed — ikke højeste CPL.
Hvad det betyder for alle parter
For mæglere: højere EPL. Vi måler meningsfuldt løft på tværs af vores mæglerbog versus det vandfald, de var på før.
For långivere: bedre tilpasset trafik. De underwriter leads, der matcher deres faktiske bog, og deres accept-rate stiger.
For ansøgere: en långiver der reelt kan finansiere dem. Den enkeltstående højest-impact UX-forbedring i vores netværk var skiftet til algo-routing — ansøgere går oftere derfra med det lån, de kom efter.
Vandfaldet fungerede, da netværk var små og usofistikerede. Det er de ikke længere. Routing-intelligens er blevet table stakes.