为什么放贷机构要对逾期前催收进行分层
什么是逾期前催收
逾期前催收是指在账户逾期前主动管理未偿债务。目标是在账户进入催收流程前,通过提醒借款人,或与其商定还款计划及其他安排,避免逾期。
在账户逾期前联系借款人,有助于放贷机构改善现金流,并降低催收相关成本。
为什么要对逾期前催收进行分层
对逾期前催收进行分层有多方面的作用。将账户划分为便于管理的群组后,机构可以更有针对性地开展催收。
放贷机构可以通过分层,优先处理更可能逾期的账户,把资源集中在未还款风险较高的账户上,从而提高回收率。
分层还有助于根据每位借款人的情况安排催收措施,提高催收成功的可能性。
最重要的是,并非所有客户都需要提醒。逐一联系所有客户,可能会打扰原本会按时还款的人。通过分层识别需要联系的客户,可以节省时间和成本。
逾期前催收的方式
逾期前催收有多种方式,常见的包括:
- 发送电子邮件
- 发送即时消息(WhatsApp、Facebook Messenger、Telegram)或短信
- 使用 IVR 或语音机器人自动拨打电话
还有一些成本较高、较传统的方式:
- 人工拨打电话
- 上门联系
- 委托外部机构
- 聘请债务催收律师事务所
如何对逾期前催收账户进行分层
对逾期前催收账户进行分层有多种方法。常见做法是按账户余额分层,余额较高的账户往往风险也较高。
还可以根据还款记录、信用评分、人口统计信息或债务类型对账户分层。
账户分层后,下一步是确定各组的联系方法。
技术上如何实现
技术上可以每天从核心系统提取数据。用于分层的数据可以包括:
- 最大逾期天数
- 平均逾期天数
- 剩余余额
- 每月还款额
- 历史联系方式及其对应的成功情况
预测评分
机构也可以建立机器学习模型,估算借款人忘记还款的概率。因变量可以设为二元标记,例如「客户是否按时还款?」目标变量应聚焦短期还款概率,因此应只考虑较短的天数,例如 10 天。之后可以用这组数据训练机器学习模型,预测按时还款的概率。
模型训练完成后,可以每天为所有账户评分,再结合分层规则和还款评分筛选出一部分账户。
如何落地
计算可以通过数据仓库中的 ETL 流程完成,也可以作为批处理任务,通过决策引擎执行。
决策引擎可根据每位客户的特征和模型输出,选择最适合的联系渠道。
常见问题
逾期前催收评分应使用多长时间的还款记录
可以先使用 6–12 个月的还款记录和联系结果,前提是这些记录能反映当前产品和催收策略,然后用后续时段的数据验证评分。预测 10 天内的还款情况需要近期且相关的预测变量,训练数据也应覆盖季节性影响。应排除还款条款或联系规则发生重大变化的时段。
上线时应划分多少个群组
可以先划分三到四个群组,每组对应催收团队的一项具体行动。例如,将适合常规提醒的账户,与因余额或还款记录需要进一步审核的账户分开。只有在不同群组的还款结果差异足以支持采用不同策略时,才进一步拆分。
还款评分达到什么分数时应联系客户
应综合比较联系客户的预期收益、成本和对客户的影响,确定分数线。高分可能表示借款人无需提醒也很可能按时还款,低分则可能表示联系客户也难以改变结果。应使用近期数据测试不同分数线,并由催收负责人在发布前批准选定的策略。
什么时候值得承担预测评分的运营成本
当基于还款记录和账户余额的简单规则,无法将账户区分到足以调整催收决策的程度时,可加入预测评分。将数据准备、模型维护和持续复核的成本,与预计由评分带来的额外还款额进行比较。如果这些收益较小,或在不同时期波动较大,就继续采用较简单的规则方案。