📚 课程目录第2章人群切片基础概念

2、人群切片基础概念

2.1 什么是人群切片

人群切片（Customer Segmentation / Population Slicing）是将信贷申请或存量用户按照特定维度拆分为若干个内部同质、外部异质的子群体，以便针对不同子群体制定差异化的额度策略。在风控领域，切片不是简单的“分群”，而是基于业务逻辑与数据特征，对用户进行精细化分层的过程。

  核心定义：人群切片 = 维度组合 + 阈值划分 + 业务标签。例如：将“近3个月消费金额 > 5000元”且“征信查询次数 ≤ 3次”的用户划为“优质活跃客群”。

与传统的“一刀切”策略相比，人群切片能够显著提升额度策略的精准度与灵活性。下图展示了从全量用户到切片输出的完整流程：

2.2 切片的目的与价值

人群切片在额度策略中承担着承上启下的关键作用——向上承接风险偏好与授信政策，向下指导具体额度计算与调优。其核心目的与价值体现在以下五个方面：

目的维度	具体说明	业务价值
风险分层	将不同风险等级的用户区分开，避免“好客被低估、坏客被高估”	降低坏账率 15%~30%
收益最大化	对高价值客群给予更高额度，刺激消费与复贷	提升户均收入 20%+
资源优化	将风控资源（人工审核、催收）集中在高风险切片	运营成本降低 10%~25%
策略差异化	不同切片适用不同的额度公式、利率、期限	转化率提升 5%~15%
监控与迭代	切片级别的指标监控比全量更敏感，便于快速发现异常	风险预警提前 2~4 周

实践提示：在额度策略上线初期，建议先做 5~8 个粗粒度切片；随着数据积累，逐步细化到 15~20 个切片。切片并非越多越好，过细会导致样本稀疏、策略不稳定。

2.3 常见切片维度

切片维度的选择直接决定策略效果。根据行业实践，主流切片维度可分为三大类：风险维度、收入维度、行为维度。下表对比了各维度的核心指标与适用场景：

维度大类	核心指标	数据来源	典型切片示例
风险维度	征信评分（A/B/C/D）	央行征信、百行征信	A级客群额度 50,000；D级客群额度 2,000
	逾期历史（M0/M1/M2+）	内部还款记录	无逾期客群 vs 历史逾期30天+客群
	多头借贷数	第三方数据	≤3家机构 vs ≥7家机构
收入维度	月收入区间	收入证明、银行流水	＜5K / 5K~15K / ＞15K
	负债收入比（DTI）	收入+征信负债	DTI≤30% / 30%~50% / ＞50%
	职业稳定性	社保、公积金	公务员/国企 vs 自由职业
行为维度	近3月消费金额	交易流水	高活跃（＞10,000）vs 低活跃（＜1,000）
	APP使用频次	埋点数据	日活用户 vs 月活用户
	复贷间隔	历史借贷记录	＜30天快速复贷 vs ＞180天沉默客群

在实际业务中，单一维度切片往往不够精准，通常采用多维度交叉切片。例如：将“风险维度”与“收入维度”交叉，形成 4×3=12 个切片矩阵，每个格子对应不同的额度策略。

2.4 切片维度的选择原则

在实际项目中，切片维度的选择并非越多越好，需要遵循以下原则：

业务可解释性：每个切片维度必须能被业务方理解，避免使用黑盒模型输出作为唯一切片依据。
数据稳定性：维度指标在时间序列上波动不宜过大，否则切片边界频繁变动，策略难以落地。
样本充足性：每个切片至少需要 1,000~3,000 个样本，否则统计推断不可靠。
策略可操作性：切片结果必须能直接映射到额度计算、利率定价、审批规则等具体动作。
合规性：避免使用敏感属性（如地域、性别、民族）作为切片维度，防止歧视风险。

⚠️ 常见误区：部分团队为了追求“精细化”，一次性使用 10+ 个维度做笛卡尔积切片，导致产生上百个空壳切片（样本量不足 50）。正确的做法是：先做 2~3 个核心维度交叉，再根据数据表现逐步增加维度。

2.5 切片效果的评估指标

切片完成后，需要通过量化指标验证切片是否有效。常用评估指标包括：

指标名称	计算公式	评估标准
切片区分度	各切片坏账率极差 / 全量坏账率	＞2.0 为优秀，1.0~2.0 为良好
切片稳定性	PSI（群体稳定性指数）	PSI ＜ 0.1 为稳定
样本覆盖率	非空切片数 / 总切片数	＞80% 为合格
策略提升度	切片策略下的ROI / 统一策略下的ROI	＞1.2 表示切片有效

在实际工作中，建议在切片上线后持续监控上述指标，每季度至少复盘一次切片效果，及时调整失效的切片维度或阈值。