借贷类 App 的广告投放与风控不能各看一张报表。投放决定进入申请流程的人群，风控决定谁获得授信或放款，二者共同影响获客成本、逾期和回收。本文根据小魏 2023 年的《风控和投放的“量子纠缠”》重写，把原文经验整理为可讨论的协作框架；具体策略必须结合产品、市场、数据和当地适用要求验证。
为什么投放与风控容易相互指责？
投放团队可能看到低安装成本却没有足够放款，风控团队可能看到放款后的逾期升高而收紧审批。若只优化前端安装量，后端风险和收入可能恶化；若只追求低风险、过度缩紧审批，则合格客户也可能无法完成转化。双方需要共享从曝光到回款的完整漏斗，而不是只用一个部门的指标评价另一个部门。
把获客和风险放进同一条漏斗
可按“展示 → 点击 → 安装 → 申请 → 审批 → 放款 → 到期 → 回款”记录同一批用户。每一步都要明确事件定义、时区、归因窗口和数据来源。
- 投放指标：CTR、CPI、申请 CPA、放款 CPA，以及按市场和素材拆分的流量质量。
- 风控指标：申请完成率、审批通过率、放款率、逾期率、到期回收率及不同风险分层的表现。
- 经营指标：扣除获客成本与信用损失后的净收益，以及成熟批次的回收情况。
不应让“通过率越高”或“安装越便宜”单独决定投放规模。应按同一批次比较成本、放款和到期回收，避免新老用户、不同产品和不同市场混在一起。
申请、放款和回款事件怎么选？
原文把业务阶段粗分为：早期用安装获得数据，中期测试申请，风控稳定后再尝试放款或更深层价值事件。这是作者在特定借贷产品上的经验路径，并非通用标准。实际选择应看事件是否与目标相关、每日数量是否足够、回传是否稳定、延迟是否在归因窗口内，以及是否存在审批筛选带来的偏差。
申请事件量通常较多，但离真实价值较远；放款更接近业务结果，却受审批策略强烈影响；回款最接近经营结果，但反馈更慢、样本更少。如何在一组历史数据中比较这些事件，可看站内不同优化事件与用户质量案例。Google App 广告的转化设置基础见Google App 广告指南。
一个可执行的协作与实验流程
- 产品、风控和投放先共同定义“合格申请”“有效放款”“到期回款”等事件，明确隐私、授权和数据使用边界。
- 对每个国家和产品版本设定可接受的风险与获客成本范围；记录审批策略版本，任何规则调整都要标记生效时间。
- 一次只测试一个关键变量，例如优化事件或审批门槛，并保留可比样本；不要同时改预算、素材、事件与规则。
- 按放款批次等待结果成熟，再比较审批、逾期、回款和净收益，并复盘是否由人群变化、策略变化或季节性造成。
- 设定每周共同复盘：投放报告流量结构与素材变化，风控报告通过率和风险分层，产品报告表单和体验问题。
哪些原文经验不宜直接照搬？
原文提出过固定的通过率、逾期率、Google Play 评分范围，以及“老包风险自然更好”等判断，均缺少跨市场验证，不能当作普遍阈值。文中涉及不当催收的表述也不应作为业务做法；借贷产品的广告、数据使用、授信与催收须遵守目标市场适用要求并保护用户权益。
原文还讨论 Web-to-App 归因。若要把网页和 App 行为串联，应先明确用户同意、标识符传递、事件去重与回传范围，再依据AppsFlyer Web-to-App 文档实施和测试，不应直接复用旧文中的接口步骤。
常见问题
投放和风控应该谁主导？
两者共同承担经营结果，各自对可控指标负责。决策应基于同一批次的获客成本、审批、放款和回收数据。
是否应该一直优化最靠后的回款事件？
不一定。回款信号更接近收入，但若事件量不足或延迟太长，投放系统可能难以稳定学习。
调整风控规则后如何判断广告变好还是变差？
标记规则版本和生效时间，按市场与放款批次对照，并避免同时改动多个投放变量。