4. 客户画像特征：年龄、性别、职业、收入、学历等基础画像特征的提取与衍生

在催收策略中，客户画像特征是最基础、最稳定的预测变量。与动态的还款行为数据不同，画像特征反映的是客户的社会经济属性和人口统计学特征，具有高稳定性、低更新频率、强解释性的特点。本章将系统讲解如何从原始画像字段中提取有效信息，并通过特征衍生技术挖掘深层催收价值。

4.1 基础画像特征清单与数据质量校验

在特征提取之前，必须对原始数据进行质量校验。以下表格列出了催收场景中最常用的基础画像字段及其典型质量问题：

4.2 单变量特征提取与分箱策略

原始画像字段通常需要经过分箱（Binning）或编码（Encoding）才能进入模型。不同的字段类型适用不同的处理方法：

4.2.1 连续型变量：年龄与收入的分箱

年龄和收入是典型的连续型变量，在催收模型中往往呈现非线性关系。例如，25岁以下和55岁以上的客户逾期后回收率显著低于中间年龄段。直接使用原始数值会丢失这种分段效应。

推荐使用等频分箱 + 坏账率校准的方法：

# Python伪代码：年龄分箱与坏账率校准
import pandas as pd
import numpy as np

def age_binning_with_badrate(df, age_col, target_col, n_bins=5):
    """
    基于坏账率进行年龄分箱校准
    """
    # 初始等频分箱
    df['age_bin'] = pd.qcut(df[age_col], q=n_bins, duplicates='drop')
    
    # 计算每个分箱的坏账率
    bin_stats = df.groupby('age_bin')[target_col].agg(['count', 'mean'])
    bin_stats.columns = ['count', 'bad_rate']
    
    # 合并相邻低差异分箱（坏账率差异 < 0.5%）
    merged_bins = []
    current_bin = []
    for idx, row in bin_stats.iterrows():
        current_bin.append(idx)
        if len(current_bin) > 1:
            prev_rate = bin_stats.loc[current_bin[-2], 'bad_rate']
            if abs(row['bad_rate'] - prev_rate) > 0.005:
                merged_bins.append(current_bin[:-1])
                current_bin = [idx]
    merged_bins.append(current_bin)
    
    # 生成最终分箱映射
    bin_mapping = {}
    for i, bins in enumerate(merged_bins):
        for b in bins:
            bin_mapping[b] = f'age_group_{i+1}'
    
    df['age_group'] = df['age_bin'].map(bin_mapping)
    return df

4.2.2 类别型变量：职业与学历的编码

职业和学历属于类别型变量，但催收场景中它们具有天然的排序或层级关系。学历是典型的有序变量，职业则可以通过目标编码（Target Encoding）转化为风险评分。

4.3 特征衍生：从单变量到组合画像

单一画像字段的预测能力有限，真正的价值在于字段之间的交叉组合。以下是最有效的三类衍生方法：

4.3.1 交叉组合特征

将两个或多个画像字段组合，形成新的复合特征。这类特征往往能捕捉到单一字段无法体现的风险模式。

• 年龄 × 学历：年轻高学历 vs 年轻低学历，还款意愿差异显著
• 收入 × 职业：高收入自由职业者 vs 高收入稳定职业者，还款能力稳定性不同
• 性别 × 婚姻状况：已婚女性 vs 未婚女性，催收沟通策略不同
• 年龄 × 收入：构建"收入年龄比"，衡量收入相对于年龄的合理性

4.3.2 比率与差值特征

通过数学运算生成具有业务含义的衍生变量：

# 常用比率特征计算
# 1. 收入负债比 = 月收入 / 当前逾期金额
df['income_debt_ratio'] = df['monthly_income'] / (df['overdue_amount'] + 1)

# 2. 年龄收入偏离度 = (客户收入 - 同年龄均值收入) / 同年龄收入标准差
age_income_mean = df.groupby('age')['monthly_income'].transform('mean')
age_income_std = df.groupby('age')['monthly_income'].transform('std')
df['age_income_deviation'] = (df['monthly_income'] - age_income_mean) / (age_income_std + 1e-6)

# 3. 学历收入溢价 = 客户收入 / 同学历中位数收入
edu_income_median = df.groupby('education')['monthly_income'].transform('median')
df['edu_income_premium'] = df['monthly_income'] / (edu_income_median + 1)

4.3.3 时间稳定性特征

如果画像字段有历史版本（如客户更新过职业信息），可以提取稳定性指标：

• 职业变更次数：近12个月内职业信息修改次数，反映职业稳定性
• 收入波动率：近6个月收入字段的标准差/均值，衡量收入稳定性
• 居住地变更频率：地址信息更新次数，反映客户流动性

4.4 画像特征与催收渠道的匹配逻辑

不同的客户画像特征组合，应当匹配不同的催收渠道和话术策略。以下SVG图展示了画像特征驱动的渠道分流决策框架：

4.5 画像特征的重要性评估与迭代

特征提取完成后，需要通过量化指标评估每个画像特征及其衍生特征对催收模型的贡献度。推荐使用以下三种方法进行交叉验证：

4.6 实战案例：画像特征驱动的催收策略优化

以下是一个真实项目中的画像特征应用案例，展示了从特征提取到策略落地的完整链路：

Step 1：特征提取与衍生

• 基础特征：年龄、性别、职业、收入、学历、婚姻状况
• 衍生特征：收入负债比、年龄收入偏离度、职业稳定性（近12个月变更次数）
• 交叉特征：年龄×学历（4×4=16个组合）、收入×职业（分箱后交叉）

Step 2：特征筛选

• IV值排名前5的特征：收入负债比（0.42）、年龄收入偏离度（0.35）、职业稳定性（0.28）、年龄×学历组合（0.24）、收入×职业组合（0.21）
• 剔除特征：性别（IV=0.03）、婚姻状况（IV=0.05）——单独预测力弱，但保留在交叉特征中

Step 3：渠道匹配策略

• 高意愿组（收入负债比>3且年龄收入偏离度>0）：AI语音外呼，每日1次，温和提醒话术
• 中能力组（收入负债比1-3或年龄收入偏离度-1~0）：人工电话，每日2次，协商还款话术
• 低意愿组（收入负债比<1且年龄收入偏离度<-1）：人工电话+短信，每日3次，施压话术

Step 4：效果验证

• A/B测试30天后，实验组M1回收率从62%提升至71.3%，提升幅度9.3个百分点
• 高意愿组回收率84.2%，中能力组回收率68.7%，低意愿组回收率52.1%
• 画像特征驱动的策略相比统一策略，每万单减少人工通话时长约120小时

该案例充分说明，高质量的画像特征提取与衍生是催收策略精准化的基石。下一阶段的工作重点是将画像特征与动态行为特征（如还款历史、联系记录）进行融合，构建更完整的客户风险视图。