泽斯塔紧紧围绕用户的痛点——信用记录不佳或者没有信用记录的客户群体大量存在，他们的融资需求没有办法被传统金融满足。在美国，传统FICO（风险管理信用技术的先驱者，对结构化大数据进行处理）信用积分指标包含了15-20个变量，是一个线性的模型，但这样做的问题在于标准过于单一，不能对申请人做出全面评估。

　　泽斯塔开发了10个基于学习机器的分析模型，对每位信贷申请人的超过1万条原始信息数据进行分析，并得出超过7万个可对其行为做出测量的指标，在5秒钟内就能全部完成，更精准地评估消费者信用风险。

　　泽斯塔依赖结构化的数据，也导入了大量的非结构化的数据。比如说申请人的IP地址，家庭地址和工作地址。比如说你的电子邮件是用的什么样的用户名，因为在这个用户名里边是可以反映出这个申请人的行为或者是社会特征。更极端的，他甚至在填申请表的时候他会跟踪你填申请表的大小写习惯。当它对传统的信用评估体系有了一个颠覆性的改变之后，带来了很大的空间，不仅把批准贷款的效率提高将近90%，还把贷款人的违约率降低将近50%。  叶薇