客戶可聯率，即當日接通的客戶數除以當日撥打客戶數所得出的數字，它是影響公司主力業務線回款率的原因之一。那么，如何提升客戶可聯率呢？本文作者以一次模型實踐為例，對此進行了分析，一起來看一下吧。

一、業務背景

公司主力業務線回款率惡化較為明顯，經分析，近期客戶撥打的可聯率比以往大幅度降低。

注：可聯率 = 當日接通的客戶數/ 當日撥打客戶數。

二、方案簡述

現行的方案：撥打策略是基于業務專家經驗，每日撥打是固定次數、固定時間間隔，大量集中在每日特定幾個固定（經驗認為的黃金撥打時段）時間點，每日撥打電話量大，系統并發要求高，但存在許多無效重播。

計劃的方案：是結合客戶畫像，差異化的預測出每一個客戶的多個容易撥通的時間段進行撥打，如此，不僅能提高接通率，還能減少每日撥打總量，降低系統并發要求。

注：目標制定上，盡管業務部門的終極目標是提升回款率。但考慮到客戶回款前的中間鏈路與不確定影響因素較多，而客戶可聯卻是本項目可直接作用的，故將客戶的可聯率作為本項目的考核指標。因此，一般建議將對業務目標有正向作用的，且策略可直接影響的指標作為項目目標。

三、項目實施

1. 數據分析與客戶分群

• 新客：是指入催次數較少的客戶；
• 老客：是指有過多次入催記錄的客戶，其中，極端老客是那種歷史上多次撥打均不可聯的客戶或及易撥打可聯的客戶，數據分析顯示，這一部分客戶對項目指標的提升的貢獻極小。而非極端老客是策略優化的首要客群。

用于訓練和驗證的數據主要分布在2020-08-01～2021-03-28，當時的用戶數共216052。

2. 特征加工與選取

1）基本信息

籍貫、大區、省份、年齡、婚姻狀況、學歷、行業、職位、收入、房產信息、車貸信息、已有合同數、總款額、放款期數、渠道等。

2）撥打歷史

歷史中每個時間段的接通次數、平均通話時間、通話總時長、近一三六期通話時間、近一三六期通話質量：交互次數、對話次數、近一三六期{kptp（承諾還款后實際還款）情況}、最一三六期是否拒絕還款、近一三六期跳票情況等。

3）還款表現

歷史各時段的接通次數、平均通話時間、通話總時長、近一三六期通話時間、近一三六期通話質量：交互次數、對話次數、近一三六期{kptp（承諾還款后實際還款）情況}、最一三六期是否拒絕還款、近一三六期跳票情況等。

4）APP埋點數據

登陸時間、登陸次數、還款頁訪問時間、查賬頁訪問時間等。

5）設備采集數據

系統最新啟動時間、電池是否充電中、是否連接wifi等。

基于iv值、gini系數、相關性檢驗等分析：

3. 模型探索

結合模型指標、計算效率，本次選取XGBOOST模型。

4. 訓練效果

模型一：

模型二：

5. 線上AB測試

• 分流：近一個月內累計撥打4w名客戶，其中測試組與對照組分流各占50%，系統保證（客戶號哈希）客戶特定客戶恒走老策略，特定客戶恒走新策略，新策略逐步切量。
• 結果：T(即賬單日)可聯率提升10.1%（回款率提升5.6%），非T日（即非賬單日），可聯率提升2.9%。

四、后記

本項目第一階段為期8周（數據探索2、模型訓練1，AB測試5），投入人力2人。既沒有用到特別復雜的模型，也沒有耗費過多的資源。本是一次不抱有過多期望的探索，卻意外取得了不錯的效果，并得到了公司高層的贊譽與推廣。

因此，在立項階段，要大膽嘗試，打破常規；在實施過程中，要少炫技，重結果。