1. 课程导入
欢迎进入《催收Next Best Action下一最佳动作策略实战》课程。在正式进入模型、策略与系统实现之前，本章先解决三个问题：催收行业正在发生什么变化？为什么“下一最佳动作”会成为核心竞争力？学完这门课你能获得什么？
一、催收行业现状：三个不可逆的趋势
过去十年，催收行业的核心矛盾从“人力不足”转向“效率与合规的双重压力”。具体表现为三个趋势：
- 合规监管趋严：个人信息保护法、催收自律公约、录音质检与投诉溯源要求，使“暴力催收”和“骚扰式催收”的生存空间被彻底压缩。每一次触达都必须有依据、有记录、有策略。
- 客户触达渠道碎片化：短信、智能外呼、人工外呼、APP推送、微信、邮件、函件、上门等渠道并存。渠道越多，选择越难——什么时候用短信、什么时候转人工、什么时候必须停催，成为日常决策难题。
- 成本与回收率剪刀差扩大：人力成本持续上升，而长账龄资产回收率下降。靠“多打多试”的粗放模式，边际收益已经为负。
现实警示：许多团队仍在使用“固定账龄规则+统一话术”的作业方式。例如：逾期1-3天全部短信，4-7天全部外呼，8天以上全部转委外。这种策略忽略了客户差异，导致高意愿客户被过度打扰，低意愿客户被过早放弃，最终表现为“投诉率上升、回收率不升、成本反增”。
二、Next Best Action核心价值：从“统一动作”到“千人千面”
Next Best Action（下一最佳动作，简称NBA）不是简单的“推荐一个动作”，而是一套在正确的时间、通过正确的渠道、对正确的人、说正确的话、做正确的动作的决策体系。它的核心价值体现在三个层面：
| 层面 | 传统催收 | NBA策略催收 | 业务收益 |
|---|---|---|---|
| 决策粒度 | 按账龄/产品分组 | 按客户个体实时决策 | 回收率提升10%-25% |
| 渠道选择 | 固定顺序或人工判断 | 基于响应概率与成本择优 | 触达成本下降15%-30% |
| 合规控制 | 事后质检、人工抽检 | 策略前置、频次与话术硬约束 | 投诉率下降30%以上 |
| 迭代速度 | 月度/季度调整 | 每日/每周策略实验迭代 | 策略响应从周级到小时级 |
NBA的核心原理可以用一个简洁的决策公式表达：
NBA决策 = argmax [ P(响应|客户,渠道,时机,话术) × 回收金额 × 合规系数 - 触达成本 ]
其中：
- P(响应) 由响应模型预测，如还款概率、承诺概率、接通概率
- 回收金额 由客户风险等级与欠款金额决定
- 合规系数 由频次规则、时间窗口、投诉历史等硬约束决定
- 触达成本 包括人工成本、短信费、外呼线路费、委外佣金关键理解：NBA不是追求“单次回收最大化”，而是追求“客户生命周期内合规回收净收益最大化”。这意味着有时要主动降低触达频次，有时要放弃低价值客户，有时要优先保护高投诉风险客户。
三、方法流程：NBA策略落地的五步闭环
本课程后续章节将围绕以下五步闭环展开，本章先建立整体认知：
- 客户分层与画像：整合还款能力、还款意愿、历史行为、投诉记录、渠道偏好等特征，形成可解释的客户标签体系。
- 响应预测建模：针对不同渠道和动作，分别建立还款概率、承诺概率、接通概率、投诉概率等模型。
- 策略决策引擎：将模型分数、业务规则、合规约束、成本参数统一输入决策引擎，输出下一最佳动作。
- 实验与迭代：通过A/B测试、冠军挑战者、灰度发布等方式验证策略效果，持续优化。
- 监控与复盘：建立回收率、成本、投诉率、覆盖率等核心指标看板，定位策略衰减与异常。
四、案例与场景：一个真实的NBA决策对比
假设客户张先生，逾期15天，欠款8000元，历史还款记录良好，但近三个月频繁更换手机号，且从未接听过外呼。传统策略与NBA策略的差异如下：
| 决策维度 | 传统策略 | NBA策略 |
|---|---|---|
| 触达渠道 | 人工外呼（第3次） | 短信+APP推送（低成本先试） |
| 触达时机 | 上午10点统一外呼 | 晚19点-20点（历史活跃时段） |
| 话术策略 | 标准催收话术 | 协商还款入口+减免提示 |
| 频次控制 | 每日1次外呼 | 3天内最多1次短信+1次推送 |
| 预期结果 | 接通率低、投诉风险高 | 响应概率提升、成本下降 |
场景启示：NBA策略不是“更复杂的规则”，而是“更精准的匹配”。同样的客户，不同的动作组合，回收效果和合规风险可能相差数倍。
五、常见误区与复盘
- 误区一：NBA就是上模型。模型只是输入之一，没有业务规则和合规约束的模型输出不可用。策略=模型+规则+约束+成本。
- 误区二：追求全自动化。初期应保留人工兜底和策略白名单，逐步扩大自动化范围。全自动在异常场景下容易引发投诉。
- 误区三：只看回收率。必须同时监控投诉率、触达成本、客户满意度。单指标优化必然导致策略失衡。
- 误区四：一次上线长期不变。客户行为、渠道成本、监管要求都在变化，策略需要持续迭代和衰减监控。
复盘方法：每周选取“策略未命中”和“策略命中但未响应”两类样本，人工复盘决策依据。前者检查规则覆盖漏洞，后者检查模型偏差或话术问题。
六、学习目标与整体课程框架
通过本课程30章的学习，你将能够：
- 理解NBA策略的完整决策链路，从客户分层到监控复盘。
- 掌握响应模型、决策引擎、实验设计等核心方法。
- 能够设计合规、可解释、可迭代的催收策略。
- 具备用数据定位策略问题、推动策略优化的实战能力。
课程整体分为六个模块：导入与认知（第1-3章）、客户分层与画像（第4-8章）、响应预测建模（第9-15章）、决策引擎与策略设计（第16-22章）、实验与迭代（第23-27章）、监控复盘与组织落地（第28-30章）。每个模块都配有案例、清单和可落地的操作步骤。
现在，你已经建立了对催收NBA策略的整体认知。接下来，我们将从客户分层开始，逐步拆解每一个决策环节。