2. 触达策略设计原则：客户分群策略、触达频率控制、最佳触达时间窗口、渠道优先级排序

催收触达策略的核心目标是在合规、低成本的前提下，最大化还款转化率。本章围绕四大设计原则展开：客户分群、频率控制、时间窗口与渠道排序。这四项原则相互耦合，共同构成一套动态、可量化的触达决策引擎。

2.1 客户分群策略

客户分群是触达策略的第一入口。基于风险等级、行为偏好、历史响应率等维度，将客户划分为不同群体，为后续的频率、时间、渠道策略提供差异化依据。

2.1.1 分群维度与标签体系

分群维度	典型标签	数据来源	策略影响
风险等级	M1、M2、M3+、失联	贷后评分卡、逾期天数	决定触达强度与施压话术
历史响应率	高响应、低响应、沉默	历史触达日志、IVR按键	决定渠道偏好与频次上限
行为偏好	APP活跃、短信偏好、电话拒接	埋点数据、渠道退订记录	决定渠道优先级排序
还款能力	部分还款、承诺未还、无收入	收入流水、历史还款模式	决定是否提供分期方案
时间敏感度	工作日白天、夜间、周末	历史接通时间分布	决定最佳触达时间窗口

2.1.2 分群策略示例

• M1 高响应客户： 短信 + APP Push 为主，电话为辅，每日最多 2 次触达。
• M2 低响应客户： 电话为主，短信为辅，每日最多 3 次触达，尝试不同时段。
• 失联客户： 启动失联修复策略，多渠道交叉验证，降低单渠道频次。
• 承诺未还客户： 电话提醒为主，短信确认承诺，频次可适当提高至 4 次/日。

2.2 触达频率控制

频率控制是合规与用户体验的平衡器。过高的频率会导致投诉、退订甚至法律风险；过低的频率则可能错过最佳催收时机。频率控制需要同时考虑单渠道频次和全渠道总频次。

2.2.1 频率控制策略矩阵

风险等级	单渠道上限（次/日）	全渠道上限（次/日）	最小间隔（分钟）	静默期（天）
M1	2	3	120	1
M2	3	5	60	0.5
M3+	4	6	30	0
失联	1	2	240	2

2.2.2 频率控制实现要点

• 滑动窗口计数器： 使用 Redis Sorted Set 或滑动窗口算法，记录每个客户在时间窗口内的触达次数。
• 渠道隔离： 短信、电话、APP Push 各自维护独立的计数器，避免单一渠道过度使用。
• 全局熔断： 当客户在 24 小时内触达总次数超过阈值时，自动跳过所有非紧急触达任务。
• 节假日与夜间保护： 法定节假日、22:00-08:00 期间，所有渠道频次减半或暂停。

// 频率控制伪代码示例（Redis + Lua）
local key = "freq:" .. KEYS[1] .. ":" .. KEYS[2]  -- 客户ID:渠道
local now = tonumber(ARGV[1])
local window = tonumber(ARGV[2])  -- 时间窗口（秒）
local limit = tonumber(ARGV[3])   -- 频次上限

-- 移除窗口外的记录
redis.call("ZREMRANGEBYSCORE", key, 0, now - window)
-- 获取当前窗口内计数
local count = redis.call("ZCARD", key)
if count >= limit then
    return 0  -- 拒绝触达
end
-- 记录本次触达
redis.call("ZADD", key, now, now)
redis.call("EXPIRE", key, window)
return 1  -- 允许触达

2.3 最佳触达时间窗口

时间窗口直接影响接通率和还款转化率。不同客户群体、不同渠道的最佳时间窗口差异显著。策略引擎需要根据历史数据动态调整每个客户的时间偏好。

2.3.1 渠道时间窗口参考

渠道	最佳时段	次优时段	禁止时段	备注
电话	10:00-11:30, 15:00-17:00	09:00-10:00, 14:00-15:00	12:00-14:00, 21:00-08:00	避开午休与深夜
短信	09:00-11:00, 14:00-17:00	08:00-09:00, 19:00-21:00	22:00-08:00	可适当放宽至晚间
APP Push	08:00-09:00, 12:00-13:00, 18:00-20:00	10:00-12:00, 14:00-17:00	23:00-07:00	利用碎片时间
邮件	08:00-10:00	14:00-16:00	20:00-07:00	工作日优先

2.3.2 个性化时间窗口算法

基于客户历史接通时间分布，构建时间偏好模型：

1. 数据采集： 记录每次触达的接通/失败时间戳。
2. 时段划分： 将一天划分为 48 个时段（每 30 分钟一个 slot）。
3. 权重计算： 统计每个时段的接通率，加权平滑后得到偏好分数。
4. 动态调整： 每周更新一次模型，新客户使用群体默认窗口。

// 时间窗口评分伪代码
function calculateTimeScore(customerId, hourSlot) {
    // 获取该客户在 hourSlot 的历史接通数据
    history = getHistory(customerId, hourSlot)
    if (history.count < 5) {
        // 数据不足，使用群体默认值
        return groupDefaultScore(customerId.group, hourSlot)
    }
    // 加权平均：近期数据权重更高
    score = (history.recentRate * 0.7) + (history.overallRate * 0.3)
    return score
}

2.4 渠道优先级排序

渠道优先级决定了在多个可用渠道中，先触达哪个渠道。排序依据包括：渠道成本、历史转化率、客户偏好、合规要求等。优先级排序需要动态计算，而非静态配置。

2.4.1 渠道评分模型

评估维度	权重	电话	短信	APP Push	邮件
单次成本	15%	0.2	0.8	1.0	0.9
历史转化率	40%	0.9	0.5	0.6	0.3
客户偏好	25%	0.4	0.7	0.8	0.5
合规风险	20%	0.6	0.8	0.9	0.9
综合得分	100%	0.61	0.66	0.78	0.56

上例中，APP Push 综合得分最高，应作为首选渠道；电话虽然转化率高，但成本与合规风险拉低了总分。

2.4.2 渠道优先级动态排序流程

1. 获取可用渠道： 排除客户已退订、设备离线、号码无效的渠道。
2. 计算渠道得分： 根据评分模型计算每个渠道的实时得分。
3. 应用业务规则： 例如“M3+ 客户必须电话触达至少 1 次”，强制提升电话优先级。
4. 排序与选择： 按得分降序排列，选择 Top 1 或 Top N 渠道进行触达。
5. 记录与反馈： 记录本次触达结果，用于后续模型迭代。

2.5 触达策略决策流程总览

以下 SVG 图展示了从客户分群到最终触达的完整决策流程，涵盖本章四大原则的协同工作方式。

2.6 策略组合示例

以下表格展示一个 M2 低响应客户在完整策略下的触达计划示例：

触达顺序	渠道	时间	内容	频率检查
1	APP Push	08:30	账单逾期提醒 + 还款链接	通过
2	短信	10:00	逾期金额 + 违约金说明	通过
3	电话	15:30	人工催收 + 还款方案协商	通过
4	短信	19:00	今日最后提醒 + 还款入口	通过（间隔 > 60 分钟）