4. 分流变量体系：客户画像变量、行为变量、历史催收响应变量、外部数据变量
有效的A/B分流方案依赖一套科学、多维的变量体系。变量质量直接决定分流模型的区分度与合规边界。本章将变量归纳为四大核心维度：客户画像变量、行为变量、历史催收响应变量与外部数据变量。每个维度下包含若干关键字段，需结合业务场景与数据合规要求进行筛选与工程化处理。
核心原则：分流变量必须满足“可获取、可解释、可回溯、合规授权”四项基本要求。严禁使用与债务无关的敏感个人信息（如宗教信仰、政治面貌、健康数据）作为分流依据。
4.1 客户画像变量
客户画像变量描述客户的基础属性与静态特征，是分流模型的基础层。这类变量通常来自申请阶段或存量客户信息库，更新频率较低，但稳定性高。
| 变量类别 | 典型字段 | 分流应用场景 | 合规关注点 |
|---|---|---|---|
| 人口属性 | 年龄、性别、婚姻状况、学历 | 区分不同生命周期的还款能力与意愿 | 避免年龄歧视，不得用于未成年人 |
| 地域属性 | 户籍地、居住地、工作地（省/市/区） | 区域催收资源调配、方言匹配 | 不得基于地域进行差别对待 |
| 职业与收入 | 行业、职位、月收入区间、社保缴纳基数 | 评估稳定还款来源，匹配催收强度 | 收入信息需客户授权，不得外泄 |
| 产品属性 | 贷款金额、期限、利率、担保方式 | 区分高风险产品与低风险产品 | 产品条款需明确告知 |
工程建议：客户画像变量建议做WOE（Weight of Evidence）分箱处理，将连续变量（如年龄、收入）转化为离散分箱，提升模型稳定性与可解释性。
4.2 行为变量
行为变量反映客户在贷款存续期内的动态表现，是分流模型中权重最高的变量组。这类变量更新频率高（日级甚至实时），能及时捕捉客户风险状态的变化。
- 还款行为：还款准时率、还款方式偏好（自动扣款/手动转账）、最近一次还款距今天数、还款金额波动率。
- 用款行为：提款频率、提款金额占额度比、资金流向（消费/转账/取现）。
- 联系行为：客服热线拨打次数、在线客服咨询内容（是否涉及还款困难）、APP登录频率与时段。
- 交易行为：绑定银行卡交易流水、大额消费记录、跨行转账频次。
合规红线：行为变量采集必须基于用户授权协议，不得通过爬虫、SDK静默采集等违规方式获取。涉及通话录音分析时，需明确告知客户并取得同意。
4.3 历史催收响应变量
历史催收响应变量是催收领域特有的“记忆”变量，记录客户在过往催收周期中的行为反馈。这类变量对预测客户未来响应概率具有极高价值，是A/B分流中区分“有效触达”与“无效触达”的关键。
| 变量名称 | 定义 | 数据粒度 | 典型应用 |
|---|---|---|---|
| 历史接通率 | 过去N次催收外呼中接通次数占比 | 客户级/账户级 | 判断客户是否“失联”或“拒接” |
| 历史承诺还款率 | 客户在催收中承诺还款并实际履约的比例 | 客户级 | 识别“假承诺”客户，调整催收策略 |
| 历史投诉次数 | 客户因催收行为发起投诉的总次数 | 客户级 | 触发合规保护，降低催收频次 |
| 历史还款周期 | 从逾期日到实际还款日的平均天数 | 账户级 | 预测本次逾期时长，匹配催收强度 |
| 历史最佳联系时段 | 过去成功接通并产生有效沟通的时段分布 | 客户级 | 优化外呼时间，提升触达效率 |
数据工程要点：历史催收响应变量需构建“滑动窗口”特征。例如“过去7天接通率”比“历史总接通率”更能反映客户近期状态。建议同时保留短期（7天）、中期（30天）、长期（90天）三个时间窗口的特征。
4.4 外部数据变量
外部数据变量用于补充内部数据的盲区，尤其在客户失联、信息不完整或需要交叉验证时发挥重要作用。使用外部数据必须严格遵守《个人信息保护法》与《征信业管理条例》的相关规定。
- 征信数据：央行征信报告中的逾期记录、查询次数、负债率、担保余额。需客户授权，且仅用于风险评估。
- 司法数据：失信被执行人名单、限制高消费名单、诉讼记录。用于识别恶意逃废债客户。
- 运营商数据：手机号在网时长、活跃度、联系人网络密度。用于失联修复与联系人核实。
- 社保/公积金数据：缴费单位、缴费基数、连续缴费月数。辅助评估客户就业状态与收入稳定性。
- 多头借贷数据：近3个月申请贷款平台数、当前在贷平台数。用于识别共债风险。
合规底线：外部数据必须通过合法合规的数据接口获取，严禁购买“黑数据”或通过非授权渠道爬取。所有外部数据的使用需在客户授权协议中明确列出数据来源与用途，并保留数据调用日志至少3年。
4.5 变量体系整合与优先级
在实际分流模型中，四大变量维度并非简单堆叠，而是按预测能力、稳定性、合规风险三个维度进行加权整合。以下为变量优先级参考矩阵：
| 优先级 | 变量维度 | 典型变量 | 权重建议 | 合规等级 |
|---|---|---|---|---|
| P0（最高） | 行为变量 | 还款准时率、近期登录行为 | 35% - 45% | 中（需授权） |
| P1 | 历史催收响应变量 | 历史接通率、承诺履约率 | 25% - 30% | 低（内部数据） |
| P2 | 客户画像变量 | 年龄、收入区间、产品属性 | 15% - 20% | 低（基础信息） |
| P3 | 外部数据变量 | 征信查询次数、多头借贷 | 5% - 15% | 高（需强授权） |
实践建议：在A/B分流模型上线初期，建议优先使用P0和P1变量构建轻量级分流规则，待模型稳定运行后再逐步引入P2和P3变量进行迭代优化。外部数据变量应设置“开关”机制，当客户撤回授权时自动降级为内部变量策略。