【9】贷后策略的一点思考

来源：https://blog.csdn.net/lc434699300/article/details/109010682

　之前写过一篇贷后策略效果评估的文章，主要是介绍策略的制定以及效果的评估方法，评估方法从常见的命中率、覆盖率控制命中策略的人数，也大致预估了对催收成本以及坏账的影响。本文针对上次的文章进行几点补充，主要是从实际业务的角度，对催收产能以及业绩指标的影响作合理的预估及监控。

目录
预估产能
预估指标
策略监控
总结
 　假设现在有缓催3天、5天、15天的3条策略，其命中率和覆盖率如下(策略内容为虚构)：

 　三条策略一共覆盖了30%的客群，且缓催15天的客群应该是历史回收率最高的，缓催3天的客群历史回收率最低，但应该也要高于整体的历史回收率，否则就没有作策略的意义。
（催收目标：更少的催收成本更高效的催回款；风控目标：更高的通过率更低的逾期率）

1.预估产能
 　缓催策略上线之后，必然会导致下个月的入催数量有一定幅度减少，所以需要对入催量进行预估以便对催收人力安排进行调整。
 　由于缓催3、5、15天之后没有回收的案子之后需要重新入催，所以逾期的第1天、第4天、第6天、第15天都会有案子入催。策略上预计有30%的案子会命中缓催策略，70%的案子正常入催。假设缓催3天的案子在缓催期内的回收率为30%，即有70%的案子会重新分案；同理缓催5天回收率为40%，剩余60%会重新分案；缓催15天回收率为50%，剩余50%会重新分案。这里的回收率可以用历史第3、5、15天的回收率来假设，即容易回收的案件的自然回收率和整体的回收率一致。这一假设可以等策略上线之后有了表现再进行调整。
 　基于上面的假设，以此可以预估本月实际的委案量。假设本月有10000个案件发生逾期，那么需要入催的案量则为1000070%+1000010%70%+1000010%60%+1000010%*50%=8800。即最终有8800个案子入催。所以虽然命中缓催策略的比例是30%，但是由于未回收之后需要继续入催，实际缓催的比例大概在12%左右。
 　有了实际委案量的预估之后，可以合理安排催收人力以释放催收人员产能。实际情况中，由于缓催3天里面会涉及多条策略，比如不同账龄会有不同的缓催3天的策略内容，因此预估案量的过程需要更加精细化的计算和假设。

2.预估指标
 　缓催策略的目的是在保证回收率不变的情况下尽可能降低催收成本。但是由于入催时间晚了几天，催收人员跟进的时间也相应减少，因此回收率一定会有一定程度降低。所以缓催策略上线的同时，需要预估上线之后当月的回收率，以调整催收人员的业绩考核指标。

 　上图最右边那列是预估业绩指标结果。以缓催3天为例，有1000个案子命中此条策略，3天内回收率为30%，即300个案子自然回收，剩余的700个会继续委案。历史数据表明缓催3天的案子回收率为80%，即正常入催的话会有800个案子回收。因此如果想要达到和人工催收相同的回收率，则还需要回收800-300=500个，委案数为700个，因此业绩指标为500/700=71.43%。实际情况中，3天之后入催一定会比第1天入催回收率有所下降，因此实际业绩指标会再低一点。同理可计算出缓催5天的业绩指标为75%，缓催15天的业绩指标为80%。
 　如果案件量很大，命中策略的数目也较多，可以根据不同的缓催策略分别制定相应的考核指标，即上图中这样。如果案件量很少，可以直接预估整体的绩效指标降低程度。比如上面的案例中，缓催3天委案700个，需回收500个；缓催5天委案600个，需回收450个；缓催15天委案500个，需回收400个；正常入催7000个，需回收5250个。因此总体回收率为(500+450+400+5250)/(700+600+500+7000)=75%。这里的预估整体指标和原来的回收率一样，是基于缓催样本的回收率和人工催收回收率的效果一致的前提条件，实际情况中一定会比75%低。
 　除了策略的影响为，每个月的绩效指标考核也需要有科学制定流程。比如上个月的回收率为75%，这个月的预估回收率不一定为75%，这里简单介绍一下考核指标的制定方法。

 　首先，将各资产包各个账龄段的回收率列成一个倒三角形，比如2020年5月的资产包，前3期(6、7、8月)的回收率依次为70%、75%、80%，现在需要预估9月份的绩效指标。这里可以就用近3期的回收率取平均或者按一定比例取加权平均(比如5:3:2)，预估出9月的回收率，其它月份的资产包依次类推。然后再根据每个月资产包的单量占比对回收率进行加权，最后得到整体的回收率为73.25%，即可作为当月的预估指标。

3.策略监控
 　策略上线之后，需要监控每天的分案数以及回收数，及时对比回收率与历史的变化，如果与历史出现较大偏离则需要找出原因调整策略。

 　上表列出了每日的分案数、回收数以及回收率，需要关注的数据有缓催期内的回收率、缓催样本周期末的回收率以及和人工催收回收率之间的对比。上图中缓催3天、5天的回收率比历史人工催收低2个点左右，缓催15天的回收率比历史人工催收低4个点。
 　有了一个周期的数据表现之后，可以测算一下缓催策略节省了多少成本，以及由于缓催策略导致的回收率的降低或者迁徙率的升高，有多少样本由于缓催策略的影响迁徙到M2，进而估算出对最终坏账的影响。将节省的催收成本和增加的坏账进行比较，最终判断策略的实施是否合理，以及如何调整缓催策略的比例。

总结
 　本文是催收策略的制定和调整的一些经验，策略应用除了根据已有数据表现制定催收策略，还需要对策略上线之后的一系列结果进行预估，以便合理安排催收人力。科学合理的贷后运营管理以及完善的系统建设才是提高回收率的关键，因为催收效果影响最大的因素还是催收人员本身。
————————————————
版权声明：本文为CSDN博主「Labryant」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/lc434699300/article/details/109010682