GCI講座で優秀生に選んで頂いたので、スライドをシェアしたいと思います！興味があれば見ていただけると嬉しいです。

1. 資産が少なくても始められる
住宅ローンサービス

2. ⽬次
• 課題
• サービス概要
• 収益性
• 市場規模
• サービス価格

3. 課題
• ⾦融業界は投資のための資⾦確保が難しく、新規参⼊が難しい
• ⼈⼝が減少傾向
• 住宅ローン利⽤者数も減少傾向
出典：国⼟交通省「平成30年度 ⺠間住宅ローンの実態に関する調査結果報告書」

4. 課題
売上
顧客数
⼀⼈当たり売上
ローン使⽤率
選択率
⼈⼝ 減少傾向
減少傾向
⾦利
返済年数
貸出額
⼤⼿⾦融機関が⼤半を確保
ここからアプローチ

5. サービス概要
コンセプト
売上 ＝ 顧客数 × ⼀⼈当たり売上 ー デフォルト損失
顧客数： 優良顧客に対象を絞る
⼀⼈当たり売上： デフォルトの削減により⼤幅な増加
デフォルト損失： 機械学習による審査で損失を削減
機械学習を利⽤した審査により、少ない投資額からより多くのリターンを得る

6. サービス概要
展望
満⾜度の向上が⻑期的⽬線で重要
業界シェアの向上によるパイの拡⼤
少数優良顧客の獲得
1.少数優良顧客の獲得
2.顧客満⾜度の上昇
3.他企業からの顧客流⼊
4.業界シェアの向上

7. サービス概要
顧客満⾜度
2.5⼈に1⼈が住宅ローン選びで後悔
⾦利に関する後悔が多く、
低⾦利は顧客満⾜度向上の鍵
売上の⼀部を低⾦利という形で顧客に還元
（株式会社MFS アンケート結果より）

8. サービス概要
顧客還元
売上の⼀部を⾦利削減に回し、
顧客の満⾜度を向上させる
顧客還元分
借⼊額
利益分
現状 改善後

9. サービス概要
機械学習が何をしているか
債務不履⾏の⼈(target=1)とそうでない⼈(target=0)の間で属性分布が違うことから、
債務不履⾏になる⼈の特徴を学習し、顧客のデフォルト確率を推定
返済年数 年齢

10. サービス概要
機械学習が何をしているか
顧客データから債務不履⾏になる確率を予測
⼀定確率(境界)以上のものを債務不履⾏と推定する
→境界をいかに決めるかが鍵
確率0.3の境界
債務不履⾏(1)
債務履⾏可能(0)
例えば左図の場合…

11. サービス概要
真陽性率(TPR)
偽陽性率(FPR)
実際に債務不履⾏になる⼈を債務不履⾏
だと予測できた割合
実際には履⾏可能な⼈を誤って債務不履⾏だ
と予測してしまった割合
境界の決め⽅
トレードオフ
TPRが⾼いほどデフォルトによる損失が減るが、FRPも同時に⾼くなって機会損失が発⽣してしまう

12. サービス概要
境界の決め⽅
TP…実際・予測共に債務不履⾏で、融資しない
FN…融資するものの、債務不履⾏になる
TN…実際・予測共に履⾏可能で、融資する
FP…実際には履⾏可能にも関わらず融資しない
ため、機会損失となる
収益 = TNの返済額 ‒ TNの借⼊額 ‒ FNの返済額
実際
予測
PositiveNegative
PositiveNegative
TN
TP
FP
FN
ここの境界を動かすことで、TPR・FPRを調整する
TPR
FPR

13. 収益性
⼀⼈当たり収益 ＝ (マージン ー デフォルト損失) ÷ 顧客数
＝ {(1年あたり返済額×返済年数ー住宅料)
ー デフォルト損失} ÷ 顧客数
現状： (170.02億 ‒ 138.41億) ÷ 30.7万⼈ = 10,288 (⼀⼈当たりドル)
当サービスを利⽤すると
収益最⼤となるようにTPR、FPRを調整した結果
改善後： (31.33億 ‒ 14.88億) ÷ 5.7万⼈ = 28,738 (⼀⼈当たりドル)
約1/6の投資で、顧客⼀⼈当たりから３倍もの収益増が⾒込める

14. 市場規模
競合⼤⼿約20社と同程度の顧客のうち、約1/6の優良顧客層を獲得と仮定すると
市場規模 ＝ 利⽤者数 × ⼀⼈当たり売上
＝ 住宅ローン利⽤者数 × 選択率 × ⼀⼈当たり売上
＝ 77万⼈(※) × 1/20 × 1/6 × 28738ドル
≒ 184億円
顧客還元分を1/3とすると、
184億円 × 2/3 ≒ 122億円
※参照：国⼟交通省「平成30年度 ⺠間住宅ローンの実態に関する調査結果報告書」

15. 参考⽂献
• 国⼟交通省「平成30年度 ⺠間住宅ローンの実態に関する調査結果報告書」
https://www.mlit.go.jp/common/001280466.pdf
• MFS 「 2.5⼈に1⼈は住宅ローン選びで後悔している！ 「住宅ローン選びの後悔」に関す
るアンケート調査結果を発表」
https://www.mortgagefss.jp/pressrelease/889/