3. 特征工程入门：特征工程在催收中的核心作用
特征工程是将原始数据转化为能够有效提升催收模型性能的特征变量的过程。在催收场景中，特征工程直接决定了模型能否准确识别逾期客户的还款意愿与还款能力，是催收策略优化的基石。
核心观点： 催收模型的上限取决于特征工程的质量，而非模型算法的复杂度。好的特征能显著提升催收效率，降低运营成本。
3.1 特征工程在催收中的作用
特征工程在催收全流程中扮演着关键角色，其作用主要体现在以下四个方面：
| 作用维度 | 具体描述 | 业务价值 |
|---|---|---|
| 风险分层 | 通过构建多维特征，将逾期客户按风险等级精细分层 | 实现差异化催收策略，避免“一刀切” |
| 行为预测 | 基于历史行为特征预测客户未来还款概率与时间 | 优化催收时机与渠道选择，提高触达效率 |
| 策略优化 | 识别不同特征组合下的最优催收动作 | 降低催收成本，提升回款率 |
| 异常检测 | 发现客户行为突变或欺诈特征 | 提前预警高风险案件，减少坏账损失 |
实践提示： 在催收特征工程中，时效性至关重要。客户的行为特征（如近3天通话次数）往往比静态特征（如注册时长）更具预测力。
3.2 特征分类：三大核心特征体系
催收特征可归纳为三大类：客户画像特征、行为特征和还款能力特征。三者共同构成完整的客户评估视图。
3.2.1 客户画像特征
客户画像特征反映客户的基本属性与历史信用背景，是构建催收模型的基础层特征。
- 人口统计学特征： 年龄、性别、职业、学历、婚姻状况、居住城市等级
- 信用历史特征： 征信查询次数、历史逾期次数、最大逾期天数、信贷产品使用年限
- 社交关系特征： 通讯录联系人数量、紧急联系人关系、社交网络稳定性
- 设备与环境特征： 设备型号、操作系统、IP归属地、注册渠道
3.2.2 行为特征
行为特征捕捉客户在借款周期内的动态行为模式，是催收模型中最具时效性的特征。
- 还款行为特征： 历史还款准时率、还款方式偏好、提前还款次数、最低还款比例
- 沟通行为特征： 接听率、通话时长、回拨意愿、投诉记录、短信回复率
- APP使用行为特征： 登录频率、页面停留时长、功能点击路径、版本更新情况
- 资金流转特征： 银行卡绑定数量、转账频率、第三方支付使用情况
3.2.3 还款能力特征
还款能力特征直接评估客户当前的经济状况与偿债能力，是催收策略制定的核心依据。
- 收入与负债特征： 月收入水平、收入稳定性、负债收入比（DTI）、信用卡使用率
- 资产特征： 房产持有情况、车辆价值、金融资产余额、公积金缴纳基数
- 消费能力特征： 月均消费金额、消费类别分布、大额消费频率、生活缴费记录
- 外部数据特征： 社保缴纳记录、税务数据、多头借贷平台数量
避坑指南： 构建还款能力特征时，务必注意数据合规性。涉及个人敏感信息（如银行流水、社保账号）需获得客户明确授权，并遵循数据最小化原则。
3.3 特征构建的基本原则
特征构建并非简单的数据堆砌，而是需要遵循一系列科学原则，以确保特征的有效性、稳定性和可解释性。
3.3.1 特征构建六大原则
| 原则 | 说明 | 催收场景示例 |
|---|---|---|
| 相关性 | 特征与目标变量（是否还款）须有显著统计关联 | “近7天通话次数”与还款概率强相关 |
| 时效性 | 特征应反映客户近期状态，避免使用过时数据 | 使用“近3天登录次数”而非“历史总登录次数” |
| 稳定性 | 特征分布随时间变化应保持相对稳定 | “年龄”比“月消费金额”更稳定 |
| 可解释性 | 特征含义清晰，业务人员能理解其业务逻辑 | “负债收入比”比“特征向量PCA降维结果”更可解释 |
| 覆盖度 | 特征在样本中缺失率低，具有普适性 | “征信查询次数”覆盖度高于“公积金缴纳基数” |
| 合规性 | 特征采集和使用符合法律法规与伦理要求 | 禁止使用种族、宗教信仰等敏感特征 |
3.3.2 特征构建流程
- 业务理解与需求分析： 与催收团队沟通，明确需要预测的目标（如30天内还款概率）
- 数据源梳理与采集： 盘点内部系统数据（催收系统、客服系统、APP埋点）与外部数据（征信、第三方）
- 特征衍生与变换： 基于原始字段进行统计聚合、时间窗口计算、比率计算、分箱等操作
- 特征编码与标准化： 将类别特征转为数值型（如独热编码），对连续特征进行标准化或归一化
- 特征评估与筛选： 通过IV值、相关系数、特征重要性等方法评估特征质量，剔除冗余特征
- 特征监控与迭代： 上线后持续监控特征分布漂移，定期更新特征集
效率技巧： 在特征衍生阶段，优先构建比率型特征（如“逾期金额/月收入”）和差分型特征（如“本次逾期天数-历史平均逾期天数”），这两类特征往往比原始数值特征更具预测力。
3.4 特征构建实战案例
以下是一个催收场景中特征构建的完整示例，展示如何从原始数据到有效特征。
3.4.1 原始数据示例
客户ID: C001
借款金额: 10,000元
借款日期: 2024-01-15
逾期天数: 45天
历史借款次数: 3次
历史逾期次数: 1次
最近一次还款日期: 2023-12-20
APP最近登录日期: 2024-02-20
通讯录联系人数量: 120人
月收入: 8,000元
信用卡使用率: 65%3.4.2 特征衍生过程
| 原始字段 | 衍生特征 | 计算公式 | 特征值 |
|---|---|---|---|
| 逾期天数、借款金额 | 逾期金额占比 | 逾期天数 × 日利率 / 借款金额 | 0.023 |
| 历史逾期次数、历史借款次数 | 历史逾期率 | 历史逾期次数 / 历史借款次数 | 0.33 |
| 最近还款日期、借款日期 | 还款间隔天数 | 借款日期 - 最近还款日期 | 26天 |
| APP最近登录日期、当前日期 | APP失联天数 | 当前日期 - 最近登录日期 | 5天 |
| 月收入、借款金额 | 月收入负债比 | 借款金额 / 月收入 | 1.25 |
| 信用卡使用率 | 信用卡使用率等级 | 分箱：低(<30%) / 中(30%-70%) / 高(>70%) | 高 |
关键洞察： 衍生后的特征（如“APP失联天数”）比原始字段（如“最近登录日期”）更能直接反映客户当前的还款意愿。失联天数越长，还款概率越低。
3.5 特征筛选常用方法
特征构建完成后，需要通过科学方法筛选出最具价值的特征子集，避免维度灾难和过拟合。
- IV值（信息价值）筛选： IV > 0.02 为弱预测力，IV > 0.1 为中等，IV > 0.3 为强预测力
- 相关系数筛选： 剔除特征间相关系数 > 0.8 的冗余特征，保留与目标变量相关性更高的特征
- 特征重要性排序： 使用随机森林或XGBoost模型输出特征重要性得分，保留Top N特征
- 向前/向后逐步选择： 基于模型性能指标（如AUC）逐步添加或剔除特征
- L1正则化（Lasso）： 通过L1惩罚项自动将不重要特征的系数压缩为0
注意： 特征筛选时需结合业务逻辑进行人工复核。某些IV值较低但业务意义明确的特征（如“性别”在某些场景下）仍应保留，避免过度依赖统计指标。