1. 催收业务概述
1.1 催收行业现状
中国消费信贷市场在经历高速增长后，不良资产规模持续攀升。截至2024年末，银行业不良贷款余额已超过3.8万亿元，信用卡逾期半年未偿信贷总额突破千亿。催收行业正面临三大核心挑战：
- 合规趋严：个人信息保护法、催收行为规范等法规落地，暴力催收、过度骚扰等行为被严格禁止。
- 成本攀升：人工外呼成本年均增长8%-12%，坐席流失率高达30%，传统人海战术难以为继。
- 效率瓶颈：平均案件回收率仅15%-20%，大量低效触达浪费资源，逾期早期与晚期策略同质化严重。
关键数据：头部机构已通过模型驱动策略将首催回收率提升40%以上，触达模型正从“辅助工具”升级为“核心引擎”。
1.2 催收生命周期
催收业务按逾期天数划分为四个核心阶段，每个阶段的客群特征、触达策略与合规要求差异显著：
| 阶段 | 逾期天数 | 客群特征 | 核心触达方式 | 回收率区间 |
|---|---|---|---|---|
| M1 早期 | 1-30天 | 遗忘、临时周转困难 | 短信、智能语音提醒 | 60%-80% |
| M2 中期 | 31-60天 | 还款意愿下降、部分失联 | 人工外呼+IVR策略 | 30%-50% |
| M3 晚期 | 61-90天 | 恶意拖欠、多头借贷 | 专业坐席+信函/法催 | 10%-25% |
| M3+ 呆账 | 90天以上 | 失联率高、还款能力极弱 | 委外催收、法律诉讼 | <10% |
生命周期启示：M1阶段是触达模型发挥最大价值的窗口期——客群基数大、回收率高、策略容错空间大，模型可快速迭代验证。
1.3 触达模型在催收中的核心价值
触达模型并非简单的“打电话预测”，而是通过数据驱动，在正确的时间、用正确的渠道、向正确的客户发送正确的催收信息。其核心价值体现在三个维度：
- 精准分层：基于客户历史行为、还款能力、失联概率等特征，将案件划分为高响应、中响应、低响应客群，避免“一刀切”式催收。
- 渠道优选：自动决策使用短信、智能语音、人工外呼、信函或APP推送，降低无效触达成本。例如，对高响应客群优先使用低成本短信，对高风险客群直接升级人工。
- 时机优化：分析客户接听习惯、活跃时段、发薪日等时间特征，将触达安排在最佳响应窗口，提升接通率与还款转化率。
1.4 触达模型的核心指标
衡量触达模型效果需建立多维指标体系，避免单一指标导向的偏差：
| 指标类别 | 指标名称 | 计算公式 | 行业基准 |
|---|---|---|---|
| 触达效率 | 有效触达率 | 成功触达案件数 / 总外呼案件数 | ≥65% |
| 转化效果 | 触达回收率 | 触达后7日内还款金额 / 触达案件总欠款 | ≥25% |
| 成本控制 | 单案触达成本 | 总触达成本 / 有效触达案件数 | ≤3.5元 |
| 合规风险 | 投诉率 | 投诉案件数 / 总触达案件数 | ≤0.5% |
避坑提醒：不要只盯着“接通率”优化。高接通率但低还款转化，说明触达内容或策略失效。必须将触达率与回收率联动分析，才能评估模型真实价值。
1.5 触达模型与看板的关系
触达模型本身是算法与策略的集合，而看板是其“驾驶舱”。没有看板，模型输出只是一堆概率分数，业务人员无法快速决策。看板需要实时呈现：
- 各逾期阶段的触达覆盖率与回收率趋势
- 不同渠道（短信/语音/人工）的转化效率对比
- 模型预测分段的实际表现（校准曲线）
- 异常预警：如某渠道触达率骤降、投诉率飙升、模型分数偏移