伴随着互联网金融的快速发展,互联网金融产品孕育而生,其主要产品包含线上的理财、保险和贷款等。但由于国内个人征信体系不健全、个人征信报告结果不全面以及个人征信行业正面临的种种机遇和挑战,局面错综复杂导致我国网贷产品的有效客户识别程度达不到能快速且准确的选择出高意愿、低风险、好信用的有效用户。同时,由于国内宏观经济发展、消费者观念的转变和消费信用贷款的便利、贷款产品的模式转变等一系列因素的影响,我国的消费信用贷款业务发展较快,消费信用贷款已逐步成为人们目前的主要生活与消费习惯,我国的消费信贷发展空间巨大。随着互联网消费金融贷款产品的迅猛发展,客户违约和违约后的不良后果时有发生,只有对目标客群进行准确的识别定位,对产品有很精准的认知,对客户的信用情况和对产品所需要承担的偿还风险进行一定程度的量化分析,才能加强个人消费信用贷款的风险管理,降低信用贷款的风险,这对贷款公司资金的安全性和整体的盈利能力有着十分重要的意义,因此,论文研究具有实际意义。本文首先对于我国征信市场的研究现状和现存问题进行了梳理,其次,对个人征信行业的发展现状和现存挑战进行有条理性的总结。随后,对互联网金融贷款产品的有效客户识别的研究模型和应用进行了分析探究;对国内外信用评分的案例进行比较分析和国内两款信贷产品的有效客户识别过程进行详细分析;再者,选取A集团下的一家互联网金融公司的一款纯线上贷款产品为研究对象,对其目标客群有效识别的信用模型进行了研究,主要包括建模前的数据准备、数据清洗、数据预处理、样本选择等步骤,模型应用过程中的逻辑回归模型的应用和数据包络分析模型的应用,并利用模型准确率、混合矩阵、用户评分高低命中率以及Kolmogorov-Smirnov测试进行检验,验证了模型的效果。模型的开发与研究结果表明,采用先进的大数据技术对互联网金融贷款产品用户的海量多维数据进行搜集、清洗及处理,利用数据包络分析(DEA)对数据进行一些指标预处理,在传统逻辑回归模型中增加DEA效率值,能够提高模型准确率,互联网贷款产品的客户的短信回应率得到了显著的提高,使得此款互联网贷款产品的潜在客户得到有效识别,能够降低互联网贷款产品的坏账风险,为公司进行精准营销与增加收入提供支撑。