三步走，打造高效催收的「神葯」！

文 曹倩 拍黑米

【導語】

拍拍貸今年一季度的財報顯示，「拍拍貸15-29天和30-59天的逾期率分別為0.87%和2.11%，逾期率環比下降了1.4個百分點和0.1個百分點」。你知道拍拍貸的逾期率是如何做到長期有效的控制嗎？ 除了眾所周知的「魔鏡」風控系統幫助進行貸前審核管理外，拍拍貸還有一支專業的資產保全隊伍來進行貸後催收業務。

【背景】

作為風控流程的最後一環，催收一直面臨著資產回款壓力和人員效率平衡的問題。尤其在行業合規日趨重要的今天，如何保證在有限的催收人才資源下進行高效的催收變得尤為重要。基於大數據平台，拍拍貸針對貸後催收的重要環節建立了相應的模型優化體系，幫助業務進行自動化的策略實施和業務運作。

【貸後管理模型體系】

讓我們想像自己是一名催收員，那麼每天面對的工作日常可能是：

• 成百的逾期案件，催收員需要在了解每一個案件的情況下，進行相應的電話催收，確保在有限的工作時間內讓更多的用戶回款。
• 借款用戶在申請借款時會授權預留一些關聯號碼，催收員需要從中快速篩選出可以幫助回款的聯繫人進行催收，並根據電話情況更新。
• 在通話的過程中，你可能面對的是一個資金周轉困難的生意人或是逾期多債的老賴，如果對不同的人採取針對性的話術會幫助促成回款。

這其中，涉及到人員效率和回款率的優化環節主要有：催收案件的分配，案件號碼的篩選和規範性話術的研究。

催收的模型體系專門針對這些環節搭建了相應的優化模型和方案，主要包含三方面的內容：

1. 用戶分群體系

用於催收案件的分配策略，通過預測借款用戶在貸款產品到期前後的逾期概率變化對催收案件進行差異化的催收。一般，我們會把用戶的借款周期分成幾個階段： 到期前N天內，逾期30天內（M1），31-60天（M2），61-90天（M3）。根據借款用戶的基本信息和行為表現，建立不同時間段還款概率預測模型，即貸中和貸後模型。

催收用戶分群框架

結合不同時期的模型分，我們可以對用戶做回款難易程度劃分，針對不同還款難度的逾期用戶進行差異化催收。例如，容易還款的用戶可以採用輕微的簡訊提醒或催收外呼機器人的方式，回款難度高的用戶採用提前入催或人工催收的還款方式。下圖為業務針對模型分不同bin的人所做的策略測試效果，基於結果可以得出對不同人群選擇效率提升最大化的催收策略。

相比貸前風控模型，貸後模型會更關注用戶在不同逾期階段時期的行為表現，不同階段的還款用戶表現也不盡相同。例如，在逾期30天內還款的用戶，更多表現為是習慣性短期逾期的用戶，逾期30天60天後還款的用戶，更多表現為催收歷史記錄良好且掌握更多的有效聯繫信息。建模方法上，除了傳統的邏輯回歸外，還採用了LSTM神經網路演算法，針對用戶歷史每筆借款（M筆）和每期的還款日（N期）進行維度擴張，在每一個時間節點上記錄變數信息（C類），這樣就建立了一個和時間序列相關的三維狀態向量矩陣，通過網路模型學習非結構化的特徵信息，幫助提高模型增益。

2.號碼策略體系

用於案件號碼庫的篩選管理, 幫助提高催收員的催收效率。號碼策略模型主要通過研究有效號碼特徵和撥打策略來篩選號碼，從而幫助規範號碼庫，優化催收號碼觸達效率作用的一個應用模型。

我們假設一個好的撥打策略應該是通過高效的方法在短時間內使更多的用戶達成還款，那麼一個相對直接的方法是通過學習優秀催收員的撥打行為來總結撥打策略。因此我們從催收員撥打行為和回款績效等數據出發，對坐席進行分類，確定優秀坐席的定義後，對其撥打行為和號碼類型特徵進行模型的學習。

基於此，號碼策略模型的研究主要分兩步：

第一步，催收坐席分類，根據撥打效率和回款率相關的維度將催收員做聚類分析，挑選通話效率和回款率都比較高的坐席作為研究數據。

第二步，號碼撥打概率預測，基於第一步篩選後的優秀坐席數據研究其撥打的號碼特徵。號碼撥打的特徵維度可以包含該號碼和借款本人親疏關係，和催收員的催收記錄和借款用戶維度信息。一個有效的聯繫人通常都是和借款人有著相對親密的通話或者直屬關係，並且曾經和催收員進行過有效的電話溝通。

號碼推薦模型的輸出可以幫助後台過濾低效的號碼，讓催收員在篩選案件的同時推薦到有效的聯繫人，保證回款率的同時也提升了催收效率。

3. 話術規範體系

用於規範催收話術和豐富用戶畫像。坐席在催收的過程中積累了大量的語音，我們利用NLP和語音模型技術，開發了包括催記自動化（催記補完計劃）和智能質檢產品（質檢機器人），提煉語音和文本中的信息進行質量監控和話術研究。

催記自動化運用了文本摘要和關鍵信息提取的方法，總結通話記錄中的重要信息，節省坐席的記錄時間外也生成了有效的文本信息。質檢機器人則是運用ASR語音轉寫、文本分類和情緒分類的方法，用於幫助催收質檢員檢驗話術違規和優秀話術的一款智能產品。 未來我們希望可以通過文本和語音的研究，實現更多非結構化信息的數據積澱，基於這些信息進行話術的推薦。

【展望】

催收其實是一個同時研究用戶和坐席行為的業務領域。有人工參與的活動，就需要雙向地研究每一種策略手段的效用，哪類用戶適合用哪種策略，讓哪類催收員催收可以達到最優的效果。筆者在研究催收業務的過程中也在業務崗位體驗了做一名催收員的甘苦，很多的研究思路和「魔法」特徵也是從平台挑案和撥打電話的過程中獲得，深知從業務角度考慮問題的重要性。催收目前仍是一項重人力的工作，我們希望可以通過數據研究和策略測試的方法，學習到更多有效的分案、跟進方式和話術方式，將催收從重人力逐漸轉變為輕人工重策略的智能業務。

原創文章，謝絕轉載！

微信公眾號搜索關注「拍黑米」，更多歷史精彩文章等你發現！

拍黑米，由中國P2P網貸領導平台拍拍貸各部門技術大咖發起的乾貨分享平台！關注我們，一起用熱情和智慧創造屬於互聯網金融的新時代！