위치 기반 대출 비교 도구 구축: 핀테크 현장의 교훈

Source: Dev.to

문제

대부분의 대출 비교 사이트는 미국을 하나의 큰 시장으로 간주하지만, 대출은 초지역적입니다. 금리, 대출기관 가용성, 규제는 주와 도시에 따라 크게 다릅니다.

• “bad credit loans Atlanta”(신용 불량 대출 애틀랜타)를 검색하는 사람은 시골 몬태나에 있는 사람과 완전히 다른 옵션을 가집니다.
• 조지아 주는 특정 급여일 대출법을 가지고 있습니다.
• 지역 신용조합은 특정 우편번호를 대상으로 서비스를 제공합니다.
• 온라인 대출기관은 주별 라이선스를 보유하고 있습니다.

위치를 무시하면 사용자가 실제로 이용할 수 없는 옵션을 보여주게 됩니다.

기술 스택

MVP에서는 간단하게 유지했습니다:

// Basic structure
const userProfile = {
  creditScore: 620,
  location: {
    city: 'Atlanta',
    state: 'GA',
    zip: '30301'
  },
  loanAmount: 5000,
  purpose: 'debt_consolidation'
};

매칭 알고리즘은 세 가지 요소에 가중치를 둡니다:

1. 대출기관 가용성 – 이 대출기관이 사용자의 주에서 운영되는가?
2. 신용 요건 – 사용자가 최소 기준을 충족하는가?
3. 대출 조건 – APR 범위, 금액, 상환 기간

데이터베이스 설계

lenders 테이블은 금방 복잡해졌습니다:

CREATE TABLE lenders (
  id SERIAL PRIMARY KEY,
  name VARCHAR(255),
  min_credit_score INT,
  max_credit_score INT,
  states_available TEXT[], -- Array of state codes
  min_loan_amount DECIMAL,
  max_loan_amount DECIMAL,
  apr_min DECIMAL,
  apr_max DECIMAL
);

states_available 배열이 핵심이었습니다. 일부 대출기관은 50개 주 모두에서 운영하고, 다른 일부는 12개 주만, 그리고 몇몇은 단일 주에서만 운영합니다.

매칭 쿼리

SELECT * FROM lenders
WHERE $1 = ANY(states_available)
  AND min_credit_score = $3
ORDER BY apr_min ASC;

간단하지만 효과적입니다. 사용자는 실제로 자격이 되는 항목만 보게 됩니다.

배운 교훈

• 규정 준수가 전부입니다. 각 주마다 다른 공개 요구사항이 있으며, 캘리포니아만 해도 다양한 대출 유형을 감독하는 여러 규제 기관이 있습니다.
• 데이터 신선도가 중요합니다. 대출기관 조건은 매주 변경됩니다. 파트너 페이지를 모니터링하는 스크래퍼를 만들었지만, 수동 검증이 자동화가 놓치는 부분을 여전히 잡아냅니다.
• 모바일 우선은 선택 사항이 아닙니다. 트래픽의 73 %가 모바일에서 발생합니다. 사람들은 점심 시간에 대출을 검색하며, 데스크톱 컴퓨터에서가 아니라 휴대폰으로 검색합니다.
• 신뢰 신호가 전환을 이끕니다. 실제 사용자 리뷰와 BBB 등급을 추가하면 클릭률이 40 % 증가했습니다.

다음 단계

현재 탐색 중인 항목:

• 승인 가능성을 예측하는 ML 모델
• 실시간 금리 API 통합
• 유사 사용자 프로필 기반 맞춤 추천

핀테크 분야는 빠르게 변하지만 기본 원칙은 변하지 않습니다: 사용자가 실제로 필요하고 실제로 있는 곳에서 찾을 수 있도록 돕는 것입니다.