1. 催收特征概述
1.1 催收特征的定义
催收特征（Collection Feature）是指在贷后管理环节中，从借款人基础信息、借贷行为、还款记录、外部征信及交互轨迹中提取的、用于刻画借款人逾期风险与还款意愿/能力的可量化变量。它是催收策略模型中最基本的输入单元，也是合规催收决策的“第一道数据关口”。
核心定义公式： 催收特征 = 业务语义 × 数据源 × 计算逻辑（窗口期 + 聚合方式 + 归一化处理）
催收特征按数据来源可划分为以下五大类：
| 特征大类 | 典型数据源 | 示例特征 |
|---|---|---|
| 基础属性类 | 申请信息、身份核验 | 年龄、职业、收入区间、所在地区 |
| 借贷行为类 | 借还款流水、额度使用 | 历史逾期天数、近3月借款次数、额度使用率 |
| 还款能力类 | 银行流水、社保/公积金 | 月均入账金额、收入波动率、可用余额 |
| 外部征信类 | 央行征信、百行/朴道 | 征信查询次数、其他平台逾期标记、多头借贷数 |
| 交互轨迹类 | 催收通话、短信、APP操作 | 接通率、承诺还款次数、APP登录频率 |
1.2 特征在催收策略中的作用
催收特征直接决定了策略分层的精细度与合规边界。在贷后催收全流程中，特征承担以下四项核心职能：
- 风险分层： 通过特征将逾期客群划分为高、中、低风险组，匹配差异化的催收强度与频次。
- 触达优先级排序： 基于特征预测的还款概率，决定先联系谁、用什么渠道联系。
- 合规红线识别： 利用特征标记敏感客群（如失联、重病、涉诉），避免违规催收动作。
- 策略效果归因： 特征贡献度分析可定位策略失效环节，驱动迭代优化。
业务案例： 某消费金融公司引入“近7日通话接通率”特征后，将高接通率客群的短信催收频次从每日3次降至1次，投诉率下降37%，回收率反而提升5%。特征不是越多越好，而是越“合规有效”越好。
1.3 特征筛选的合规必要性
催收特征筛选不是单纯的数据降维或模型优化问题，而是直接关系到金融机构是否触碰监管红线的合规命题。根据《商业银行互联网贷款管理暂行办法》《个人信息保护法》《催收行为自律公约》等法规要求，特征筛选必须满足以下合规底线：
| 合规维度 | 具体要求 | 违规后果 |
|---|---|---|
| 数据来源合法性 | 特征数据必须获得用户授权，禁止爬取或购买未经同意的第三方数据 | 行政处罚、吊销牌照、刑事责任 |
| 特征公平性 | 不得使用种族、宗教、政治面貌、健康等歧视性特征 | 集体诉讼、声誉崩塌、监管重罚 |
| 特征可解释性 | 黑盒特征（如无业务含义的深度嵌入向量）需提供业务逻辑说明 | 模型备案不通过、策略下线 |
| 特征时效性 | 逾期超过一定期限的特征需降权或剔除，避免“翻旧账”式催收 | 投诉激增、监管约谈 |
| 最小必要性 | 只筛选与催收决策直接相关的特征，禁止过度收集 | 侵犯个人信息权益、民事赔偿 |
⚠️ 合规红线案例： 2023年某头部平台因在催收模型中使用“借款人通讯录联系人数量”及“近3月通话对象中借贷平台数量”等未经单独授权的特征，被监管认定违规收集个人信息，罚款1200万元并责令暂停新增业务3个月。特征筛选的合规必要性不是理论问题，而是真金白银的合规成本。
本节要点总结：
• 催收特征是连接原始数据与催收策略的桥梁，必须同时具备业务含义与合规资质。
• 特征在策略中承担风险分层、触达排序、合规识别、效果归因四大作用。
• 合规必要性贯穿特征筛选全流程：合法性 → 公平性 → 可解释性 → 时效性 → 最小必要性。
• 一次不合规的特征筛选，可能导致千万级罚款与业务停摆，合规是催收特征的生命线。
• 催收特征是连接原始数据与催收策略的桥梁，必须同时具备业务含义与合规资质。
• 特征在策略中承担风险分层、触达排序、合规识别、效果归因四大作用。
• 合规必要性贯穿特征筛选全流程：合法性 → 公平性 → 可解释性 → 时效性 → 最小必要性。
• 一次不合规的特征筛选，可能导致千万级罚款与业务停摆，合规是催收特征的生命线。