2. 催收业务基础
在开始构建还款意愿（Propensity to Pay，简称PTP）模型之前，必须先理解催收业务本身。模型不是孤立存在的算法，它服务于催收策略、资源分配和绩效评估。如果对催收流程、还款意愿与还款能力的边界、PTP的业务含义以及关键指标缺乏共识，后续的特征工程和模型评估就会失去业务锚点。本节从业务视角出发，为建模工作建立共同语言。
一、催收全流程：从逾期发生到账户处置
催收全流程通常按逾期天数（Days Past Due，DPD）划分为若干阶段，每个阶段的催收目标、触达方式和考核重点不同。典型流程如下：
- 逾期提醒（DPD 1–3）：以短信、App推送、智能语音为主，目标是提醒客户还款，降低“非恶意逾期”转为长期逾期的比例。
- 早期催收（DPD 4–30）：人工外呼与智能外呼结合，核实还款意愿和还款能力，促成承诺还款（PTP）。
- 中期催收（DPD 31–90）：提高外呼频次，引入协商还款、分期方案，必要时发送催收函。
- 委外催收（DPD 91–180）：内部催收成本上升，部分账户委托第三方机构，按回款金额结算佣金。
- 核销与处置（DPD 180+）：根据监管和内部政策进行核销、资产转让或法律诉讼。
建模时，不同阶段的样本分布差异极大。早期阶段还款意愿高、还款能力强，模型容易区分；中后期阶段客户失联率高、还款能力弱，模型需要更多行为特征。因此，PTP模型通常按催收阶段分别训练，或至少将逾期天数作为重要特征。
核心原理：催收全流程的本质是“在正确的时间，用正确的渠道，对正确的客户，说正确的话”。PTP模型解决的是“正确客户”的排序问题，即预测哪些客户更可能承诺还款并最终履约。
二、还款意愿与还款能力的区别
还款意愿和还款能力是催收中两个最容易被混淆的概念。还款意愿指客户主观上是否愿意偿还债务；还款能力指客户客观上是否有资金偿还债务。两者组合形成四种典型场景：
| 场景 | 还款意愿 | 还款能力 | 催收策略 |
|---|---|---|---|
| A | 高 | 高 | 提醒即可，避免过度打扰 |
| B | 高 | 低 | 协商分期、延期，降低单期压力 |
| C | 低 | 高 | 施压、法律提示，促使其重视 |
| D | 低 | 低 | 控制成本，考虑委外或核销 |
PTP模型主要预测还款意愿，但还款能力会显著影响最终回款。如果模型只关注意愿，可能把“愿意但没钱”的客户排在前列，导致催收员浪费大量时间。因此，实践中常将PTP与还款能力评分结合使用，或直接建模“承诺还款且实际履约”的概率。
建模提示：还款意愿通常通过客户行为（如是否接听电话、是否承诺还款、是否主动联系）间接推断；还款能力则更多依赖收入、负债、资产、历史还款记录等数据。两者在特征工程中应分开处理，避免相互污染。
三、PTP定义及业务指标
PTP（Promise to Pay）字面意思是“承诺还款”，在催收业务中通常指客户在催收沟通中明确表示愿意还款，并给出具体还款时间或金额的行为。PTP是催收员最重要的过程指标之一，因为它直接反映客户的还款意愿。
PTP相关指标可分为过程指标和结果指标：
- PTP率：承诺还款客户数 / 有效沟通客户数，衡量催收员的沟通转化能力。
- PTP履约率：实际还款客户数 / 承诺还款客户数，衡量承诺的真实性。
- PTP金额履约率：实际还款金额 / 承诺还款金额，衡量承诺金额的可靠性。
- 回款率：实际回款金额 / 应还金额，最终业务结果指标。
- 触达率：成功接通客户数 / 拨打客户数，反映客户失联程度。
在建模中，PTP常被用作标签或中间变量。例如，可以建模“客户是否会在本次催收中承诺还款”，也可以建模“客户承诺后是否会履约”。前者更接近意愿，后者更接近最终回款。选择哪种标签，取决于业务目标是提升PTP率还是提升回款率。
# 示例：PTP标签定义（伪代码）
# 标签1：本次催收是否产生PTP
label_ptp = 1 if ptp_time is not None else 0
# 标签2：PTP后是否在承诺日期前还款
label_ptp_kept = 1 if actual_repay_date <= ptp_date else 0
# 标签3：最终是否回款（不依赖PTP）
label_recovery = 1 if actual_repay_amount > 0 else 0
四、案例与误区复盘
某消费金融公司曾遇到一个问题：催收员为了完成PTP率考核，大量诱导客户做出虚假承诺，导致PTP率很高但PTP履约率很低。结果模型学习到“容易承诺”的客户特征，却无法预测实际回款，策略上线后回款率没有提升。
复盘发现，问题出在标签选择上。团队最初用“是否PTP”作为标签，但业务目标是回款。后来改为用“PTP且履约”作为正样本，并引入历史履约率、承诺金额合理性等特征，模型效果显著改善。
常见误区：把PTP率等同于回款率；忽略还款能力对履约的影响；用全量逾期客户训练一个模型而不分阶段；过度依赖催收员手工标注的PTP结果，导致标签噪声大。
另一个常见误区是混淆“还款意愿”和“还款能力”的特征来源。例如，把客户的历史逾期次数直接当作意愿特征，但逾期次数也可能反映还款能力不足。正确的做法是：意愿特征侧重沟通行为、承诺历史、主动联系等；能力特征侧重收入、负债、资产、历史还款金额等。两者在模型中协同作用，才能准确预测PTP及最终回款。