九卦｜ 人工智能如何重塑銀行信貸流程？

文 /李偉東 李秋苑，本文是作者授權(quán)九卦金融圈發(fā)布，轉(zhuǎn)載請注明來源。

人工智能引導(dǎo)銀行新一輪變革

目前AI已經(jīng)深度滲透到金融領(lǐng)域的核心場景，使得銀行革新了對客戶價值的認(rèn)知、創(chuàng)新了服務(wù)流程、降低風(fēng)險控制成本，拓展了金融服務(wù)的邊界，未來甚至?xí)l(fā)企業(yè)文化、組織管理、基礎(chǔ)設(shè)施建設(shè)以及體制方面的重要改革。

信貸業(yè)務(wù)是銀行業(yè)的主營業(yè)務(wù)，也是目前跟AI融合最深入的場景，研究AI在信貸領(lǐng)域的應(yīng)用對整個AI+金融有很大的啟示作用。

信貸業(yè)務(wù)流程主要可分為三個階段：

營銷獲客

貸前反欺詐、貸前信用審核以及貸中監(jiān)控

貸后管理

每個環(huán)節(jié)都存在固有的痛點(diǎn)和挑戰(zhàn)，很多都是長期存在的頑疾，AI技術(shù)的進(jìn)場不同程度上改變了整個局面。同盾科技作為國內(nèi)第三方智能風(fēng)控服務(wù)提供商，在利用AI賦能銀行的道路上始終走在行業(yè)前列，同盾科技全流程智能風(fēng)控具有非常典型的代表性。針對信貸業(yè)務(wù)的三個階段，同盾針對性地提出了智能化解決方案：用戶增長服務(wù)、貸前反欺詐及信用風(fēng)控服務(wù)、逾期管理智能催收服務(wù)。

用戶增長服務(wù)

系統(tǒng)化經(jīng)營客戶整個生命周期

信貸客戶生命周期解構(gòu)成獲取、提升和成熟、衰退流失三個階段，三個階段相互依存，相互影響，因此用戶增長服務(wù)不是只圍繞某一環(huán)節(jié)單獨(dú)進(jìn)行，而是伴隨整個客戶生命周期而展開。

1

客戶獲取階段

其使命是發(fā)現(xiàn)并獲取潛在客戶，增加流量轉(zhuǎn)化率，相應(yīng)的解決方法是建立潛客響應(yīng)模型。

用戶從各個渠道進(jìn)入平臺時，標(biāo)簽信息基本為零，銀行對這個用戶一無所知，通過同盾潛客響應(yīng)模型的篩選，可以對客戶進(jìn)行360度精準(zhǔn)畫像，以分值的形式將客戶劃分成高響應(yīng)、中響應(yīng)和低響應(yīng)三種狀態(tài)。對于高意向用戶采用主動營銷策略（如外呼和短信），對低意向用戶不進(jìn)行觸達(dá)，在提升轉(zhuǎn)化成功率降低營銷成本的同時，避免對無意向用戶的打擾。

舉例來說，一些理財平臺會采用現(xiàn)金獎勵的方式吸引用戶，用戶做完申請、注冊后領(lǐng)取相應(yīng)的獎勵，但最終沒有在此平臺購買任何理財產(chǎn)品。

這類客戶一般都屬于高響應(yīng)度的客戶，采用外呼、短信觸達(dá)的形式能有效“激活”；對于中響應(yīng)度客戶采取“監(jiān)測”的策略，客戶的響應(yīng)分不是恒定不變的，各種驅(qū)動因素的影響下響應(yīng)分呈波動起伏狀，當(dāng)某個時期監(jiān)測到客戶響應(yīng)分上升，可及時進(jìn)行外呼和觸達(dá)“喚醒”用戶；而低響應(yīng)度客戶很大程度上屬于薅羊毛者，觀察其響應(yīng)分持續(xù)保持低分值狀態(tài)，銀行無需對這類客戶做額外的工作投入。

通過高、中、低層次劃分，在流量驅(qū)動的獲客階段，銀行能調(diào)配出最優(yōu)資源配比，把最好的營銷資源投入到最高層次客戶身上。

2

客戶提升和成熟階段

該階段的關(guān)注點(diǎn)是挖掘存量客戶最大價值，增加粘性和品牌忠誠度，讓用戶去嘗試銀行其他金融產(chǎn)品。

此階段相對應(yīng)的解決方案是產(chǎn)品推薦模型或交叉營銷模型，通過產(chǎn)品推薦模型可以幫助銀行有效識別用戶對不同產(chǎn)品的潛在需求，對特定客群積極開展交叉營銷活動，提高個性化匹配的幾率，從而提高利潤。

3

客戶衰退階段

該階段的目標(biāo)是延長客戶的生命周期，挽回流失客戶，讓其對信貸產(chǎn)品重新產(chǎn)生興趣。同盾流失召回方案可以有效分辨出哪些是流失用戶，并評估其召回響應(yīng)概率，同時可提供額度調(diào)整建議。

在用戶引入、成長、成熟、休眠和流失等不同生命時期，企業(yè)對客戶進(jìn)行適當(dāng)?shù)哪繕?biāo)管理，在每個節(jié)點(diǎn)都能創(chuàng)造出巨大的價值。

中國線上信貸市場漸漸告別高獲客的野蠻成長時代，即將進(jìn)入到存量競爭的精細(xì)化管理階段，以流量為中心、以產(chǎn)品為中心的理念或向以用戶為中心讓渡，利用大數(shù)據(jù)、人工智能等技術(shù)進(jìn)行客戶整體生命周期系統(tǒng)化經(jīng)營將成為銀行未來的重要競爭力。

貸前反欺詐以及信用風(fēng)控

逐步走向智能風(fēng)控3.0時代

獲客對于銀行只是第一步，隨之而來的風(fēng)控問題也是一大考驗(yàn)。貸前反欺詐、信息核驗(yàn)和信用評估是貸前風(fēng)控三個重要環(huán)節(jié)，下面將逐一展開討論。

貸前反欺詐

信貸業(yè)務(wù)面臨的欺詐形式主要是團(tuán)伙欺詐，近年來團(tuán)伙欺詐事件逐年攀升，欺詐團(tuán)伙內(nèi)部分工越來越精細(xì)，反偵查能力越來越專業(yè)，正朝向智能化、技術(shù)化、非接觸化、職業(yè)化的趨勢快速發(fā)展。

在與欺詐攻防過程中，采用機(jī)器學(xué)習(xí)人工智能方法，發(fā)現(xiàn)尋找更多的線索特征，挖掘用戶的行為特征，用戶關(guān)聯(lián)特征等異常事件，結(jié)合IP、手機(jī)、位置等維度分析潛在的欺詐風(fēng)險，能極大提升反欺詐的效率和能力，同時在大數(shù)據(jù)、人工智能、云計算等技術(shù)的推動下，反欺詐工作也進(jìn)入到了全新的時代。

進(jìn)入智能風(fēng)控時代，在新技術(shù)的加持下，反欺詐的武器庫更加精良。同盾結(jié)合復(fù)雜網(wǎng)絡(luò)、設(shè)備指紋、IP畫像、手機(jī)號畫像等技術(shù)，構(gòu)建了多層次縱深的立體化反欺詐運(yùn)營生態(tài)，為超過10000家客戶提供安全保護(hù)，保護(hù)信貸資產(chǎn)總額超萬億元。

反欺詐評估后需對客戶信息核驗(yàn)，核查用戶信息真實(shí)性、評估用戶還款意愿和還款能力。

隨著信貸業(yè)務(wù)線上化轉(zhuǎn)移的提速，銀行對批量化處理的需求日益急迫，當(dāng)前依靠人工進(jìn)行復(fù)雜化、機(jī)械化、無標(biāo)準(zhǔn)化的審核模式逐漸力不從心。

為此，同盾推出了智能化解決方案——智能信審。以問卷形式讓申請者提交信息，并通過問卷結(jié)果對申請者進(jìn)行二次確認(rèn)，評估客觀數(shù)據(jù)和用戶提交信息的偏差程度。

智能信審?fù)ㄟ^對申請人提供信息和數(shù)據(jù)庫信息的交互驗(yàn)證，根據(jù)交互驗(yàn)證結(jié)果自動化智能生成一張問卷。根據(jù)客戶的回答結(jié)果，智能生成下一個問題。系統(tǒng)根據(jù)算法挑選題目進(jìn)行結(jié)果測算，從而做出最終的評分模型，模型以分值形式輸出，給人工審核提供一個直觀的參考價值。

經(jīng)過貸前反欺詐和信息核驗(yàn)后，銀行將對用戶進(jìn)行貸前信用評估。貸前信用評估對信貸產(chǎn)品額度和利率的設(shè)定，以及逾期和壞賬率都有一定的影響。

信用額度的設(shè)置，通常是在客戶信用風(fēng)險水平評估基礎(chǔ)上，綜合考慮客戶資產(chǎn)狀況、債務(wù)結(jié)構(gòu)，同時結(jié)合內(nèi)部信貸政策，核定客戶還款意愿和還款能力。

綜合所有策略、模型和專家經(jīng)驗(yàn)后，銀行最終做出放款與否、放款金額以及利率多少的決策，在智能化決策時代，部分銀行已經(jīng)可以做到秒級程度。當(dāng)然，對于銀行來說，放款并不代表高枕無憂。

智能語音技術(shù)日漸成熟

貸后催收業(yè)務(wù)智能化改造加速

隨著銀行業(yè)務(wù)的線上化提速，傳統(tǒng)依靠人力的催收模式變得捉襟見肘，很多銀行都開始探索智能催收。

我們將智能催收和人工催收進(jìn)行對比，就更能理解銀行業(yè)的決策。

人工成本如工資、場地、招聘、培訓(xùn)等，人工催收成本很高

受多種因素影響，人工催收情緒波動大，且需要重復(fù)培訓(xùn)話術(shù)，專業(yè)程度難以保證。智能的催收系統(tǒng)采用標(biāo)準(zhǔn)催收話術(shù)，從源頭上減少話術(shù)風(fēng)險。

傳統(tǒng)催收的觸達(dá)率以及反饋度較低。據(jù)統(tǒng)計，傳統(tǒng)催收每人每天的極限是100—200通電話，但是機(jī)器可以達(dá)到2000通的外呼量，成本低并且可以全年無休。

客戶敏感信息易泄露。在與客戶交流的過程中，催收人員獲得大量客戶信息，存在信息泄露風(fēng)險。

另外，人工催收一般由專人跟進(jìn)，客戶信息無標(biāo)準(zhǔn)化統(tǒng)計，難于管理，容易流失。

基于以上種種問題，越來越多的金融機(jī)構(gòu)都把目光投向了智能催收系統(tǒng)。

同盾智能催收系統(tǒng)在銀行業(yè)被廣泛使用，其經(jīng)驗(yàn)非常值得分享，同盾智能催收系統(tǒng)有兩大基礎(chǔ)

第一基礎(chǔ)是策略平臺

策略平臺搭載著三組模型組合而成的催收評分卡。

第一組模型是賬齡滾動模型

通用于預(yù)測輕度逾期人群進(jìn)入更加嚴(yán)重逾期狀態(tài)的概率，主要目標(biāo)是捕捉持續(xù)逾期的高風(fēng)險用戶，依據(jù)客戶還款情況和逾期頻率進(jìn)行打分。通常對1-30天，31-60天的逾期客戶分別建立賬齡滾動模型，預(yù)測60-90天發(fā)生逾期的概率。

第二組模型是還款率模型

通常應(yīng)用于60天以上的逾期用戶，預(yù)測回收客戶欠款的比例，主要目標(biāo)是準(zhǔn)確捕捉潛在回收水平比較高的客戶。

第三組模型是失聯(lián)預(yù)測模型

用于預(yù)測逾期客群未來無法觸達(dá)的概率，通常對剛進(jìn)入逾期狀態(tài)的客群就要判斷失聯(lián)的可能性。通常對1-30天、31-60天、60天及以上的客群分開建模。模型常用的信息包括逾期總額、賬戶信息、電話詳單等。

第二基礎(chǔ)是智能執(zhí)行

模型相對應(yīng)的是智能執(zhí)行的策略。智能催收系統(tǒng)在實(shí)際操作中通過大數(shù)據(jù)精準(zhǔn)匹配參數(shù)，如通過客戶基本信息、申請信息、逾期情況、還款能力、還款意愿、消費(fèi)習(xí)慣等智能判斷逾期客戶的綜合情況，通過模型算法匹配相應(yīng)的催收策略。

當(dāng)模型預(yù)測結(jié)果相對較好時，語音催收則采用比較溫柔的策略。當(dāng)預(yù)測結(jié)果指向高?？蛻?，則采用比較強(qiáng)硬的方式進(jìn)行催收。

除開催收話術(shù)的強(qiáng)弱，評分卡還能得出更多因子。例如：周幾催、什么時間點(diǎn)催、每天催的頻率等，這些因子都可以在策略平臺進(jìn)行配置。

同盾智能催收工具逾期管家和逾期精靈，兩款產(chǎn)品都是基于智能決策和智能語音的機(jī)器催收平臺，背后有同盾強(qiáng)大的技術(shù)團(tuán)隊(duì)和數(shù)據(jù)生態(tài)系統(tǒng)作為支撐，將貸后催收的各個標(biāo)準(zhǔn)化業(yè)務(wù)進(jìn)行全面的智能化改造，交互過程完全透明、可監(jiān)督、可追溯，適用于銀行、電商、新金融和保險等各類場景。

未來隨著智能語音識別、語音交互等技術(shù)的進(jìn)一步成熟，智能催收系統(tǒng)將會徹底改變催收領(lǐng)域的商業(yè)生態(tài)。

最后值得指出的是，除了本文重點(diǎn)介紹的信貸場景，AI在智能客服、智能投顧等銀行重要場景均有重要作用。隨著金融線上化、場景化、用戶交互高頻化的發(fā)展，通過不斷的響應(yīng)和迭代，AI在金融行業(yè)的應(yīng)用將更為廣泛，影響將更為深遠(yuǎn)。