这篇文章主要是接上面一篇文章的:金融风控干货篇:失联模型
在上篇文章里,我们预告说,在催收模块里,开发的催收模型往往是不止一个模型的,一般我们会通过不同的评分卡去区分不同的风险。
比如我们经常强调的滚动率模型,会用到好几个模型一起叠加来使用,我们有时不仅使用两个模型来叠加,还会使用3个甚至4个模型叠加使用。
下面我们使用两个模型的的叠加来说下具体的操作方法:
上图是一个真实的使用的场景。
模型1:应用场景是——客户处在DPD1的状态下滚动到DPD10+的模型
模型2:应用场景是——客户处理DPD1的状态下滚动到DPD30+的模型;
对于模型1,我们的目的是预测客户在逾期1天后,经过10天的催收,会不会变成逾期10天;同理,对于模型2,我们的目的也是预测客户在逾期1天后,经过30天的催收,会不会变成逾期31+的概率;
上图表格里,对应都是一定时间内的回收率。
有了这些数据后,我们就尝试把模型里的回收率根据区间划分成不同的风险等级:比如我们将回收率在90%以上的划为风险等级最低的一组。上表中模型1里的风险等级A、B、C、D跟模型2里的A、B交叉的就是风险等级最低的一组;
综合以上的数据后,再把不同梯度的回收率模型划分为不同的风险等级,最后我们用不同的颜色进行区分。 所以可看到,80%-90%的区间的风险等级,是属于中低风险等级。
不过一般做到这一步,是远远还没结束的。
冠军挑战者策略
根据上述得到的风险等级,我们将根据具体的策略进行调优,具体调优的方式如下:
在解释具体的调优的手段前,需要明白几个基本的逻辑:
在催收手段里,一般由强到弱的手段是:手工外呼>自动外呼> ivr催收>短信;成本也是依次递减。当然上门拜访、发送律师函不属于常规的催收手段,就没在比较范围内;
(当然在自家公司内部是以上几种催收手段,另外还有催收一段时间后委外催收的;委外一定就会比自己公司做的催收好吗?我看有些公司自己做的催收效果比委外的还要强,而且随着监管趋严,由于合规性很多委外公司都越来越难生存)
最后依旧上述的基本逻辑,根据评分的风险等级,对不同的风险等级采取不同的催收策略。
在上图中,比如我们对高风险的客户,我们会将测试组分成不同的策略组使用不同的手段。如20%的测试组里,细分dpd1-3使用IVR催收手段,DPD4使用手工外呼,另外30%的测试组里,细分dpd1-15里,使用自动外呼,dpd16使用委外;剩下的50%,我们再使用手工外呼的方式,进行催收;
同理,我们其他风险等级的客户都能使用类似的策略手段进行策略调优。会使用不同对照组,用冠军挑战者策略去测试不同的催收手段。这里,更详细的策略展示就不进行叙述。
最后几小问题,需要大家思考下:
1.这样细分不同组别的催收策略后,怎么进一步比较不同催收策略的好坏跟差异?需要进一步比较哪些指标?
2.为什么在所有不同风险等级的分组里,对照组的比例都是最多的呢?
3.为了更精准的催收策略,除了以上的这些催收策略区分外,怎么进一步细分策略?
4.最上面提到了两个模型来叠加,那怎么使用3个甚至4个模型来叠加?
如果能全部理解这些问题,也证明你对催收模块的有些许的理解了。我会把这些问题更详细的说明附在知识星球上,欢迎大家在知识星球上围观。
之前课程的代码和数据或者此份资料的需要离线学习下吗加一下官微了解获取下。谢谢!