Rent Butter 获 300 万美元增长资本：当 4900 万美国租房家庭被传统信用分歧视，这家公司用替代数据重建租房市场的”真实信用”
在美国，拥有一个高信用分（750+）的人，在申请租房时几乎不会遇到任何障碍。但有数千万美国人——包括刚来美国的移民、大学应届毕业生、自由职业者、零工经济工作者——他们的财务状况其实完全支撑得起房租，但他们的 FICO 信用分要么为零，要么低得出奇，因为他们从来没有使用过信用卡或银行贷款。
这些人在租房市场的专业术语叫做”信用档案稀薄者（Thin-file Borrowers）”——不是不值得信任，而是没有被传统信用评分系统记录过。他们每年因为无法通过信用审查而被拒绝租房申请，或者被要求缴纳额外两三个月押金。
与此同时，房东和物业管理公司也在受苦：传统的租户筛选系统（信用报告 + 背景调查）筛掉了大量实际上是优质租客的申请人，同时也没能有效识别那些刻意”粉饰”信用记录的坏账风险者——因为信用分并不能预测”这个人会不会按时交房租”这件最重要的事。
Rent Butter 的核心命题是：用真实的租房支付能力和历史行为数据，替代 FICO 信用分，让租房筛选更公平，也更准确。
2026 年，Rent Butter 获得了 300 万美元增长资本融资，用于扩张其居民筛选平台（Resident Screening Platform）。
| 关键信息 | 内容 |
|---|---|
| 公司名称 | Rent Butter |
| 融资类型 | 增长资本融资（Growth Capital Facility） |
| 融资金额 | $3,000,000（300 万美元） |
| 核心产品 | 基于替代数据的租户筛选平台 |
| 核心数据源 | 历史租金支付记录、银行流水分析、公用事业账单、就业收入验证 |
| 目标客户 | 独立房东、物业管理公司、多户住宅运营商 |
| 行业 | 房产科技（PropTech）/ 金融科技 |
传统租户筛选系统的两大失效
失效一：FICO 不预测租房行为
FICO 信用分的本质是”历史借贷还款行为”的评分——它反映的是一个人能否按时还信用卡账单、汽车贷款、学生贷款。但租金支付从来不计入 FICO 分数（除非房东主动报告违约，而大多数房东不这么做），这意味着：
– 一个准时缴了 8 年房租的人，这 8 年的良好记录在 FICO 中是隐形的；
– 一个靠滚动信用卡维持高 FICO 分但月月支付最低还款额的人，却可能通过租房审核。
失效二：传统审查把好租客排除在外
美国约有 2600 万成年人没有任何信用记录（”Credit Invisible”）；另有数千万人的信用档案极薄，无法生成可靠的 FICO 分数。这些人大量分布在：新移民群体、Gen Z 首次租房者、自雇职业者和自由职业者（Gig Workers）、脱离家庭独立生活的年轻人。
从房东的角度，拒绝这些申请人是”理性”的——因为无法评估。但实际上，这些人中有大量按时付款的优质租客，只是传统系统没有能力识别他们。
Rent Butter 的替代数据模型
Rent Butter 通过整合以下几类数据来构建更完整的”租房支付能力”画像：
开放银行数据（Open Banking）：通过 Plaid 或 MX 等金融数据聚合平台，分析申请人的银行账户流水——月均收入水平、收入稳定性、历史租金支出记录（从银行转账中提取）、日常开支结构。
历史租金支付记录：通过直接接入物业管理系统，或通过申请人自主提交缴费凭证，验证过去 12-24 个月的租金支付历史。
公用事业账单：电费、水费、网络费的准时缴纳记录是重要的支付习惯信号。
就业和收入验证：通过 Truework、Argyle 等就业数据平台，实时验证申请人的就业状态和收入水平，而不依赖难以伪造的薪资单。
这个模型的核心逻辑与信用卡公司用”消费行为模式”做风控模型类似：真实行为数据比历史信用分更能预测未来行为。”你是否每月按时付房租”比”你是否有信用卡贷款记录”更能预测”你未来是否会按时付房租”。
竞争格局
| 公司 / 方案 | 定位 | 技术路线 | 目标客户 | 劣势 |
|---|---|---|---|---|
| Rent Butter | 替代数据租户筛选 | 开放银行 + 租金历史 + 就业验证 | 独立房东、中型物管 | 早期，替代数据模型的预测力需验证 |
| TransUnion SmartMove | 传统信用报告租客筛选 | 信用报告 + 背景调查 | 独立房东 | 依赖 FICO，不包含替代数据 |
| Experian RentBureau | 租金支付数据信用报告 | 房东主动上报租金 | 大型物管公司 | 仅记录，不提供完整筛选平台 |
| Rentberry | 租房平台 + 筛选 | 平台集成信用检查 | 房东和租客 | 平台模式，不是独立筛选工具 |
| Roots Renters Insurance | 租客保险 + 身份验证 | 保险捆绑 | 房东 | 不同赛道，侧重保险 |
| 手工审查 | 传统方式 | 人工 | 所有房东 | 低效、主观、歧视风险高 |
关键风险与挑战
1. 公平借贷法规合规：美国联邦《公平住房法》（Fair Housing Act）和各州法规对基于任何受保护特征的租房歧视有严格限制；替代数据模型如果与种族、国籍等特征相关，可能面临法律风险；
2. 数据质量和覆盖范围：不是所有租客都愿意授权访问银行账户；开放银行数据的覆盖范围仍然有限；
3. 房东教育成本：说服传统房东从”信用分为主”转向”多维数据模型”，需要大量的市场教育工作；
4. 竞争格局的整合：TransUnion 和 Experian 都有巨大的分销能力和品牌认知，作为独立的小型筛选工具很难竞争；
5. 租房市场的区域碎片化：美国租房法规因州而异（纽约州、加州的房东权利法规与德克萨斯州截然不同），合规成本高。
Rent Butter 的赌注建立在一个正在被越来越多政策制定者和业界认可的理念上：信用档案不应该成为获得住房的门槛。Consumer Financial Protection Bureau（CFPB）近年来多次表态支持替代信用数据的应用；HUD（美国住房和城市发展部）也在推动租金支付纳入信用评分系统。Rent Butter 是在监管顺风和市场需求的交汇点上创业——300 万美元增长资本，是这家公司从”验证产品”到”规模化扩张”的转折点。真正的考验是：能否在住房公平性的道德议题和商业可持续性之间，找到一条清晰的盈利路径。
