1. 课程导论：什么是催收触达A/B测试，特征筛选在其中的核心价值与整体课程目标
1.1 催收触达A/B测试的定义与业务场景
催收触达A/B测试，是指在贷后催收场景中，针对同一批逾期客户，通过随机分组的方式，对不同催收策略（如不同的外呼时段、短信话术、IVR语音、催收函件模板等）进行对比实验，以量化评估各策略对还款率、联系率、投诉率等核心指标的真实影响。
典型的催收触达A/B测试流程包含以下环节：
- 实验设计：确定实验变量（如触达时间、渠道、话术）、对照组与实验组划分、样本量计算。
- 特征工程：从客户画像、历史行为、逾期属性、催收记录中提取候选特征。
- 特征筛选：剔除冗余、噪声、高相关特征，保留对实验效果最敏感的特征子集。
- 实验执行：在催收系统中按分组策略执行触达任务。
- 效果评估：统计显著性检验、效应量计算、多维度指标对比。
- 策略迭代：根据实验结果优化催收策略，进入下一轮测试。
业务痛点： 催收数据通常具有高维度（数百个客户属性）、强噪声（非结构化通话文本）、稀疏性（部分特征缺失率高）等特点。若不经过系统化的特征筛选，A/B测试极易陷入“维度灾难”，导致统计功效下降、假阳性率上升、策略误判。
1.2 特征筛选在催收A/B测试中的核心价值
特征筛选并非简单的“降维”，而是提升实验科学性与业务可解释性的关键步骤。其核心价值体现在以下四个维度：
| 价值维度 | 具体说明 | 业务影响 |
|---|---|---|
| 提升统计功效 | 剔除无关特征后，实验组与对照组的差异更容易被检测到，降低II类错误（假阴性）概率。 | 减少“有效策略被误判为无效”的损失 |
| 控制多重比较 | 减少同时检验的特征数量，降低I类错误（假阳性）累积风险。 | 避免“无效策略被错误推广”的合规风险 |
| 增强可解释性 | 保留少量关键特征，使策略效果归因更清晰，便于业务团队理解与信任。 | 加速策略从实验到落地的决策周期 |
| 降低计算成本 | 减少模型训练与推理的资源消耗，支持更频繁的迭代实验。 | 降低技术基础设施投入 |
经验法则： 在催收A/B测试中，特征数量通常建议控制在样本量的 1/10 ~ 1/20 以内。例如，10万样本的实验，候选特征应不超过 5000~10000 个，经过筛选后保留 50~200 个核心特征。
1.3 特征筛选的整体框架
本课程将特征筛选划分为三个递进阶段，形成完整的筛选流水线：
- 第一层：过滤式（Filter） —— 基于统计指标（方差、相关系数、IV值、卡方检验）快速剔除低质量特征，不依赖具体模型。
- 第二层：包裹式（Wrapper） —— 使用递归特征消除（RFE）、前向/后向选择等搜索策略，结合催收模型（如XGBoost、逻辑回归）评估特征子集效果。
- 第三层：嵌入式（Embedded） —— 利用L1正则化（Lasso）、树模型特征重要性、SHAP值等，在模型训练过程中自动完成特征选择与排序。
1.4 课程整体目标
通过本课程的学习，你将能够：
- 掌握催收A/B测试特征筛选的完整方法论，从理论到代码实现，覆盖过滤式、包裹式、嵌入式三大类方法。
- 独立构建特征筛选流水线，在Python环境中使用pandas、scikit-learn、XGBoost、SHAP等工具完成端到端筛选。
- 理解催收业务特征的特殊性，包括缺失值处理、时间序列特征、文本特征（通话记录）的筛选策略。
- 避免常见陷阱，如数据泄露、过拟合、多重比较校正、特征稳定性检验等。
- 产出可落地的特征筛选报告，包含特征重要性排序、筛选前后模型效果对比、业务可解释性分析。
⚠️ 重要提示： 特征筛选不是一次性工作。随着催收策略迭代、客群结构变化、监管政策调整，特征的重要性会动态变化。建议建立特征监控与定期重筛机制，通常每季度或每轮大规模策略更新后重新执行筛选流程。
1.5 课程适用对象与前置知识
| 角色 | 关注重点 | 前置要求 |
|---|---|---|
| 催收策略分析师 | 特征筛选的业务含义、筛选结果的可解释性、策略落地建议 | 了解催收业务流程、基础统计学概念 |
| 数据科学家/算法工程师 | 筛选算法的原理、代码实现、性能优化、模型集成 | Python编程、机器学习基础、pandas/sklearn使用经验 |
| 风控/贷后管理人员 | 特征筛选对合规、成本、效率的影响，实验设计合理性 | 贷后管理知识、A/B测试基本概念 |
本课程将兼顾业务视角与技术实现，每章均包含理论讲解、代码示例、业务案例与避坑指南，确保不同背景的学员都能获得可迁移的实战能力。