4. 特征构建方法论：基于时间窗口的统计特征、行为衍生特征与文本NLP特征
在催收策略中，原始数据（如通话记录、短信记录、IVR交互日志）通常无法直接用于模型训练。特征构建是将原始数据转化为具有预测能力的数值化表达的核心环节。本章聚焦三类最有效的特征构建方法：时间窗口统计特征、行为衍生特征以及文本NLP特征。
核心原则：特征构建应遵循“业务可解释、分布可稳定、计算可回溯”的三可原则。避免构建过于复杂或无法在线上实时计算的“黑盒”特征。
4.1 基于时间窗口的统计特征（近7天/30天触达次数）
时间窗口特征是最基础、最稳定的催收特征类型。它通过统计过去特定时间段内催收行为的频次、密度和变化趋势，刻画催收力度的强弱。
核心构建逻辑：
- 窗口选择： 近1天、近3天、近7天、近15天、近30天是催收场景中最常用的窗口。短窗口（1-3天）反映近期催收紧迫度，长窗口（15-30天）反映整体催收强度。
- 统计量： 除简单的计数（总触达次数）外，还应包括最大值、最小值、均值、标准差、最近一次触达距今天数等。
- 触达渠道细分： 将总触达次数拆分为人工外呼次数、IVR次数、短信次数、AI外呼次数，不同渠道的催收效力差异显著。
实战案例：某消费金融项目发现，“近7天人工外呼次数”与“近30天总触达次数”的比值（即近期人工催收占比）对M3+回收率具有显著区分度。当该比值超过0.6时，回收率下降12%，提示过度催收可能导致客户失联。
4.2 基于行为的衍生特征（响应率、接通率）
行为衍生特征关注的是客户对催收触达的反馈行为，而非催收方发起的动作。这类特征能更直接地反映客户的还款意愿、资金状况和失联风险。
核心特征清单：
| 特征名称 | 计算公式 | 业务含义 | 典型应用场景 |
|---|---|---|---|
| 近7天接通率 | 接通次数 / 外呼总次数 | 客户近期联系可达性 | 失联预警、催收策略切换 |
| 近30天响应率 | 客户主动回电或回复短信次数 / 触达总次数 | 客户对催收的配合度 | 还款意愿评分、协商意愿识别 |
| 平均应答时长 | 从外呼开始到客户接听的平均秒数 | 客户对催收电话的警惕性 | 高风险客户识别、最佳外呼时段选择 |
| 承诺还款履约率 | 实际还款次数 / 承诺还款次数 | 客户信用承诺的可信度 | 催收优先级排序、是否升级催收手段 |
| 短信点击率 | 点击还款链接次数 / 短信发送次数 | 客户对线上还款渠道的接受度 | 渠道偏好分析、自助还款引导 |
避坑提示：计算接通率时，必须排除“空号”、“停机”、“关机”等无效外呼。若将无效外呼计入分母，接通率会被系统性低估，导致模型误判客户失联风险。建议在数据清洗阶段增加“外呼结果码”过滤逻辑。
4.3 基于文本的NLP特征（催收话术关键词）
催收通话录音和短信文本中蕴含大量语义信息。通过NLP技术提取关键词、意图和情感倾向，可以构建出传统数值特征无法捕捉的深层特征。
特征构建步骤：
- 文本预处理： 将通话录音转写为文本（ASR），进行分词、去停用词、文本清洗。
- 关键词提取： 基于业务词典或TF-IDF，提取“承诺还款”、“明天转账”、“再宽限几天”、“没钱”等催收场景高频词。
- 意图分类： 将客户回复分为“积极还款”、“协商延期”、“拒绝还款”、“失联/挂断”等类别。
- 情感打分： 对客户语气进行正面/负面/中性情感评分，负面情绪累积次数可作为风险信号。
- 特征聚合： 将单次通话的NLP结果按时间窗口（近7天/30天）聚合为统计特征，如“近7天出现‘承诺还款’关键词的次数”、“近30天负面情感通话占比”。
| NLP特征类别 | 示例关键词/标签 | 特征构建方式 | 预测价值 |
|---|---|---|---|
| 还款承诺类 | “明天还”、“马上转”、“发工资还” | 近7天出现次数 + 最近一次出现距今天数 | 高：承诺后未履约是强风险信号 |
| 困难陈述类 | “没钱”、“失业了”、“家人生病” | 近30天出现次数 + 是否首次出现 | 中：需结合其他特征判断真实性 |
| 对抗拒绝类 | “别打了”、“投诉你”、“不关我事” | 近7天出现次数 + 连续出现天数 | 高：对抗情绪升级预示失联或投诉风险 |
| 协商意愿类 | “分期”、“减免”、“延期” | 近30天出现次数 + 是否主动提出 | 中高：可引导至协商还款策略 |
| 情感倾向类 | 正面/中性/负面 | 近7天负面通话占比 + 情感得分均值 | 高：情感持续负面与回收率负相关 |
工程化建议：NLP特征的计算成本较高，建议采用“离线批量计算 + 在线缓存”的架构。每天凌晨对全量客户近30天的通话文本进行NLP处理，将结果存入特征存储（Feature Store），线上模型实时读取即可。避免在推理链路中引入实时ASR和NLP模型，以免增加延迟。
4.4 三类特征的对比与融合策略
在实际建模中，三类特征并非孤立使用，而是需要有机融合。下表从多个维度对比三类特征的特点，并给出融合建议。
| 对比维度 | 时间窗口统计特征 | 行为衍生特征 | 文本NLP特征 |
|---|---|---|---|
| 数据来源 | 催收系统操作日志 | 客户交互行为日志 | 通话录音/短信文本 |
| 计算复杂度 | 低（SQL即可完成） | 低-中（需简单聚合） | 高（需ASR+NLP模型） |
| 特征稳定性 | 高（受策略调整影响小） | 中（受客户状态波动影响） | 低-中（受话术和语境影响） |
| 预测区分度 | 中（基础必备） | 高（核心预测变量） | 高（增量信息丰富） |
| 可解释性 | 高 | 高 | 中（需结合关键词展示） |
| 推荐融合方式 | 作为基线特征，全部加入 | 作为核心特征，优先筛选 | 作为增强特征，逐步迭代加入 |
融合策略建议：建议采用“分层融合”策略。第一层使用时间窗口特征构建基础模型；第二层加入行为衍生特征，观察AUC提升幅度（通常可提升3-8%）；第三层逐步引入NLP特征，重点监控特征重要性排序，剔除冗余或过拟合的NLP特征。最终保留20-30个高质量特征用于模型训练。