3. 触达特征服务概述
3.1 什么是触达特征
触达特征（Contact Feature）是指在催收作业过程中，从催收员与债务人之间的每一次联系行为中提取的结构化指标。它不同于传统的客户画像特征（如年龄、收入、职业），也不同于贷后风险特征（如逾期天数、历史还款率），而是聚焦于“联系过程”本身的可量化属性。
触达特征的核心价值在于：将一次模糊的“打电话”行为，转化为一组可计算、可比较、可建模的数值向量。例如，一次外呼可以拆解为：
- 时间维度：呼叫时段（上午/下午/晚间）、通话时长、等待时长
- 结果维度：接通状态（未接通/接通/挂断）、承诺还款金额、承诺履约率
- 交互维度：催收员语气强度、债务人情绪波动指数、对话轮次
- 频次维度：当日已触达次数、近7天触达密度、相邻两次触达间隔
关键认知： 触达特征 = 联系行为 × 结构化映射。没有触达特征，催收决策只能依赖“是否联系过”这种二值信号；有了触达特征，决策引擎才能理解“联系的质量和效果”。
3.2 特征在催收决策中的作用
触达特征在催收决策链路中扮演“感知层”的角色。决策引擎需要依赖触达特征回答以下三类核心问题：
| 决策问题 | 依赖的触达特征 | 决策输出 |
|---|---|---|
| 是否继续催收？ | 近3次触达结果、承诺履约率、债务人情绪指数 | 进入下一轮 / 暂缓催收 / 转法务 |
| 用什么方式催收？ | 最佳联系时段、历史接通渠道偏好、对话轮次 | 电话 / 短信 / AI外呼 / 人工外呼 |
| 催收强度如何？ | 当日触达次数、近7天触达密度、语气强度历史均值 | 温和 / 标准 / 强施压 |
具体而言，触达特征在催收决策中的三大作用可以归纳为：
- 策略分群：根据触达特征将债务人划分为不同响应群体。例如，“晚间接通率高且承诺履约率>70%”的群体，可分配至夜间AI外呼策略。
- 动态调优：实时触达特征反馈至决策引擎，动态调整催收策略参数。例如，当检测到债务人情绪指数连续下降时，自动降低催收语气强度。
- 效果归因：通过触达特征与回款结果的关联分析，定位高绩效催收行为模式。例如，“通话时长在90-120秒且包含还款方案讨论”的触达特征组合，回款率显著高于其他组合。
实战经验： 在头部消费金融公司的实践中，引入触达特征后，催收策略的AUC（区分度）平均提升0.08-0.12，同等案件量下回款率提升3%-5%。触达特征是催收精细化运营的“燃料”。
3.3 特征服务的架构定位
触达特征服务在催收技术架构中处于“中间层”位置，向上承接决策引擎的策略调用，向下对接催收作业系统的原始数据流。其架构定位可以用下图清晰表达：
从架构视角看，触达特征服务需要满足以下关键能力：
| 能力维度 | 要求 | 技术实现 |
|---|---|---|
| 实时性 | 触达事件发生后，特征在秒级内可用 | 流式计算（Flink/Spark Streaming）+ 特征缓存（Redis） |
| 一致性 | 同一触达事件在离线分析和在线推理中特征值一致 | 特征计算逻辑复用 + 离线/在线特征对齐校验 |
| 可回溯 | 支持历史任意时刻的特征快照查询 | 特征时间戳版本化 + 特征存储（HBase/ClickHouse） |
| 高可用 | 特征服务故障不影响催收作业主流程 | 降级策略（默认特征值）+ 多副本部署 + 熔断机制 |
架构避坑： 很多团队在初期将触达特征计算逻辑散落在催收作业系统的各个模块中，导致特征口径不一致、重复计算、难以维护。正确的做法是将触达特征服务独立部署，作为催收技术架构的“标准特征层”，所有决策引擎的特征请求统一经过该服务。
触达特征服务的内部模块划分，可以进一步拆解为以下组件：