Переход кредитования МСБ в «цифру» снижает операционные расходы на одну заявку с 5 000–12 000 рублей до 300–800 рублей, но переносит основной риск на точность скоринговых моделей. Экономика продукта теперь строится не на марже одного кредита, а на LTV клиента в экосистеме банка.
Структура CAC и стоимость привлечения заемщика
В цифровых кредитах стоимость привлечения (CAC) делится на прямой маркетинг и стоимость доведения до выдачи. Средний CAC для сегмента микробизнеса в РФ варьируется от 2 000 до 7 000 рублей при условии использования автоматизированного воронки. Основная потеря прибыли происходит на этапе Drop-off Rate: если форма подачи заявки содержит более 10 полей ручного ввода, конверсия падает на 15–20% на каждом шаге.
Пример: Банк А внедрил омниканальный интерфейс, сократив время подачи заявки с 20 до 4 минут. Это снизило стоимость лида на 12%, но увеличило объем «мусорных» заявок на 5%. Экспертный вывод: оптимизировать нужно не количество полей, а качество входящего фильтра, иначе рост CAC произойдет за счет нагрузки на риск-офис.
Операционная эффективность и стоимость верификации
Ключевой рычаг маржинальности — автоматизация сбора данных. Ручная проверка документов менеджером стоит банку от 1 500 до 3 000 рублей за кейс. Использование API государственных реестров (ФНС, ЕГРЮЛ) снижает эту стоимость до 100–200 рублей. Однако точность верификации юридического лица напрямую влияет на уровень NPL (просрочки) в будущем.
Кейс: Переход с ручного анализа выписок по счету на автоматический парсинг данных сократил Time-to-Money с 3 рабочих дней до 15 минут. Это позволило банку увеличить объем выдач в 4 раза при том же штате бэк-офиса. Мой вывод: инвестиции в инфраструктуру сбора данных окупаются за 4–6 месяцев за счет масштабирования объема портфеля без найма новых сотрудников.
Юнит-экономика и расчет LTV кредитного продукта
Чистая прибыль с одного цифрового кредита рассчитывается как (Процентный доход + Комиссии) - (Стоимость фондирования + Риск потерь + CAC + OPEX). Для кредитов с лимитом до 5 млн рублей средняя чистая маржа составляет 3–7% годовых. Однако LTV (Lifetime Value) растет, когда кредит становится «входным продуктом» для продажи РКО, эквайринга и гарантий.
Сравнение: Кредит как разовый продукт дает прибыль 15 000 руб./год. Кредит как инструмент удержания (с последующим переходом на РКО) увеличивает LTV до 45 000–60 000 руб./год за счет комиссионного дохода. Экспертный вывод: оценивать цифровой кредит нужно не как отдельный P&L;, а как инструмент захвата клиента с отрицательной или нулевой маржой на старте.
Риски и стоимость ошибки в автоскоринге
В цифровых продуктах стоимость ошибки скоринга (False Positive) в 5–10 раз выше, чем стоимость упущенной выгоды от отказа хорошему клиенту (False Negative). При уровне дефолтности (NPL 90+) свыше 5–7% в цифровом портфеле, экономика продукта становится отрицательной, так как операционная экономия не перекрывает убытки от списаний.
Практика показывает, что динамическое управление лимитами позволяет снизить риск потерь на 1.2–2% годовых за счет оперативного сокращения плеча при ухудшении показателей оборотов по счету. Мой вывод: жесткий автоматический лимит — это единственный способ сохранить рентабельность при массовых выдачах, где человеческий контроль невозможен физически.
Вывод
Цифровой кредит для бизнеса успешен только при стоимости верификации ниже 500 рублей и интеграции в общую экосистему продуктов банка. Чтобы избежать убытков, начинать нужно с автоматизации сбора данных из реестров и внедрения динамических лимитов, а не с агрессивного маркетинга. Избегайте ручного андеррайтинга в сегменте до 10 млн рублей — он убивает всю экономику продукта за счет высокого OPEX.