Good Plus(グッドプラス)の手数料の目安は1.8%〜です。最低水準は業界全体でも低めの数字。実際の手数料は審査結果で決定されるため、提示された条件を必ず書面で確認しましょう。複数社で見積りを取り、最終的な提示で比較するのがおすすめです。
Good Plus(グッドプラス)の審査と通過率
Good Plus(グッドプラス)は審査通過率を非公開としています。ファクタリングの審査は融資と違い、利用者本人の信用情報よりも売掛先(請求書の支払元)の信用力が中心です。利用者がいわゆるブラック・赤字決算・税金滞納などの状況でも、売掛先の信用と請求書の確実性が確認できれば通る可能性があります。逆に、売掛先の経営状況が悪い・取引実績が浅い・支払サイトが極端に長い請求書は否決されやすくなります。
Good Plus(グッドプラス)の必要書類
Good Plus(グッドプラス)の主な必要書類は 請求書 / 通帳コピー / 本人確認書類 です(3点)。必要書類が少なめなので準備の負担が抑えられます。案件により決算書・発注書・取引履歴(メール・チャットのスクショ)など追加で求められることがあります。
Good Plus(グッドプラス)は個人事業主・フリーランスでも使える?
Good Plus(グッドプラス)は個人事業主・フリーランスの利用に対応しています。買取可能額は制限なし。 個人事業主の方は、通帳コピーで売掛先からの過去入金実績を示せると審査が通りやすくなります。法人取引が中心の請求書のみが対象で、個人間取引の請求書は原則対象外です。
Good Plus(グッドプラス)は即日入金できる?
Good Plus(グッドプラス)は最短即日(目安: 最短即日)での入金に対応しています。当日中に着金させるには、営業時間「土日祝も相談対応可能」内に申込を済ませ、必要書類を漏れなくアップロードすることが重要です。土日祝の対応は限定的なので、急ぐ場合は平日のうちに動いておきましょう。
Good Plus(グッドプラス)は怪しい?運営会社の信頼性
Good Plus(グッドプラス)はGood Plus株式会社が運営するファクタリングサービスです。本社所在地は〒164-0003 東京都中野区東中野4-5-10。ファクタリングは売掛債権の売買であり、貸金業ではないため利息や信用情報の照会はありません。事業内容は「ファクタリング事業、コンサルティング事業、各種在庫買取サービス事業」と公表されています。手数料・契約条件を事前に書面で確認した上で利用すれば、ヤミ金や違法業者と混同する必要はありません。
Good Plus(グッドプラス)は運営の透明性・料率開示・第三者裏付けの観点で、契約前確認の基本項目を一通りクリアできる会社です。ネガティブな指名キーワードのみで判断材料にせず、ご自身の条件(売掛先・希望金額・支払サイト・契約形態)とのマッチで比較するのが安全です。 償還請求権の詳細 / 契約書で必ず確認する15項目も参考にしてください。
Good Plus(グッドプラス)を他社と比較する際のポイント
Good Plus(グッドプラス)を他社と比較するとき、編集部が指標化している 45 社のデータと突合して差分を確認すると、この会社を選ぶ判断軸が明確になります。以下は Good Plus(グッドプラス)の数値プロファイルから抽出した比較ポイントです。
手数料は業界相場帯
Good Plus(グッドプラス)の最低手数料は1.8%で、業界平均(約2.1%)と近い水準。手数料単体では決め手になりにくいので、入金スピードや対応形態の差で比較するのが妥当です。
即日入金グループに該当
Good Plus(グッドプラス)は最短即日(目安: 最短即日)の入金に対応。掲載45社のうち約93%が即日対応グループのため、土日祝対応(平日のみ)や受付時間の長さなど周辺条件で差別化を見ます。
Good Plus(グッドプラス)と相性が良い業種・業務
Good Plus(グッドプラス)の対応債権・対応条件・対象セグメントから、相性の良い業種・業務をデータ駆動で抽出しました。同じ業種でも案件次第で結果は変わるため、最終的には個別見積りで確認してください。
フリーランス・個人事業主(IT/制作/デザイン/エンジニア)
Good Plus(グッドプラス)は個人事業主・フリーランス対応で、必要書類は3点(請求書・通帳コピー・本人確認書類)と少なめ。IT受託・制作・デザインなどクラウド系の業務委託契約者が、少額の請求書から相談しやすいプロファイルです。
中小法人
Good Plus(グッドプラス)は法人対応。買取可能額は制限なしで、中小法人の運転資金や急ぎの仕入れ資金の繋ぎとして使えます。
Good Plus(グッドプラス)に関するよくある誤解と正しい理解
Good Plus(グッドプラス)の指名検索で見られる「よくある誤解」を、データと公的な仕組みに基づいて整理しました。