记一次催收策略/模型实践——提升客户可联率

一、业务背景

公司主力业务线回款率恶化较为明显，经分析，近期客户拨打的可联率比以往大幅度降低。

注：可联率 = 当日接通的客户数/ 当日拨打客户数。

二、方案简述

现行的方案：拨打策略是基于业务专家经验，每日拨打是固定次数、固定时间间隔，大量集中在每日特定几个固定（经验认为的黄金拨打时段）时间点，每日拨打电话量大，系统并发要求高，但存在许多无效重播。

计划的方案：是结合客户画像，差异化的预测出每一个客户的多个容易拨通的时间段进行拨打，如此，不仅能提高接通率，还能减少每日拨打总量，降低系统并发要求。

注：目标制定上，尽管业务部门的终极目标是提升回款率。但考虑到客户回款前的中间链路与不确定影响因素较多，而客户可联却是本项目可直接作用的，故将客户的可联率作为本项目的考核指标。因此，一般建议将对业务目标有正向作用的，且策略可直接影响的指标作为项目目标。

三、项目实施

1. 数据分析与客户分群

用于训练和验证的数据主要分布在2020-08-01～2021-03-28，当时的用户数共216052。

2. 特征加工与选取

1）基本信息

籍贯、大区、省份、年龄、婚姻状况、学历、行业、职位、收入、房产信息、车贷信息、已有合同数、总款额、放款期数、渠道等。

2）拨打历史

历史中每个时间段的接通次数、平均通话时间、通话总时长、近一三六期通话时间、近一三六期通话质量：交互次数、对话次数、近一三六期{kptp（承诺还款后实际还款）情况}、最一三六期是否拒绝还款、近一三六期跳票情况等。

3）还款表现

历史各时段的接通次数、平均通话时间、通话总时长、近一三六期通话时间、近一三六期通话质量：交互次数、对话次数、近一三六期{kptp（承诺还款后实际还款）情况}、最一三六期是否拒绝还款、近一三六期跳票情况等。

4）APP埋点数据

登陆时间、登陆次数、还款页访问时间、查账页访问时间等。

5）设备采集数据

系统最新启动时间、电池是否充电中、是否连接wifi等。

基于iv值、gini系数、相关性检验等分析：

3. 模型探索

结合模型指标、计算效率，本次选取XGBOOST模型。

4. 训练效果

模型一：

模型二：

5. 线上AB测试

四、后记

本项目第一阶段为期8周（数据探索2、模型训练1，AB测试5），投入人力2人。既没有用到特别复杂的模型，也没有耗费过多的资源。本是一次不抱有过多期望的探索，却意外取得了不错的效果，并得到了公司高层的赞誉与推广。

因此，在立项阶段，要大胆尝试，打破常规；在实施过程中，要少炫技，重结果。

题图来自 Unsplash，基于 CC0 协议