1. 催收评分卡概述
1.1 催收评分卡的定义
催收评分卡（Collection Scorecard）是一种基于统计模型与历史还款行为数据，对逾期账户在未来特定时间窗口内（如30天、60天、90天）的还款概率或回收率进行量化预测的风险计量工具。它通常以分数形式输出，分数越高代表客户主动还款或达成和解的可能性越大，反之则代表回收难度高、需要更强干预手段。
催收评分卡的核心逻辑是将客户分为不同风险等级，从而指导催收人员采取差异化策略：
- 高分段（还款意愿强）：短信/IVR提醒，避免过度打扰。
- 中分段（还款意愿波动）：人工外呼+协商方案，提升转化。
- 低分段（还款意愿弱/失联）：委外催收、法务诉讼或核销处理。
关键认知：催收评分卡不是“拒绝客户”的工具，而是“分配催收资源”的决策引擎。它的目标是在成本可控的前提下最大化回收金额。
1.2 在贷后管理中的核心价值
催收评分卡在贷后管理体系中扮演着“资源调度中枢”的角色，其核心价值体现在以下四个维度：
| 价值维度 | 具体表现 | 量化效果参考 |
|---|---|---|
| 降本增效 | 将高成本的人工催收资源集中在低分段高风险账户，高分段账户使用低成本自动化触达 | 人工外呼量降低30%~50%，单案催收成本下降20% |
| 提升回收率 | 针对不同评分区间设计差异化的催收话术、频次和施压强度 | 整体回收率提升5%~15%（视客群质量） |
| 优化客户体验 | 避免对还款意愿强的客户进行暴力催收，减少投诉与监管风险 | 投诉率下降40%~60%，客户留存率改善 |
| 策略敏捷迭代 | 评分卡可定期（月度/季度）基于最新还款表现进行模型校准 | 策略调整周期从季度级缩短至周级 |
行业数据参考：某头部消费金融公司上线催收评分卡后，M1（逾期1~30天）回收率从82%提升至91%，同时人工外呼量减少35%，年节省催收运营成本超2000万元。
1.3 与传统信用评分卡的区别
催收评分卡与传统的申请评分卡（A卡）、行为评分卡（B卡）虽然同属评分卡家族，但在目标变量、数据来源、应用场景和模型评估指标上存在显著差异。下表从六个关键维度进行对比：
| 对比维度 | 传统信用评分卡（A卡/B卡） | 催收评分卡（C卡） |
|---|---|---|
| 预测目标 | 未来12~24个月内是否发生违约（坏账） | 未来30~90天内是否还款或回收金额比例 |
| 时间窗口 | 长期（年为单位） | 短期（天/周/月为单位） |
| 核心数据 | 征信报告、收入负债比、多头借贷 | 逾期天数、历史催收接触记录、还款承诺履约率 |
| 应用场景 | 审批决策、额度授信、利率定价 | 催收策略分案、催收强度分级、委外分配 |
| 模型评估 | KS、AUC、Gini系数（区分好坏客户） | Lift图、回收率提升倍数、成本回收比 |
| 更新频率 | 季度/半年度 | 月度/周度（随还款行为动态变化） |
从业务逻辑上看，两者的本质区别可以概括为：
- 传统评分卡回答的是“这个人会不会变成坏账？”——属于风险准入问题。
- 催收评分卡回答的是“这个人逾期后怎么催最有效？”——属于风险处置问题。
常见误区：不要将申请评分卡直接用于催收分案。申请评分卡预测的是长期违约概率，而催收评分卡需要捕捉客户在逾期后的短期还款意愿变化（如接到催收电话后的反应、是否承诺还款等），两者数据分布和业务含义完全不同，混用会导致策略严重偏差。
1.4 催收评分卡在贷后管理中的位置
下图展示了催收评分卡在贷后管理全流程中的核心枢纽作用：
从图中可以看出，催收评分卡处于贷后管理流程的决策中枢位置：它接收多维度的逾期账户数据，通过模型计算输出评分，再将账户分流到不同强度的催收策略中，形成“数据→评分→策略→执行→反馈”的闭环。
1.5 催收评分卡策略优化的核心逻辑
催收评分卡策略优化的本质是寻找“催收强度”与“回收效果”之间的最优平衡点。优化的核心逻辑可以概括为以下三步：
- 分箱与评分映射：将连续评分切分为若干区间（如每20分一档），计算每个区间的实际回收率。
- 策略匹配：为每个评分区间匹配最合适的催收动作（触达频次、渠道、话术、施压等级）。
- 效果评估与迭代：通过A/B测试或回溯分析，对比新策略与基线策略的回收率、成本、投诉率等指标，持续调优。
优化目标公式：
其中催收成本包括：人力成本、通信成本、委外佣金、法务费用等。催收评分卡策略优化的最终目标是让每一分钱催收成本都花在“刀刃”上。
Max( 回收金额 - 催收成本 )其中催收成本包括：人力成本、通信成本、委外佣金、法务费用等。催收评分卡策略优化的最终目标是让每一分钱催收成本都花在“刀刃”上。