2. 业务背景与场景
在上一节中，我们已经明确了“可联络性预测”要解决的根本问题：在给定时间窗口内，判断某个客户是否能够被成功触达。要真正把这个问题落地成可用的模型，必须先回到业务现场，理解客户为什么会失联、不同业务场景对“可联络”的定义有何差异，以及预测过程中会遇到哪些结构性挑战。本节将围绕这三个层面展开，为后续的特征工程与建模打下业务基础。
一、客户失联的常见原因
客户失联并不是一个单一事件，而是多种因素叠加的结果。从数据视角看，它表现为电话打不通、短信无回应、App 推送不点击、邮件被退回等；从业务视角看，背后往往对应着客户状态、行为习惯和外部环境的变化。我们可以把常见原因归纳为以下几类：
- 联系方式变更：客户更换手机号、注销旧号、停用副卡，但业务系统未及时更新，导致历史号码成为“死号”。这是最直接也最普遍的原因。
- 主动回避：客户因逾期、投诉、对产品不满等原因，故意不接电话、屏蔽号码、设置拦截规则，属于“有意识失联”。
- 触达方式不匹配：客户可能仍在使用某个号码，但更习惯通过微信、App 消息或邮件沟通，传统外呼对其无效。
- 时间与场景错位：客户在工作时间无法接听、在夜间休息时不愿接听，触达时间与客户可接受时间不一致。
- 设备与网络问题：停机、欠费、信号差、手机丢失等临时性因素，导致短期内无法联络，但并非永久失联。
- 数据质量问题：号码录入错误、格式不规范、多源数据冲突，导致系统认为“有号码”但实际无法使用。
理解这些原因的意义在于：可联络性预测不能只依赖“是否接通”这一结果标签，而要把号码状态、历史触达行为、客户生命周期阶段、渠道偏好等信号综合起来，才能区分“暂时打不通”和“长期失联”。
二、三类典型业务场景
不同业务场景对可联络性的诉求差异很大，直接决定了标签定义、特征选择和策略目标。下面从催收、营销、客服三个场景分别说明。
| 场景 | 核心目标 | 可联络性定义 | 典型约束 |
|---|---|---|---|
| 催收 | 在合规前提下尽快与逾期客户建立沟通，推动还款 | 电话接通并完成有效对话，或短信/App 消息被阅读并产生回应 | 外呼频次受限、话术合规、不得骚扰无关联系人 |
| 营销 | 以较低成本触达潜在或存量客户，促成转化 | 客户在触达后产生点击、咨询、下单等正向行为 | 触达成本敏感、需控制打扰度、避免投诉 |
| 客服 | 及时响应客户问题，提升满意度与问题解决率 | 客户能够通过任一渠道被成功接入并完成服务 | 时效性要求高、渠道多样、需优先处理高价值客户 |
可以看到，催收场景更关注“能否建立对话”，营销场景更关注“触达后是否有效”，客服场景则强调“多渠道可达”。因此，同一个客户在不同场景下的可联络性标签可能完全不同。建模时不能用一个通用标签覆盖所有场景，而应针对场景分别定义正负样本。
实践提示：在项目启动阶段，务必与业务方确认“可联络”的操作性定义。例如，催收场景中“响铃 30 秒以上”是否算接通？“短信送达”是否算触达？这些定义会直接影响标签质量和模型评估口径。
三、可联络性预测的核心挑战
从业务问题转化为机器学习问题，可联络性预测面临以下五个核心挑战：
- 标签稀疏与延迟：真正“失联”的客户占比可能不高，且触达结果需要等待外呼完成、短信回执、客户行为回传后才能确定，导致标签获取周期长、正样本稀疏。
- 样本选择偏差：历史触达记录只覆盖了“曾经被触达过”的客户，而未被触达的客户没有标签。如果直接用历史数据训练，模型会偏向于那些容易被触达的群体。
- 渠道与时间动态性：客户的号码状态、渠道偏好、可接听时段会随时间变化，昨天能接通的号码今天可能已停机，模型需要具备时效性。
- 多渠道融合困难：电话、短信、App 推送、邮件等渠道的触达结果语义不同，如何统一成一个可比较的“可联络性分数”是工程难点。
- 合规与隐私约束：催收和营销场景对触达频次、时间、话术有严格限制，模型输出不能只追求“打通率”，还要满足合规要求。
常见误区：把“可联络性预测”简单等同于“号码是否有效”。号码有效只是必要条件，不是充分条件。一个号码有效但客户从不接听，在业务上仍然是不可联络的。模型必须同时考虑号码状态与客户行为。
四、案例复盘：一个催收场景的失联分析
假设某消费金融公司发现，逾期 30 天以内的客户中，首次外呼接通率约为 45%，但逾期 90 天以上的客户接通率骤降至 12%。团队最初认为是“号码失效”导致，于是大量采购号码修复服务，但效果有限。进一步分析后发现：
- 逾期 90 天以上的客户中，超过 60% 的号码仍处于正常状态，但历史外呼记录显示这些号码被多次拒接或拦截。
- 部分客户在逾期后更换了号码，但新号码未在系统中更新，旧号码仍被反复拨打。
- 少数客户在特定时段（如晚上 8 点后）接听率明显高于白天，但外呼策略未做时间优化。
这个案例说明，失联往往是“号码状态 + 客户意愿 + 触达策略”共同作用的结果。如果只做号码修复，而不做可联络性预测和策略优化，接通率很难有实质性提升。正确的做法是：先构建可联络性预测模型，识别出高可联络概率的客户和最佳触达时段，再结合合规策略进行外呼排序。
示例：催收场景可联络性标签定义（伪代码）
label = 1 if 外呼接通时长 >= 30s
or 短信回执状态 == "DELIVRD" 且 客户 24h 内点击链接
or App 推送被打开
label = 0 if 外呼未接通 且 短信未回执 且 推送未打开
label = NULL if 未触达或结果未知（不参与训练）
通过本节的分析可以看到，可联络性预测不是一个纯技术问题，而是业务定义、数据质量和策略约束三者交织的工程问题。只有在充分理解失联原因和场景差异的基础上，后续的特征工程和模型设计才能有的放矢。