4. RPC标签定义与样本构建

在催收Right Party Contact（RPC）有效联系率建模中，标签定义与样本构建是决定模型上限的第一道关口。很多团队把精力放在算法调参上，却忽略了“有效联系”本身定义模糊、观察窗口与表现窗口错位、正负样本划分口径不一致，最终导致离线AUC虚高、上线效果崩塌。本节围绕四个核心问题展开：如何定义有效联系、如何设计观察与表现窗口、如何划分正负样本、以及如何处理样本偏差。

一、核心原理：RPC标签的本质是“行为+结果”的联合判定

RPC不是简单的“电话接通”。接通只代表通信链路建立，而催收业务关心的是：是否联系到了正确的债务人本人，并且产生了可观测的催收效果。因此，RPC标签通常由三个条件联合定义：

• 对象正确：接听方为债务人本人，而非紧急联系人、语音信箱、空号或第三方。
• 沟通有效：通话时长达到阈值（如≥30秒），或存在有效对话轮次。
• 结果可测：在表现窗口内产生承诺还款、部分还款或全额还款等正向行为。

这三个条件缺一不可。若只取“接通”，模型会退化为预测接通率；若只取“还款”，模型会混淆联系能力与还款意愿。实践中，建议将RPC标签定义为二分类：在观察窗口内的一次催收动作，若在表现窗口内满足“正确对象+有效沟通+正向结果”，则标记为正样本，否则为负样本。

二、方法流程：观察窗口与表现窗口设计

观察窗口（Observation Window）用于采集催收动作发生前的特征，表现窗口（Performance Window）用于观察该动作是否产生有效联系结果。两者在时间轴上必须严格分离，避免标签泄漏。

典型设计如下：以某次催收外呼动作发生日T为锚点，观察窗口取T-30天至T-1天，表现窗口取T日至T+7天。观察窗口内的特征包括：历史接通次数、历史还款金额、逾期天数、客户画像、时段偏好等。表现窗口内观察是否发生有效联系及还款行为。

时间轴示例：
|---- 观察窗口 30天 ----|-- T日动作 --|---- 表现窗口 7天 ----|
特征采集区间              催收外呼        标签判定区间

标签判定逻辑：
if 接听对象 == 债务人本人
   and 通话时长 >= 30秒
   and 表现窗口内还款金额 > 0:
       label = 1
else:
       label = 0

窗口长度需要根据催收周期调整。短账龄案件表现窗口可设为3~7天，长账龄可延长至14~30天。观察窗口不宜过短，否则特征不足以刻画客户行为；也不宜过长，否则引入过多历史噪声。

三、正负样本划分与样本偏差处理

正负样本划分看似简单，实则暗藏三个陷阱：

1. 负样本定义过宽：把所有未还款都归为负样本，会混入“接通但未承诺”“未接通”“承诺但未履约”等多种情况，导致模型无法区分。
2. 正样本定义过窄：只取全额还款，正样本极少，模型极度不平衡。
3. 样本偏差：催收策略本身具有选择性，高逾期客户被更频繁拨打，导致样本非随机缺失。

建议采用分层负样本策略：将负样本细分为“未接通”“接通非本人”“接通本人但无承诺”“承诺未履约”四类，建模时先做多分类，再合并为二分类。这样既能保留信息，又能缓解定义模糊问题。

对于样本偏差，常用处理方法包括：倾向得分加权（IPW）、分层抽样、以及将催收策略变量作为特征纳入模型。IPW的核心思想是给每个样本赋予权重，权重为“该样本被催收的概率的倒数”，从而还原随机样本分布。

IPW权重计算示例：
p = 模型预测的“被催收概率”
weight = 1 / p  （对被催收样本）
weight = 1 / (1 - p)  （对未被催收样本）

注意：p需做截断，如限制在[0.05, 0.95]，避免权重爆炸。

四、案例/场景与误区复盘

某消费金融催收团队曾构建RPC模型，初期AUC达到0.82，但上线后有效联系率提升不足2%。复盘发现三个问题：

• 标签泄漏：观察窗口中包含了“本次通话时长”，而通话时长本身是标签判定条件之一，导致模型提前看到答案。
• 表现窗口过短：表现窗口仅3天，大量承诺还款客户在第5~7天还款，被错误标记为负样本。
• 样本偏差未处理：高逾期客户被频繁拨打，模型学到“拨打次数越多越容易联系”，而非客户本身的联系概率。

修正后，团队将观察窗口与表现窗口严格分离，表现窗口延长至14天，并引入IPW加权。模型AUC降至0.76，但上线后有效联系率提升11%，且模型稳定性显著增强。

总结来说，RPC标签定义与样本构建的核心在于：以单次催收动作为粒度，严格分离观察与表现窗口，采用分层负样本策略，并通过IPW或分层建模处理样本偏差。只有标签定义清晰、样本构建严谨，后续的模型训练才有意义。