中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

這篇文章，我們講講信貸產品在白名單建設中的兩個場景、“綠色通道”三個階段和六個核心要點，希望能幫到大家。

一、兩個場景

1、控制放量及風險

尤其是在業務初期，比如對流量渠道的名單初篩

2、特殊客戶差異化策略

一般是在成熟業務上應用較多，面向對象是相對優質的客戶，對其設置“綠色通道”三個階段

1、僅白名單客戶客申請（1~2個月）存量客戶分層白名單的篩選及投放

驗證客戶分層邏輯是否可行，同時積累一部分好壞客戶的數據，最終具備客戶的篩選能力，為第二階段存量客戶開放申請打下基礎。

2、存量客戶開放申請（3~6個月）客戶分層與篩選邏輯得到進一步驗證，開始擴大對存量客戶的可申請范圍非目標客戶前置攔截客戶分成驗證及迭代客戶下沉

3、全人群開放申請

進一步擴大客戶的范圍，直至全人群。

二、六個核心

1、白名單篩選之存量客戶分層

存量客戶分層是白名單篩選的前提，白名單篩選即對各個分層做一定比例的抽取。

存量客戶分層主要有以下方法：

1）聯合建模方案

a.自有數據 + 合作機構（Y）構建白名單策略與模型

b.內部數據：性別、年齡、居住區域、工作信息、消費習慣、App使用信息等

2）自有數據Y值挖掘方案

a.自有數據尋找逾期相關變量，如：逾期短信、失信名單…定義內部y值，構建白名單策略模型如：

Bad定義：短信中出現逾期，法院失信名單等

Good定義：定期還款客戶，信用卡提額客戶等

3）自有數據經驗模型

這里主要比較常用的是AHP，即層次分析法，網上資料并不少，不妨自行搜索。大體上步驟是先評估每個評估對象各個維度的權重，再與各個維度實際值（無量綱化處理后）相乘得到各個對象的最終值，然后加和得到各個對象的總得分并排序。

4）特定人群識別方案

例如：

房貸人群：一二線城市房貸人群、其他城市房貸人群

特點：固定資產人群

社保公積金繳納人群：穩定繳納人群、高基數繳納人群

特點：收入穩定、高收入人群

職務類人群：黨員人群、干部培訓人群、國有企業人群、公務員人群

特點：工作穩定、信用意識好

不良類人群：多頭申請人群、羊毛黨、偽造app使用人群、涉黃賭徒人群

特點：欺詐多發人群

2、白名單轉化率預估

常見指標如下：

1）響應率：評估不同客群的響應率，測試不同運營方式、不同流程客戶的最高響應率。雖然響應率是個典型的運營指標，但也是風控業務要關注的，比如響應率很高的客戶資質往往一般（逆向選擇）；對已知渠道的情況足夠了解，也可大致判斷風險水平，對于有些運營方式獲客會出現異常高的響應率，也是需要警惕的。

2）通過率：評估不同客群的審批通過率，分析差異原因并預估開放人群后的通過率。

3）壞賬率：評估不同客群的全生命周期損失、壞賬率，結合貸后表現驗證預估結果。

4）客戶最大規模：結合以上指標，推算存量客戶帶來的最大規模，測算產品盈利。

3、客群進件監控

1）常見指標

• 存量客戶在各分層的比例
• 各分層的投放比例
• 各分層客群的真實進件占比
• 各分層客群的響應率
• 各分層客群的通過率2）常用手段
• 時間線追蹤監控，例如：

• 進件客群的波動變化情況
• 通過客戶的組成情況
• 對比觀測審批策略對各層的收緊效果
• 切片數據回顧，例如：

• 存量客戶在各分層的比例
• 各分層的投放比例
• 各分層客群的真實進件占比

4、客群分層壞賬預測

1）遷徙率進行壞賬預測

a.計算歷史各個賬期的遷徙率（近一年內）

b.預估近期各個賬期的遷徙率（近一年各個賬期遷徙率的算數平均值）

c.統計截止當前的資產分布，并結合上一步預估的賬期資產遷徙率，計算各個賬期的壞賬并累計加遷徙率進行壞賬預測

2）利用Vintage預估壞賬

利用Vintage預估壞賬

5、策略應用

1）業務起始階段流量控制

• 白名單客戶可見貸款入口
• 不同層級客戶差異化投放
• 非目標客戶舍棄營銷

2）差異化審批及授信

• 非目標客戶前置規則拒絕
• 外部數據源差異化調用，節省成本
• 差異化審批策略
• 客戶下沉

3）差異化進件流程

• 客戶進件填寫字段差異化設計
• 進件流程差異化設計

6、白名單迭代

業務是在不斷變化的，白名單也是需要與時俱進的，以下是迭代過程中經常遇到的問題以及對應的解決方案：

• 存量數據庫
• 客戶分層表
• 白名單
• 問題
• 方案

客戶分層是時點數據，不同時間進行分層結果不一樣；記錄每一版本的分層，便于后續做客戶分層遷徙分析。已開放的名單，分層迭代時產生的差異化問題；貸中管控，如調額、調息與凍結額度等，數據量較大時，線上更新時間差異的問題，白名單篩選變量避免應用太短期變量。