作為計(jì)算機(jī)科學(xué)的分支之一，從上世紀(jì)50年代的圖靈測試開始，人工智能（Artificial Intelligence，AI）就試圖通過各種方式了解智能的實(shí)質(zhì)。AI的目標(biāo)是生產(chǎn)出能夠以與人類智能相似的方式做出反應(yīng)的智能機(jī)器。機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等都屬于AI的研究范疇。

目前，AI在催收領(lǐng)域有哪些應(yīng)用呢？據(jù)筆者了解，構(gòu)建AI助力的催收模型，以及搭建能夠執(zhí)行語音催收業(yè)務(wù)的智能催收機(jī)器人，是目前業(yè)內(nèi)的兩個(gè)主要應(yīng)用切入點(diǎn)。下面我將從理論角度，簡單探討下這兩個(gè)領(lǐng)域。

01 敲開智能化催收時(shí)代的大門

人工智能技術(shù)正在滲入各行各業(yè)，許多以科技為驅(qū)動的互聯(lián)網(wǎng)金融企業(yè)也開始走進(jìn)智能化催收時(shí)代。

在粗放型催收時(shí)代，催收作業(yè)完全依靠人力完成，且沒有案件的分類，企業(yè)往往強(qiáng)調(diào)績效激勵(lì)，通過增加人均作業(yè)量，提升作業(yè)效率和加快作業(yè)進(jìn)度。

隨著企業(yè)管理的深化，催收行業(yè)迎來精細(xì)化時(shí)代。催收案件被按照各種維度進(jìn)行細(xì)分，包括案件逾期時(shí)間、客戶風(fēng)險(xiǎn)、響應(yīng)可能性等，實(shí)現(xiàn)精細(xì)化分案催收。精細(xì)化催收的主要手段是電話和短信。

隨著AI技術(shù)逐漸進(jìn)入應(yīng)用階段，目前市場上的許多科技金融平臺已經(jīng)向智能化催收領(lǐng)域挺近，從前述兩個(gè)切入點(diǎn)著手搭建全方位的智能催收體系。通過構(gòu)建一系列AI模型，企業(yè)能夠?qū)崿F(xiàn)催收策略、人員和話術(shù)等的實(shí)時(shí)推薦，而通過引入智能催收機(jī)器人，企業(yè)則能夠讓機(jī)器人代替人工，開展智能語音催收。

02 AI助力的智能催收模型體系

實(shí)現(xiàn)智能化催收的核心要點(diǎn)是構(gòu)建催收的智能模型體系。這一構(gòu)建過程包含以下內(nèi)容：

1. 構(gòu)建貸中/貸后AI模型，優(yōu)化用戶分群；

2. 構(gòu)建基于深度學(xué)習(xí)的用戶畫像模型，提升用戶畫像的應(yīng)用水平；

3. 從優(yōu)秀坐席人員的撥號習(xí)慣出發(fā)，構(gòu)建號碼策略模型；

4. 通過研究催收話術(shù)，構(gòu)建專門用于催收的次序模型，結(jié)合用戶畫像，實(shí)時(shí)推薦催收話術(shù)；

5. 通過對催收話術(shù)的研究，構(gòu)建用于質(zhì)檢的模型，實(shí)現(xiàn)7*24小時(shí)無盲點(diǎn)智能質(zhì)檢。

構(gòu)建催收的智能模型體系，需要多個(gè)AI模型的全方位介入，下面筆者介紹一下各類AI模型的構(gòu)建。

a. 貸中/貸后管理模型

構(gòu)建貸中/貸后模型的出發(fā)點(diǎn)是實(shí)現(xiàn)用戶分群，從而針對不同還款意愿和能力的用戶采取差異化的催收方式。

利用AI和機(jī)器學(xué)習(xí)技術(shù)，我們可以構(gòu)建貸中/貸后模型，通過分析用戶的身份信息、交易與還款行為以及互聯(lián)網(wǎng)行為等數(shù)據(jù)，輸出用戶的逾期/還款概率，從而對用戶進(jìn)行分群。

當(dāng)貸中模型預(yù)測用戶逾期概率較高時(shí)，可以在貸中階段盡早啟動預(yù)催收工作，從而減少逾期的發(fā)生?；谠O(shè)置，貸后模型能夠分別對逾期3日內(nèi)、7日內(nèi)和31日內(nèi)的回款案件作出精細(xì)化分析，實(shí)時(shí)輸出各個(gè)回款案件的用戶還款概率。

在此基礎(chǔ)上結(jié)合實(shí)際業(yè)務(wù)操作和后續(xù)模型的構(gòu)建，貸中/貸后模型能夠幫助回款工作人員優(yōu)化分案流程，有效配置資源，針對不同情況采取不同的資源組合（機(jī)器人OR人工）和催收策略（短信、IVR語音通知、電話、上門拜訪等）。

b. 用戶畫像模型

用戶畫像是指根據(jù)用戶的屬性、用戶偏好、生活習(xí)慣、用戶行為等信息而抽象出來的標(biāo)簽化用戶模型。通俗說就是給用戶打標(biāo)簽，而標(biāo)簽是通過分析用戶信息，高度精煉得出的特征標(biāo)識。通過打標(biāo)簽可以利用一些高度概括、容易理解的特征來描述用戶，讓我們更容易理解用戶，同時(shí)也方便計(jì)算機(jī)處理。

在催收方面，用戶畫像解決的是具有怎樣特征的人還款概率更高的問題。它的本質(zhì)是一種定量的用戶畫像。如下圖所示，催收用戶畫像可以從目標(biāo)、方式、組織、標(biāo)準(zhǔn)和驗(yàn)證5個(gè)維度進(jìn)行構(gòu)建。

構(gòu)建催收用戶畫像有三個(gè)關(guān)鍵步驟：

1. 以貸中/貸后模型的用戶分群為基礎(chǔ)；

2. 收集實(shí)際業(yè)務(wù)中的催收數(shù)據(jù)，并在此基礎(chǔ)上做聚類分析；

3. 構(gòu)建催收用戶畫像。

催收用戶畫像在分析還款概率的貸中/貸后模型上更進(jìn)一步，找出了不同用戶群體之間的相同特征，能夠服務(wù)于催收作業(yè)的優(yōu)化，增加用戶的觸達(dá)方式和修復(fù)觸達(dá)方式。

同時(shí)，這種特征的提取還能反饋到貸前，成為信貸審批和反欺詐的依據(jù)。由于具有充分的數(shù)據(jù)佐證，這種方式構(gòu)建的催收用戶畫像能夠通過統(tǒng)計(jì)分析獲得用戶特點(diǎn)和比例的精確數(shù)據(jù)。

c. 撥號策略模型

回款作業(yè)中有時(shí)撥打用戶本人的電話可能無法聯(lián)系到用戶，這時(shí)候就需要回款工作人員撥打其他相關(guān)電話，以與用戶取得聯(lián)系。

根據(jù)統(tǒng)計(jì)，回款工作人員工作效率的差異很大程度上來源于撥號策略的選擇。撥號策略模型就是為此而生。

撥號策略模型將根據(jù)撥打效率和回款率等相關(guān)維度對催收坐席進(jìn)行聚類分析，挑選通話效率高、回款率高的坐席作為研究數(shù)據(jù)。通過訓(xùn)練，模型最終能夠根據(jù)目前的催收場景，給出號碼撥打的概率預(yù)測。

撥號策略模型能夠幫助精簡后臺信息，提升催收作業(yè)的效率。

d. 話術(shù)策略模型

話術(shù)策略模型的最終目標(biāo)是為一線催收人員提供話術(shù)策略建議。話術(shù)策略模型的輸入需要有完善的催收次序模型作為基礎(chǔ)，后者則需要眾多的借款人行為、征信信息作為輸入，如身份信息、信用信息、社交信息、消費(fèi)信息和第三方數(shù)據(jù)信息等。通過建模，我們可以將需要推薦的話術(shù)匹配到相應(yīng)的模型。同時(shí)，我們也使用大量實(shí)際催收話術(shù)作為話術(shù)策略模型的訓(xùn)練數(shù)據(jù)。

模型輸入脫敏后的大體數(shù)據(jù)格式如下表：

最終，話術(shù)策略模型將能夠根據(jù)客戶的觸達(dá)歷史，提供建議的應(yīng)對話術(shù)，使優(yōu)秀經(jīng)驗(yàn)得到固化和推廣。

03 智能催收機(jī)器人提速催收執(zhí)行

智能催收機(jī)器人可以在催收執(zhí)行環(huán)節(jié)進(jìn)行語音催收，從而分擔(dān)人工電話催收的工作壓力，實(shí)現(xiàn)資源的更優(yōu)配置。智能催收機(jī)器人能夠在經(jīng)過訓(xùn)練的語境下，完成對客戶的催收任務(wù)。從技術(shù)角度看，智能催收機(jī)器人可以實(shí)現(xiàn)單輪意圖解析和多輪對話的理解，并且在此基礎(chǔ)上實(shí)現(xiàn)話術(shù)的生成和指令的生成?；谠O(shè)置的催收策略，智能催收機(jī)器人能夠與坐席人員完美配合、無縫銜接，提升催收工作的整體效率。

以筆者從業(yè)的信而富所采用的信知音智能催收機(jī)器人在早期催收場景中的應(yīng)用為例。我們將催收案件隨機(jī)分為2組，分別用人工和智能催收機(jī)器人進(jìn)行催收。實(shí)驗(yàn)數(shù)據(jù)表明，信知音智能催收機(jī)器人處理逾期3日以內(nèi)的回款案件的回款率可達(dá)到人工處理結(jié)果的90%以上。

如果智能催收機(jī)器人與人工協(xié)同作業(yè)，由智能催收機(jī)器人先行催收，由人工跟進(jìn)未能有效處理的案件，根據(jù)實(shí)驗(yàn)數(shù)據(jù)，這種機(jī)器人與人工搭配的作業(yè)方式在30天內(nèi)的回款率與純?nèi)斯ご呤辗绞經(jīng)]有差別，并且對壞賬無實(shí)質(zhì)影響。

這意味著，針對前期案件，智能催收機(jī)器人的催收效果較為理想，且相同時(shí)間內(nèi)的處理量可以達(dá)到人工的兩倍以上，有著極大的應(yīng)用前景。

04 爆發(fā)在即，AI或?qū)㈩嵏泊呤?/h3>

從粗放型催收到精細(xì)化催收，再到智能化催收，催收行業(yè)進(jìn)入轉(zhuǎn)型的關(guān)鍵時(shí)刻。業(yè)內(nèi)人士認(rèn)為，互聯(lián)網(wǎng)金融的崛起促成了催收行業(yè)的大爆發(fā)，對于催收人員的需求急劇上升。同時(shí)，互聯(lián)網(wǎng)金融客群的下沉和數(shù)量的激增，也讓傳統(tǒng)催收方式日益捉襟見肘。

如何使用技術(shù)手段助力催收作業(yè)，實(shí)現(xiàn)節(jié)約成本、優(yōu)化體驗(yàn)和改善效果的三重目標(biāo)，成為互聯(lián)網(wǎng)金融行業(yè)的重要課題。

AI為我們提供了很好的想象空間。有證據(jù)表明，智能催收模型體系能夠顯著提升催收業(yè)務(wù)的效率，減輕催收業(yè)務(wù)人員的工作壓力，同時(shí)也能夠讓催收作業(yè)更加合規(guī)。

另一方面，智能催收機(jī)器人在早期催收中極有用武之地。并且，智能催收機(jī)器人的話術(shù)固定，不會存在情緒失控的情況，所使用的話術(shù)也經(jīng)過人工審核，可以有效的杜絕話術(shù)違規(guī)的情況。在提升用戶體驗(yàn)的同時(shí)，確保作業(yè)的合規(guī)性。此外，智能催收機(jī)器人運(yùn)行穩(wěn)定，過程記錄準(zhǔn)確，且能夠在策略調(diào)整后快速上線，不像人工作業(yè)一樣需要培訓(xùn)、宣導(dǎo)和質(zhì)檢，能夠有效的節(jié)省企業(yè)的相關(guān)成本。