1. 课程导论：A/B分流的概念、在催收场景中的价值、课程目标与适用人群
1.1 什么是A/B分流？
A/B分流（A/B Split Testing）是一种通过对比实验来评估不同策略效果的方法。在催收场景中，它将同一批逾期案件随机或按规则分为两组（A组与B组），分别应用不同的催收渠道策略，通过对比关键指标来判断哪种策略更优。
核心公式： 效果差异 = 实验组指标 - 对照组指标
| 术语 | 定义 | 催收场景示例 |
|---|---|---|
| A组（实验组） | 应用新策略或新渠道的样本组 | 对M1逾期客户优先使用AI外呼 |
| B组（对照组） | 沿用现有策略或渠道的样本组 | 对M1逾期客户继续使用人工外呼 |
| 分流规则 | 决定案件进入A组或B组的分配逻辑 | 按客户ID尾号奇偶随机分配 |
| 评估指标 | 衡量策略效果的关键量化标准 | 首日联系率、7日回收率 |
1.2 A/B分流在催收场景中的价值
催收行业面临成本攀升、监管趋严、客户体验要求提高等多重挑战。A/B分流为策略优化提供了科学、低风险的验证手段，其核心价值体现在以下四个方面：
- 降低试错成本：在小范围样本中验证新渠道效果，避免全量上线带来的大规模损失。
- 量化策略效果：用数据而非经验判断哪种催收渠道（如AI外呼、短信、人工外呼）更有效。
- 精细化运营：针对不同逾期阶段、不同客群，找到最优渠道组合。
- 合规避险：通过对比实验确保新策略在合规框架内运行，降低投诉风险。
行业洞察： 头部消费金融公司通过A/B分流优化催收渠道组合，平均可将M1回收率提升3-5个百分点，同时降低15%以上的催收成本。
1.3 课程目标
本课程旨在帮助学员系统掌握催收渠道A/B分流效果评估的全流程方法，从实验设计到数据分析，再到策略落地。具体目标包括：
- 理解原理：掌握A/B分流的基本统计学原理与实验设计要点。
- 掌握方法：学会构建分流规则、选择评估指标、计算样本量。
- 数据分析：能够使用常见统计方法（如t检验、卡方检验）判断效果显著性。
- 实战应用：通过真实案例演练，独立完成一次完整的A/B分流效果评估报告。
1.4 适用人群
| 角色 | 学习重点 | 预期收益 |
|---|---|---|
| 催收策略分析师 | 实验设计、指标选择、效果评估 | 提升策略迭代的科学性与效率 |
| 催收运营经理 | 分流规则、渠道组合、成本控制 | 优化资源配置，降低催收成本 |
| 数据分析师 | 统计检验、数据清洗、可视化 | 掌握催收场景下的数据分析方法 |
| 风控建模人员 | 分流与模型结合、效果归因 | 拓展模型在催收环节的应用 |
前置要求： 建议学员具备基础的统计学知识（如假设检验、置信区间）和基本的Python或SQL数据处理能力。本课程将提供必要的代码示例，但不会从头讲解编程基础。