1. 课程导论：催收行业现状与挑战、触达效率的核心定义、特征工程在催收中的价值
1.1 催收行业现状与核心挑战
当前催收行业正处于从“人力密集型”向“数据驱动型”转型的关键时期。随着信贷规模持续增长、逾期率波动加剧以及监管合规要求趋严，传统催收模式面临多重压力。
| 维度 | 现状描述 | 核心挑战 |
|---|---|---|
| 业务规模 | 个人消费信贷、信用卡、小微贷逾期余额逐年攀升 | 案件量激增，催收人力增速跟不上案件增速 |
| 监管环境 | 《个人信息保护法》《催收行为规范》等法规密集出台 | 合规红线收紧，暴力催收、高频骚扰等行为被严格禁止 |
| 触达效率 | 平均外呼接通率不足 30%，短信打开率低于 5% | 大量催收资源浪费在无效触达上，成本居高不下 |
| 数据基础 | 机构积累了海量通话记录、还款行为、设备信息等数据 | 数据利用率低，缺乏系统化的特征工程体系来提取有效信号 |
行业痛点总结： 催收行业面临“案件多、合规严、接通低、数据杂”的四重困境。提升触达效率不再是简单的增加外呼频次，而是需要精细化、智能化的策略体系。
1.2 触达效率的核心定义
在催收场景中，触达效率是指催收机构通过特定渠道（电话、短信、AI外呼、信函等）在单位资源投入下，成功与逾期债务人建立有效联系并推动还款行动的比例。它不是一个单一指标，而是一组相互关联的度量体系。
- 接通率：有效外呼中债务人接听电话的比例。反映号码有效性和时段选择合理性。
- 响应率：接通后债务人主动回应催收诉求的比例。反映话术和策略的匹配度。
- 承诺还款率：接通并沟通后债务人做出还款承诺的比例。反映说服力和紧迫感营造。
- 转化率：从触达到实际还款入账的最终转化比例。反映全链路策略的有效性。
- 单位触达成本：每成功触达一个债务人所需的平均成本（人力、通信、系统等）。
关键认知： 触达效率的提升不是追求单一指标最大化，而是在合规前提下，实现“接通率 × 响应率 × 转化率”的乘积最大化，同时控制单位成本在合理区间。
1.3 特征工程在催收中的价值
特征工程是将原始数据转化为可用于建模和策略制定的有效特征的过程。在催收触达场景中，特征工程的价值体现在三个层面：
- 识别最佳触达时机：通过分析历史通话记录、债务人作息规律、设备活跃时段等特征，预测每个案件的最佳外呼时间窗口。
- 匹配最优触达渠道：基于债务人历史响应偏好、号码使用习惯、社交活跃度等特征，动态选择电话、短信、AI外呼或信函渠道。
- 预测还款意愿与能力：利用多头借贷、收入波动、消费行为、社交关系等特征，构建还款概率模型，指导催收资源分配。
常见误区： 很多团队直接使用原始字段（如“逾期天数”“欠款金额”）作为模型输入，忽略了特征交叉、时序聚合、外部数据融合等工程化处理，导致模型效果天花板极低。特征工程不是简单的字段拼接，而是对业务理解的量化表达。
1.4 特征工程驱动触达效率提升的框架
下图展示了特征工程在催收触达全链路中的核心位置与作用路径：
1.5 特征工程的核心流程
一个完整的催收特征工程体系通常包含以下步骤：
| 步骤 | 说明 | 催收场景示例 |
|---|---|---|
| 1. 数据采集与清洗 | 整合多源数据，处理缺失值、异常值、重复记录 | 合并通话记录与还款流水，剔除测试号码和空号 |
| 2. 基础特征构造 | 从原始字段直接提取统计量、频次、时长等 | 近7天外呼次数、平均通话时长、历史承诺还款次数 |
| 3. 时序特征构造 | 基于时间序列提取趋势、周期、波动性 | 还款间隔标准差、接通率周环比、逾期天数变化斜率 |
| 4. 交叉特征构造 | 组合多个维度特征，挖掘非线性关系 | 逾期天数 × 历史接通率、欠款金额 × 收入稳定性评分 |
| 5. 特征选择与降维 | 剔除冗余、低贡献特征，保留高信息密度特征 | 基于IV值、特征重要性、相关性矩阵筛选Top 50特征 |
| 6. 特征监控与迭代 | 持续跟踪特征分布漂移、效果衰减，定期更新 | 月度特征PSI监测，季度特征版本迭代 |
课程定位： 本指南将围绕上述流程，深入讲解每个环节在催收触达场景中的具体实现方法、避坑要点和实战案例，帮助学员建立从数据到策略的完整特征工程能力。