催收触达模型概述
催收触达模型的目标与特征
催收触达模型是贷后管理体系中用于预测“在什么时间、通过什么渠道、以什么话术策略联系债务人，最有可能促成还款”的机器学习模型。其核心目标并非单纯提高联系成功率，而是在合规框架下，以最低成本实现最高的有效触达与回收转化。
| 维度 | 目标 | 关键特征 |
|---|---|---|
| 触达效率 | 最大化有效联系率（Contact Rate） | 预测债务人可联系时段、活跃渠道（电话/短信/APP推送） |
| 回收转化 | 最大化承诺还款率与首期还款率 | 识别高意愿债务人，匹配温和或施压话术 |
| 成本控制 | 最小化单次触达成本与人力浪费 | 自动过滤无效号码、停机号、空号 |
| 合规安全 | 避免过度催收、投诉与监管处罚 | 内置频次限制、时段限制、敏感词拦截 |
模型特征体系示例： 催收触达模型通常包含三类特征——债务人画像特征（年龄、收入区间、历史逾期天数）、行为时序特征（近7天接听率、平均通话时长、短信点击率）、外部环境特征（节假日、发薪日、地区疫情等级）。
模型在贷后管理中的角色
催收触达模型并非孤立存在，而是贷后管理决策链路的“第一道闸门”。它决定了后续所有催收动作的起点质量。
关键认知： 触达模型是贷后管理的“漏斗入口”。如果触达模型发生漂移（PSI > 0.2），会导致大量高意愿债务人被分配到错误渠道，造成回收率下降与成本浪费。
触达率与回收率的平衡
催收触达模型面临的核心矛盾是触达率与回收率之间的权衡。过度追求触达率（如高频外呼、全渠道轰炸）会引发投诉与监管风险；过度追求回收率（只联系高意愿债务人）则会遗漏大量潜在可回收客户。
| 策略倾向 | 触达率 | 回收率 | 客诉风险 | 适用场景 |
|---|---|---|---|---|
| 激进触达 | 高（>85%） | 中（短期提升） | 高 | M1早期、高价值客群 |
| 温和触达 | 中（60%-75%） | 中（稳定） | 低 | M2-M3、敏感客群 |
| 精准触达 | 低（40%-55%） | 高（长期最优） | 极低 | 长账龄、高风险客群 |
PSI漂移风险提示： 当催收触达模型发生分布漂移时，模型对“最优平衡点”的预测会失效。原本处于平衡区的债务人可能被错误归类为“高触达需求”或“低触达需求”，导致实际回收率偏离预期曲线。这是后续章节重点诊断与修复的核心问题。
模型评估的关键指标
催收触达模型的离线评估与在线监控需关注以下核心指标，这些指标也是PSI漂移诊断的监控对象：
- 触达率（Contact Rate）： 有效联系次数 / 总外呼次数，反映模型渠道与时段预测的准确性。
- 承诺还款率（Promise to Pay Rate）： 承诺还款客户数 / 有效联系客户数，反映话术匹配效果。
- 首期还款率（First Payment Rate）： 承诺后7天内实际还款客户数 / 承诺还款客户数，反映模型对还款意愿的预测能力。
- 客诉率（Complaint Rate）： 投诉客户数 / 有效联系客户数，合规监控核心指标。
- 单次触达成本（Cost per Contact）： 总催收成本 / 有效联系次数，衡量模型的经济效率。
实践建议： 在搭建PSI漂移监控体系时，建议将上述指标按周粒度进行分群统计（如按逾期天数分群、按渠道分群），并与模型输出的预测分布进行对比。当某个分群的实际触达率与预测触达率偏差超过15%时，应触发PSI漂移预警。