4. 业务指标定义：核心评估指标与次级指标

贷后预警A/B测试的成败，最终要落到可量化、可对比的业务指标上。指标体系的搭建需要遵循“核心驱动决策，次级辅助诊断”的原则。本章将系统定义贷后预警实验中最关键的评估指标，并明确其计算口径与业务含义。

4.1 核心评估指标

核心指标直接反映预警策略对资产质量、资金回收和客户关系的影响，是实验决策的最终依据。以下四个指标构成贷后预警实验的“北极星”体系。

4.2 次级指标

次级指标不直接决定实验胜负，但能帮助分析师快速定位核心指标变化的原因，是诊断策略效果的“显微镜”。

• 触达率： 成功触达客户（短信送达、电话接通、App推送点击）的客户数占目标预警客户总数的比例。触达率低，说明预警通道或客户联系方式存在问题，逾期率上升可能并非策略无效，而是信息未送达。
• 响应率： 触达后客户在指定时间内（如24小时）做出还款、咨询或承诺还款等正向行为的比例。响应率直接反映预警话术、时机和渠道的有效性。

4.3 指标关系与实验评估框架

核心指标与次级指标并非孤立存在，而是构成一个从“触达”到“回收”的完整因果链。下图展示了贷后预警A/B测试中指标间的传导关系。

4.4 指标选取避坑指南

4.5 指标计算示例（Python伪代码）

以下代码展示了在实验数据中计算核心指标与次级指标的基本逻辑，实际生产环境需考虑时间窗口、去重规则和逾期等级细分。

import pandas as pd

# 假设实验数据包含以下字段
# group: 'control' 或 'treatment'
# is_overdue: 1/0
# recovered_amount: 实际回收金额
# due_amount: 应回收金额
# cost: 催收成本
# is_churned: 1/0
# is_reached: 1/0
# is_responded: 1/0

def calculate_metrics(df, group_name):
    group_df = df[df['group'] == group_name]
    total_loans = len(group_df)
    total_customers = group_df['customer_id'].nunique()
    
    metrics = {
        '逾期率': group_df['is_overdue'].sum() / total_loans,
        '回收率': group_df['recovered_amount'].sum() / group_df['due_amount'].sum(),
        '催收成本': group_df['cost'].sum(),
        '客户流失率': group_df['is_churned'].sum() / total_customers,
        '触达率': group_df['is_reached'].sum() / total_customers,
        '响应率': group_df['is_responded'].sum() / group_df['is_reached'].sum()
    }
    return metrics

# 计算实验组与对照组指标
control_metrics = calculate_metrics(exp_data, 'control')
treatment_metrics = calculate_metrics(exp_data, 'treatment')

print("对照组指标:", control_metrics)
print("实验组指标:", treatment_metrics)