編輯導(dǎo)語：模型的使用有助于幫助獲得相應(yīng)數(shù)據(jù)，進(jìn)而推動(dòng)業(yè)務(wù)目標(biāo)的實(shí)現(xiàn)。與此同時(shí)，模型的使用需要依據(jù)業(yè)務(wù)核心目標(biāo)來確定。本篇文章里，作者介紹、總結(jié)了互聯(lián)網(wǎng)金融可做的17個(gè)模型，并對模型的應(yīng)用注意事項(xiàng)做了相應(yīng)總結(jié)，一起來看一下。

模型的存在是基于一個(gè)事實(shí)，基于概率的決策是最優(yōu)的。概率轉(zhuǎn)化為評(píng)分，方便對齊風(fēng)險(xiǎn)。評(píng)分就是用統(tǒng)計(jì)的方法來識(shí)別潛在客戶，判斷客戶是否合意。

合意由我們事先定義，可以是諸如風(fēng)險(xiǎn)、收益率、響應(yīng)率、續(xù)借意愿、違約后的償還意愿等等。

那么，業(yè)務(wù)中一系列環(huán)節(jié)都可以采用模型方案，我們要說風(fēng)控中哪些模型可做，就變相地在討論業(yè)務(wù)上有哪些環(huán)節(jié)可以做精細(xì)化策略。

01

1）申請?jiān)u分卡模型

預(yù)測是否該通過客戶的借款申請。借款行為的發(fā)生就像潑出去的水，一旦發(fā)生，就無法被撤回。所以要盡可能準(zhǔn)確地判斷客戶會(huì)否償還該筆借款。貸前如果一個(gè)客戶的評(píng)分過低可以直接拒絕，而通過的客戶也可以根據(jù)評(píng)分高低制定差異化初始額度。

2）行為評(píng)分卡模型

基于客戶發(fā)生的行為，重新評(píng)估客戶的風(fēng)險(xiǎn)。授信通過后的用戶產(chǎn)生一系列行為數(shù)據(jù)，例如借了幾筆貸款、間隔多久、還款習(xí)慣怎么樣等等，這些數(shù)據(jù)進(jìn)一步刻畫了用戶的可信任度。

貸中管理，在不同時(shí)間點(diǎn)對客戶基于更新的數(shù)據(jù)情況重新評(píng)估風(fēng)險(xiǎn)，是精細(xì)化用戶管理必須做的事情。

3）提額模型、息費(fèi)敏感模型

前者預(yù)測可以增加額度的客戶，以及必須減少額度或者取消額度的客戶；后者是預(yù)測哪些用戶對息費(fèi)敏感，這部分人升息就可能導(dǎo)致其利用率急劇下降。

這也是精細(xì)化運(yùn)營的工作，也可以說屬于行為評(píng)分的范疇。因?yàn)橘J款機(jī)構(gòu)的目標(biāo)正在從降低借款人在貸款產(chǎn)品中的違約率變成提高客戶帶來的利潤率。

4）催收評(píng)分卡模型

預(yù)測無須采取措施或者必須采取措施進(jìn)行催收的客戶。一些逾期行為能自行修正，一些只需要適當(dāng)?shù)奶嵝?，剩下的那部分借款人才需要采取?yán)厲的措施。

不僅是要不要催的問題，還可以建模預(yù)測什么時(shí)候催、以什么方式催，從而智能分配話務(wù)員在最優(yōu)的催收時(shí)間下選用最優(yōu)的催收話術(shù)和客戶對話。

另外，要和客戶對話得先聯(lián)系上客戶，于是還有失聯(lián)修復(fù)的問題。

5）多頭風(fēng)險(xiǎn)模型

從多頭共債的角度預(yù)測客戶的違約風(fēng)險(xiǎn)。多頭借貸變量涉及到共債信息，與還款能力和還款意愿掛鉤，多頭嚴(yán)重就存在借新還舊的可能，一旦有平臺(tái)拒借，客戶就喪失了還款能力，一旦還不起，也可能就不愿意還了。用多頭變量來預(yù)測逾期風(fēng)險(xiǎn)，效果通常較好。

多頭模型還可以采用另一個(gè)方案，以多頭程度為目標(biāo)變量，就變成了多頭借貸預(yù)測模型。多頭和信用風(fēng)險(xiǎn)一樣，是動(dòng)態(tài)變化的，預(yù)測用戶通過之后的多頭嚴(yán)重程度，也是有意義的。并且其優(yōu)勢是可以利用申貸樣本建模，因?yàn)椴恍枰袦蟮娘L(fēng)險(xiǎn)表現(xiàn)。

02

以逾期為目標(biāo)變量的模型，正如上面我們提到的大多數(shù)，都是風(fēng)險(xiǎn)模型。但也有很多非風(fēng)險(xiǎn)模型，這些非風(fēng)險(xiǎn)模型，廣泛地應(yīng)用于量化增長的場景，例如如拉新、促活等。AARRR。

6）用戶現(xiàn)金貸需求預(yù)測

預(yù)測客戶有無現(xiàn)金貸款的需求。面向支付的花唄顯然用戶規(guī)模遠(yuǎn)遠(yuǎn)多于面向借款的借唄，因?yàn)楦嗟娜耸菫榱酥Ц侗憷褂弥Ц秾?，而不是借款提前消費(fèi)。對有現(xiàn)金貸需求的客群去營銷，才能對癥下藥。

7）營銷響應(yīng)模型

預(yù)測不同觸達(dá)方式下客戶的響應(yīng)率。不同的人對同一個(gè)觸達(dá)方式的反應(yīng)是不一樣的，有些人看到短信就愿意來，甚至有些人會(huì)自然找上門來，有些人則需要優(yōu)惠券需要福利才愿意嘗試你的產(chǎn)品。差異化觸達(dá)是更有效率的做法。

8）借款可能性預(yù)測模型

預(yù)測客戶未來一段時(shí)間內(nèi)發(fā)生借款行為的概率?？蛻艚柽€一次，帶來的利潤是不夠的，實(shí)際上，因?yàn)楂@客的成本不斷增加，優(yōu)質(zhì)客戶多次借款才能覆蓋成本。對借款可能性的預(yù)估，可以幫助你更好地服務(wù)這些稀客。如遇到資金儲(chǔ)備不足，也可以限制對這些人的營銷，防止集中借款導(dǎo)致資金缺乏。

9）客戶流失模型

預(yù)測客戶未來一段時(shí)間內(nèi)會(huì)不會(huì)流失，和借款可能性大致相反。對于高流失可能的客戶，應(yīng)該盡早地想辦法挽留，因?yàn)橐坏┝魇?，重新喚醒的難度不亞于一個(gè)純新戶的獲客。

10）甚至是，模型分的有效性預(yù)測模型

模型預(yù)測的高分段好用戶多，低分段壞用戶多，但并不都是好用戶或壞用戶。評(píng)分的效用是群體有效，而非個(gè)體有效。那預(yù)測結(jié)果和真實(shí)表現(xiàn)差別大的群體，就是模型分有效性不足的群體，這部分客群如果能有效地被識(shí)別出來，就不應(yīng)該采用這個(gè)評(píng)分工具。

03

量化增長一般較少考慮風(fēng)險(xiǎn)，增長和風(fēng)險(xiǎn)分開能夠使得效率最大化。還有一些非風(fēng)險(xiǎn)模型應(yīng)用場景不限于信貸的。

11）收入模型

預(yù)測客戶的收入情況。收入模型可能是應(yīng)用場景最多元化的模型之一了。在風(fēng)險(xiǎn)層，高收人群至少避免了因還款能力不足導(dǎo)致逾期的可能。在非風(fēng)險(xiǎn)層，高收人群尤其是營銷獲客的香餑餑，甚至很多增長運(yùn)營團(tuán)隊(duì)的核心指標(biāo)就是此類客戶的數(shù)量。

12）負(fù)債模型

預(yù)測客戶的負(fù)債情況。收入的另一面就是負(fù)債，客戶顯然更愿意支付房貸、車貸等大件物品的每月賬單，剩下的才是用戶的可用流水。負(fù)債收入比過高，貸款逾期風(fēng)險(xiǎn)往往就很高。

13）破產(chǎn)模型

預(yù)測具有破產(chǎn)可能性的客戶或者企業(yè)。相比之下，企業(yè)的同質(zhì)樣本比個(gè)人的同質(zhì)樣本少得多，而且企業(yè)的財(cái)務(wù)數(shù)據(jù)容易被高管們操縱，導(dǎo)致企業(yè)破產(chǎn)模型的預(yù)測效果一般不如個(gè)人的模型效果好。

14）職業(yè)模型

預(yù)測客戶的職業(yè)。挖掘一個(gè)人屬于什么工作單位或崗位，可以進(jìn)一步評(píng)估工作穩(wěn)定性。在風(fēng)控領(lǐng)域，職業(yè)的預(yù)測并沒有收入負(fù)債的預(yù)測應(yīng)用的那么直接，至少可以理解為，職業(yè)可以進(jìn)一步評(píng)估個(gè)人收入水平和收入穩(wěn)定性。

15）有孩模型

預(yù)測客戶是否有子女。有穩(wěn)定家庭的客戶，風(fēng)險(xiǎn)表現(xiàn)一般就更好。甚至你的信貸產(chǎn)品可以為此類客群定制一套借還款策略。其他場景的應(yīng)用就不用提了，母嬰品是一個(gè)大類，針對這些人去營銷吧。

16）有房模型

預(yù)測客戶是否有房產(chǎn)。有房的客戶除了相對更高收外，也大概率有房貸，存在兩面性。有房可以確保的一點(diǎn)是更穩(wěn)定。一般客群質(zhì)量是自住>與父母同住>合租。

04

有一個(gè)貫徹營銷場景、信貸場景、支付場景等幾乎所有場景的模型，那就是反欺詐模型。

17）反欺詐模型

識(shí)別欺詐用戶。欺詐主要可分為一方欺詐和三方欺詐。一方欺詐是指申請人自身的欺詐行為；三方欺詐是第三方盜用、冒用他人身份進(jìn)行欺詐，申請者本人并不知情，比如團(tuán)伙利用非法收集的身份證進(jìn)行欺詐。

其實(shí)還有兩方欺詐，是內(nèi)部人員勾結(jié)的欺詐，一般不在考慮范圍。

營銷中，有刷單、套現(xiàn)、黃牛等風(fēng)險(xiǎn)，這些就可以定義為欺詐。信貸中，有擼口子大軍摩拳擦掌，他們借到了多少錢就是掙了多少錢，對于騙貸的人來說任何催收勸還都是無效的。支付中，又存在盜刷、洗錢等風(fēng)險(xiǎn)。還有電信詐騙等等。

05

我們額外說一說大家都知道的信用評(píng)分，芝麻信用分、微信支付分和小白守約分。

無論是天貓?zhí)詫毜南M(fèi)還是花唄支付的海量交易數(shù)據(jù)，都可以用來評(píng)價(jià)個(gè)人的還款能力和意愿。結(jié)合著馬斯洛需求理論，也就是生理、安全、情感、尊重、自我實(shí)現(xiàn)依次升級(jí)，越能體現(xiàn)高級(jí)需求的數(shù)據(jù)越可以給更高的權(quán)重。也就是說重要的不是單次購買行為，而是消費(fèi)習(xí)慣。

而那些店鋪商家，平臺(tái)有他們所有的交易、資金、物流信息，都可以用來作為金融服務(wù)的依據(jù)。

你掌握了一個(gè)人的人際關(guān)系，就掌握了這個(gè)人。社交關(guān)系鏈，不僅可以用來評(píng)估信用，還能直接作為質(zhì)押物，因?yàn)槊總€(gè)人都在乎它，而且很在乎。

而小白守約，與此類似。

06

評(píng)分是信貸業(yè)務(wù)中最有用的一件工具，但不僅僅信貸。許多業(yè)務(wù)場景都會(huì)用到評(píng)分。

保險(xiǎn)公司使用它來評(píng)估參保人的風(fēng)險(xiǎn)偏好，或者汽車事故的風(fēng)險(xiǎn)。

正好借此說明，模型不能濫用，一個(gè)人信用評(píng)分越高，很可能風(fēng)險(xiǎn)偏好越低，這些人不冒險(xiǎn)反而就不會(huì)去購置保險(xiǎn)。保險(xiǎn)公司用信用評(píng)分去篩選客戶，找到的可能都是這些非目標(biāo)客群。

醫(yī)院中使用它去判斷哪些病人最需要特殊治療，也需要判斷不同醫(yī)療措施下病人的生存時(shí)間。

抖音快手這些短視頻平臺(tái)使用它去預(yù)測用戶直播觀看的可能性，好確定是否給你的發(fā)現(xiàn)頁插入直播推薦。也需要預(yù)測用戶觀看視頻的意愿度，好使得推薦的結(jié)果是點(diǎn)擊率高且觀看時(shí)長長。

一句話，排序 is all you need！

07

業(yè)務(wù)的理解能力是可以共通的，任何一個(gè)人都可以通過搜集歸納比較容易地了解互聯(lián)網(wǎng)場景的業(yè)務(wù)模式，但是其真正的困難在于每個(gè)業(yè)務(wù)背后復(fù)雜多變的真實(shí)需求，即怎么在具體場景實(shí)現(xiàn)以流量或者盈利為目的的最優(yōu)決策。

業(yè)務(wù)目標(biāo)決定了模型目標(biāo)，模型目標(biāo)決定了用到的數(shù)據(jù)。我們可以有很多模型，但業(yè)務(wù)最核心的目標(biāo)是唯一的。

當(dāng)你有這么多模型之后，你要怎么用呢？

多個(gè)模型同時(shí)通過或者拒絕的，當(dāng)然好辦，它沒有改變單個(gè)模型的決策結(jié)果，給了你更大的決策信心。但是，一個(gè)模型說“通過”，另一個(gè)模型說“拒絕”，這個(gè)問題是不是就費(fèi)解了。

沒那么糟糕，相反，這是改善決策的機(jī)會(huì)。如果模型都相同，多個(gè)就是一個(gè)。

我們可以制定兩個(gè)模型分的交叉效果表，下圖是一個(gè)示例，如果用定制模型通過8個(gè)格子，進(jìn)一步和通用模型交叉后，置換其中一個(gè)格子，往往都能獲得更好的風(fēng)險(xiǎn)表現(xiàn)。實(shí)際上，通過交叉，通過率也能得到提高。

但是請注意，你不能串行地使用模型。除非這真的是你想要的結(jié)果。

本文由@雷帥 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議