📚 课程目录第3章商户分群方法论

风险控制评分沙盘：商户分群与实战 - 第3节

商户分群方法论：分群的目的与原则

商户分群是风险控制评分沙盘的核心环节。其根本目的是将具有相似风险特征、交易行为或经营模式的商户归并为同一群体，从而为后续的差异化风控策略（如额度管理、交易监控、费率定价）提供精准的决策基础。

原则	说明	反例
可解释性	分群结果应能被业务方理解，每个群体的特征有明确的业务含义。	仅凭算法输出的难以解释的聚类编号。
稳定性	分群结果在时间维度上应保持相对稳定，避免频繁波动导致策略失效。	每周分群结果差异巨大，无法制定稳定策略。
可行动性	每个分群都应能对应到具体的风控动作或业务策略。	分出一个“无法采取任何措施”的群体。
互斥与穷尽	每个商户只能属于一个群体，且所有商户都应被划分到某个群体中。	商户同时属于两个群体，或部分商户无法归类。

实战提示： 在开始分群前，务必与业务方对齐分群目标。是为了降低欺诈损失，还是为了提升优质商户的体验？目标不同，分群的特征选择和粒度也会截然不同。

硬分群（Hard Segmentation）是指依据明确的、预先定义的业务规则或阈值，将商户划分到不同的群体中。这种方法逻辑清晰、易于实施和解释，是风控实践中常用的起步方法。

    硬分群的优势： 规则透明，易于审计和调整；实施成本低，可快速上线。
    
    硬分群的局限： 规则边界生硬，可能遗漏复杂风险模式；难以发现数据中的隐含结构。

软分群（Soft Segmentation）通常指利用无监督学习算法（如K-Means、DBSCAN、层次聚类），根据商户的多维特征自动发现数据中的自然分组。这种方法能够捕捉到规则难以定义的复杂相似性。

注意事项： 软分群的结果需要经过充分的业务验证。聚类算法发现的“数学上的簇”不一定具有业务意义。务必与业务团队共同审视每个群体的特征画像，避免“为了聚类而聚类”。

无论是硬分群还是软分群，都需要通过量化指标来评估分群的质量和有效性。评估指标主要分为两大类：聚类内部评估指标和业务效果评估指标。

指标名称	计算公式/原理	评估目标	最佳值
轮廓系数	(b - a) / max(a, b)，a为簇内距离，b为最近簇距离	衡量样本与自身簇的紧密程度及与其他簇的分离程度	接近1
Davies-Bouldin指数	计算任意两个簇的相似度，取最大值平均	衡量簇内紧致度与簇间分离度的比值	越小越好
Calinski-Harabasz指数	簇间离散度与簇内离散度的比值	评估簇间方差与簇内方差的比率	越大越好

群体风险区分度： 不同分群之间的逾期率、欺诈率等风险指标是否存在显著差异。例如，高风险群的平均逾期率应为低风险群的数倍。
策略效果提升： 应用分群后的差异化策略后，整体风险损失是否下降，或优质商户的通过率是否提升。
群体稳定性（PSI）： 群体稳定性指数（Population Stability Index）衡量分群在不同时间窗口内的分布变化。PSI < 0.1 表示稳定性高。

    评估最佳实践： 不要只看聚类内部指标。一个轮廓系数很高的分群，可能在业务上毫无意义。务必结合业务效果指标，如“高风险群体捕获率”和“误杀率”，来综合评估分群的实际价值。