互聯(lián)網(wǎng)金融領(lǐng)域，模型扮演著至關(guān)重要的角色，它們基于概率論為決策提供科學(xué)依據(jù)。從風(fēng)險評估到客戶細(xì)分，再到營銷優(yōu)化，模型的應(yīng)用遍布金融業(yè)務(wù)的各個環(huán)節(jié)。

模型的存在是基于一個事實，基于概率的決策是最優(yōu)的。概率轉(zhuǎn)化為評分，方便對齊風(fēng)險。評分就是用統(tǒng)計的方法來識別潛在客戶，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、收益率、響應(yīng)率、續(xù)借意愿、違約后的償還意愿等等。

事實上，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)控中有哪些模型可做，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)化決策。

01

1、申請評分卡模型：預(yù)測是否該通過客戶的開戶或借款申請。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)確地判斷客戶會否償還該筆借款。貸前如果一個客戶的評分過低可以直接拒絕，而通過的客戶也可以根據(jù)評分高低制定差異化初始額度。

2、行為評分卡模型：基于客戶貸后的行為，重新評估客戶的風(fēng)險。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，在不同時間點(diǎn)對客戶基于更新的數(shù)據(jù)重新評估風(fēng)險，是精細(xì)化用戶管理必須做的事情。

3、催收評分卡模型：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)奶嵝眩Ｏ碌哪遣糠纸杩钊瞬判枰扇?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。

4、提額模型、息費(fèi)敏感模型：或者叫經(jīng)營決策模型吧，額度、定價、期數(shù)是最重要的經(jīng)營三要素，再加一個的話是還款方式。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)測哪些客戶對息費(fèi)敏感，這部分人升息就可能導(dǎo)致其使用率急劇下降。這也是精細(xì)化運(yùn)營的工作，也可以說屬于行為評分的范疇。因為貸款機(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。

5、多頭風(fēng)險模型：從多頭共債的角度預(yù)測客戶的違約風(fēng)險。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，一旦有平臺拒借，客戶就喪失了還款能力，而一旦還不起，索性就不愿意還了。用多頭變量來預(yù)測逾期風(fēng)險，效果通常比較好。

多頭模型還可以采用另一個方案，以多頭程度為目標(biāo)變量，就變成了多頭程度預(yù)測模型。其優(yōu)勢是可以利用申貸樣本建模，因為不需要有滯后的風(fēng)險表現(xiàn)。難就難在，多頭程度這個建模目標(biāo)很難有統(tǒng)一的標(biāo)準(zhǔn)。另外，多頭和信用風(fēng)險一樣，是動態(tài)變化的，預(yù)測用戶一段表現(xiàn)期后的多頭嚴(yán)重程度，也是有意義的。但然后呢？如果還是為了評估風(fēng)險，那就還是用多頭風(fēng)險模型吧。

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)險模型。但也有很多非風(fēng)險模型，這些非風(fēng)險模型，廣泛地應(yīng)用于信貸場景的量化增長環(huán)節(jié)，例如拉新、促活等。AARRR。

6、現(xiàn)金貸需求預(yù)測模型：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，因為更多的人是為了支付便利而使用支付寶，而不是借款提前消費(fèi)。對有現(xiàn)金貸需求的客群去營銷，才是對癥下藥。

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、動支預(yù)測模型：預(yù)測客戶未來一段時間內(nèi)發(fā)生借款行為的可能性?？蛻艚柽€一次，帶來的利潤是不夠的，實際上，因為獲客的成本不斷增加，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、流失預(yù)警模型：預(yù)測客戶未來一段時間內(nèi)會不會流失，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，因為一旦流失，重新喚醒的難度不亞于一個純新戶的獲客。

10、還可以是，消費(fèi)金額預(yù)測模型：預(yù)測客戶未來一段時間內(nèi)的消費(fèi)金額。該模型廣泛使用于Buy Now Pay Later的電商消費(fèi)場景，實現(xiàn)基于用戶需求的信貸額度管理。既促活電商，又信貸提額，win-win。

03

量化增長一般較少考慮風(fēng)險，增長和風(fēng)險分開能夠使得效率最大化。還有一些非風(fēng)險模型應(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)險層，高收人群尤其是營銷獲客的香餑餑，很多增長運(yùn)營團(tuán)隊的KPI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)樣本比個人的同質(zhì)樣本少得多，而且企業(yè)的財務(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)測效果一般不如個人的模型效果好。

14、行職業(yè)模型：預(yù)測客戶的行職業(yè)。挖掘一個人屬于什么工作單位或崗位，可以進(jìn)一步評估工作穩(wěn)定性。在風(fēng)控領(lǐng)域，行職業(yè)預(yù)測并沒有收入負(fù)債預(yù)測應(yīng)用的那么直接，但至少可以理解為，行職業(yè)可以進(jìn)一步評估個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

有一個貫徹營銷、信貸、支付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，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到了多少錢，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。還有電信詐騙等等。

還想再講一個概念上很好，曾經(jīng)也挺火的一類模型，即生存分析模型。????

18、生存分析模型：預(yù)測用戶會不會逾期，以及什么時候逾期。這個概念來自醫(yī)學(xué)領(lǐng)域，認(rèn)為人總是會死的，沒死的只是沒有觀測到。于是你的目標(biāo)變量是一個元組(E, T)，Event是逾期是否的0、1變量，Time是逾期距觀察起點(diǎn)的時長，沒逾期就是整個觀察期的時長。

生存分析最經(jīng)典的算法是Cox比例風(fēng)險回歸模型，前幾年也實現(xiàn)了某些提梯度升樹模型的改造應(yīng)用。但生存分析幾乎沒有用，這是因為你有A、B、C各種卡，在各個時點(diǎn)隨時打分，如果你只有一個A卡，生存分析可能是有用的。

05

我們額外說一說廣為人知的信用評分：芝麻信用分、微信支付分和小白守約分。

無論是天貓、淘寶、京東的消費(fèi)還是花唄、微信、白條的支付，這些海量的交易數(shù)據(jù)，可以用來評價一個人的還款能力和意愿。能力很好理解，為什么還有意愿？結(jié)合著馬斯洛需求理論，也就是生理、安全、情感、尊重、自我實現(xiàn)依次升級，越能體現(xiàn)高級需求的數(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)。

你掌握了一個人的人際關(guān)系，就掌握了這個人。社交關(guān)系鏈，不僅可以用來評估信用，還能直接作為質(zhì)押物，因為每個人都在乎它，而且很在乎它。

還有更重要的一點(diǎn)。前面提到的所有模型，都只是模型，不是產(chǎn)品，即使把它們做成數(shù)據(jù)產(chǎn)品對外輸出，對用戶而言，也謬談產(chǎn)品。只有這里的三個模型，可以稱之為產(chǎn)品。

只有產(chǎn)品，才會和用戶交互，才關(guān)注用戶體驗，關(guān)注客訴。一款產(chǎn)品的開發(fā)，就一定意味著你要考慮你的用戶需求。這決定了你的模型由什么構(gòu)成，長成什么樣子，具備什么樣的解釋，承擔(dān)什么樣的功能。不要低估了這里的話，除非你搞明白了芝麻信用分開發(fā)的一切細(xì)節(jié)。????????????????06

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

保險公司使用它來評估參保人的風(fēng)險偏好，或者汽車事故的風(fēng)險。正好借此說明，模型不能濫用，一個人信用評分越高，很可能風(fēng)險偏好越低，這些人不冒險反而就不會去購置保險。保險公司用信用評分去篩選客戶，找到的可能都是這些非目標(biāo)客群。

醫(yī)院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間。

抖音快手這些短視頻平臺使用它去預(yù)測用戶觀看某些直播的可能性，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)果是你點(diǎn)擊率高且觀看時長長的。既關(guān)注你的留存，也關(guān)注你的消費(fèi)。??

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，任何一個人都可以通過搜集歸納比較容易地搞明白各種互聯(lián)網(wǎng)場景的業(yè)務(wù)模式，但是其真正的困難在于每個業(yè)務(wù)背后復(fù)雜多變的真實需求，即怎么在具體場景實現(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)決定了所用的數(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？

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

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

我們可以制定兩個模型分的交叉效果表，下圖是一個示例，如果用定制模型通過8個格子，進(jìn)一步和通用模型交叉后，置換其中一個格子，往往都能獲得更好的風(fēng)險表現(xiàn)。實際上，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。