《自然智能客服解决方案--催收方案》由会员分享，可在线阅读，更多相关《自然智能客服解决方案--催收方案（57页珍藏版）》请在金锄头文库上搜索。
1、自然智能客服解决方案,自然智能机器人介绍,标准问答库,客户,机器人,机器人,自然问,智慧知识库,自然样本库,人工座席,标准答,自信值 90%？,Yes,No,训练,自动建立,自学习,持续优化,标准答,风控节点,自然智能机器人的客服应用场景,（提示答案）,传统人工智能技术在客服应用中的痛点,解决客服应用痛点的技术突破方向,关注问答关联性是突破的开始,人类归纳思想是找到客服知识规律的钥匙,问答关联性,归纳思想,归纳算法,自然智能是人工智能技术的新发展成果,自然智能机器人实现了客服知识规律的自学习,人机完美结合的极致客户体验工作模式,自然智能机器人的创新在线学习机制,业务运营稳定、用户体验良好、风险
2、高度可控、效率不断提升,座席应答 机器学习,智能机器 独立工作,1,机器应答 座席辅助,2,3,NI-NLP 核心算法,Team Engagement Applications,Analytics,Messaging + Communication Platforms,在线/微信/App,智能IVR,智能质检,静默坐席,精细化运营,客户行为分析,自然智能 机器人,关联性归纳 机器自学习 自然语言处理,自然智能机器人在客服领域的多样化应用,CAA (Canadian Automobile Association) 加拿大汽车联合会,作为北美汽车服务行业的最大型机构，CAA（Canadian Au
3、tomobile Association 加拿大汽车联合会），与AAA（American Automobile Association 美国汽车联合会）一起，为北美超过1亿车主会员提供与车相关的全天候、全方位服务，例如提供免费地图、导游服务和行程计划，还有汽车拖运、汽车维修和汽车保险等专业服务。,CAA的AI选型之旅,NI 自然智能,AI 人工智能,ICE,机器人都很程序化，死记硬背 需要大量人力维护错综复杂的程序,机器人自发学习而不是被动接受指令拥有举一反三，自我提升的能力,传统,创新NI智能语音技术 vs 传统AI智能语音技术,催收解决方案介绍,催收管理方法论 催收相关评分卡介绍 概述 评
4、分种类 评分应用 催收策略介绍 催收系统介绍,催收管理核心竞争优势的体现,催收管理工作的生命周期最佳实践经验,国际最佳实践中，催收管理工作在各阶段的原则与策略包括：,账单周期开始,还款到期,0 - 30天,30 - 90天,90+天,核销,催收管理时间轴,主动提前处理,信用风险评估 预先监控 降低损失程度,早期欠款,客户自愈 强调客户关系的维护及客户保留 对高风险客户进行处理,中期欠款,扩大催收范围 降低滚动率 协议还款 风险缓释,晚期欠款,强调保护资产 第三方代理 协议还款 诉讼,回收,债务出售 核销,主动提前处理,早期欠款,100%,强调： 维持关系,时间 ( 逾期天数),0%,100%,
5、0%,核销,强调：保护资产,催收过程的目标,催收过程的演变,CRIF建议策略型催收,策略型（不同于技术型与运营型）催收的核心在于能够对客户信息进行集中查看，从而可以对客户名下的所有账户情况形成统一的认识 借助对客户的整体性认识，贷款机构可以紧密结合客户价值和客户的整体金融风险，部署相应的催收策略。这样一方面能够降低成本，另一方面也能改善催收效果 策略型催收方式的关注重点为： 在账户尚未逾期但出现“早期警示迹象”时，提前采取措施做出应对 充分发挥数据的最大效用，对客户的行为和还款能力进行预测 应用数据信息去“了解客户”，为每个客户设定最恰当的催收处理方案；通过自动化催收作业，可以支持大规模的催收
6、行动 结合定量信息（如评分）与定性信息（如催收人员意见反馈），制定出恰当的催收行动方案 借助持续型学习与完善技术（冠军与挑战者测试），可以找出更好的行动方案组合，从而达到预期的目的 在“理想化的策略”行动方案与实际的运营资源局限之间取得平衡 结合短期、中长期与长期的关键表现衡量指标进行监控，以便开展量化的评估操作,催收原则,催收策略、卓越的运营、人才策略结合在一起，可帮助金融机构提高信贷工作绩效。 部分顶尖金融机构也在考虑将催收部门发展成本机构的“策略性职能部门”，在催收工作的基础上打造自己的竞争优势。 催收策略可能会对收益、成本或信贷损失带来影响。业界领先的各类金融机构正在改良催收过程的设计
7、方案，希望能够提高催收工作的有效性。,体系架构,基于评分卡，数据驱动，定量和定性分析结合的催收管理的体系架构,策略流程,催收管理方法论 催收相关评分卡介绍 概述 评分种类 评分应用 催收策略介绍 催收系统介绍,行为评分模型,催收（逾期滚动）评分模型,催收模型细分与定义,国际最佳实践：催收模型分为早期催收和晚期催收,观测点已处于催收状态群体,不同逾期状态具有不同风险特征和趋势,M1模型: 逾期1-30天,M2模型: 逾期31-60天,M4模型: 逾期91-120天,M5+模型: 逾期121-210天,M3模型: 逾期61-90天,早期催收模型,晚期催收模型,变量设计 &筛选,样本 抽取,回归建模
8、,模型检验 评分校准,CRIF 模型开发 方法论,调研内部数据现状 结合内部专家意见 及国内外最佳实践 提升模型预测效果,模型开发方法论,模型开发的关键因素,申请信息 客户信息 账户信息 购买信息 ,存量状态数据,交易信息 还款信息 逾期信息 ,账户入催时间 催收执行主体 催收方式 被催方反应 ,信用记录 外部贷款情况 ,月度行为数据,催收行动数据,征信数据,全面的建模基础数据,20XX年X月-20XX年X月 共XXX张数据表，约XXXX字段,XXXX张：项目所需数据 其余：数据抽取时的临时表或中间表,数据分析结果：数据时间长度、范围和质量满足催收评分卡及催收策略开发的需要,催收管理方法论 催
9、收相关评分卡介绍 概述 评分种类 评分应用 催收策略介绍 催收系统介绍,极高风险 高风险 中风险 低风险,策略设计的核心思想组合化管理模式,组合化管理模式,消费金融业务的业务量大的特点决定了其业务管理必须采用组合化的管理模式。 组合化管理模式是将客户按照风险级别进行分群，对不同风险级别客户分别采用不同的机器人话术。,结合数据驱动和评分卡应用的策略设计优势,相对传统的主观判断方法，使用评分卡的优势在于： 能更准确的识别和计量业务风险 提高审批效率 最大化自动决策的数量 降低人工审批的数量 为风险管理者提供决策依据 更有效的实现风险监控 减少人为判断的偏差,策略设计方法论,完整的策略设计流程中，策
10、略实施结果的监控、结果评估也同样重要 策略设计是循序渐进、根据业务目标不断调整的,概念设计 - 现有业务策略 - 业务目标,结合业内最佳实践和客户风险偏好,有选择地开展试点,根据试点情况将策略应用全面推开,业务目标,设计开发过程,跟踪评估调整过程,催收工作各阶段的目标和策略组合,在国际最佳实践中，催收管理的整体目标为：在催收资源、成本可控的范围内优化实施催收行动，从而有效控制风险，提高回收率，降低催收成本，同时兼顾客户服务。,催收情况现状分析,是否具备支持最佳实践业务的技术框架，包括工作流、决策软件、数据存取等,检查可为催收业务、策略提供支持的数据、统计风险模型与评分卡；评估数据的易读取性、及
11、时性和相关性,入催账户细分方案（队列），确定对不同的客户分组采取合适的、有针对性的行动方案,检查催收员的绩效考核方法，产能情况,评估是否能够创建与业务运营相关的各类监控报表，包括进一步观察策略设计对业务表现带来的影响,反映整体业务方案的操作流程，做出决策所需经过的具体步骤（比如人工审查流程）,0 1 2 3 4,监控,系统,数据&模型,作业,策略,人员,机器人催收策略基本架构,评分模型,政策规则,BAR计算,客户分群,催收模板设置,逾期账户,技术与业务剥离 可视化的业务调整 决策树 矩阵 评分卡 ,基于策略的催收,根据不同的风险等级的客户我们将设置不同的对应话术来进行机器人语音催收。,应用评分
12、模型优化客户细分风险余额,最佳实践中常见的细分方案是将入催金额与催收评分进行组合，计算平均风险余额作为风险排序标准,早期催收,晚期催收,自动外拨系统,对风险余额高的细分加强催收强度 对低风险/自愈客群延迟行动时间,将风险余额高的客户提早下发分行或委外处理 利用风险余额制定还款计划,风险余额可在自动外拨系统中用来进行客户分类和排序,温和的处理方法,最严厉处理方法,客户 A 逾期金额 = $ 10,000 坏账率 = 0.2% BAR = $ 20,客户 B 逾期金额 = $ 600 坏账率 = 10% BAR = $ 60,M1阶段,BAR 100,BAR 200,BAR 500,BAR 750
13、,BAR 1000,BAR 1250,BAR 1500,BAR 2000,BAR 2500,风险余额的概念,BAR, Balance at Risk 按评分段对于的坏账率与欠款余额相乘得到“风险余额”值 BAR被广泛应用于催收管理中，尤其在早期逾期阶段 利用BAR决定加速或放缓催收力度，从而合理分配催收产能、成本,基于风险余额的客户细分设计方法,以M1阶段逾期客户为例进行分析,按照M1催收评分的20分位点将客户划分为5个组 按照入催金额的20分位点将客户分为5组 将评分和金额进行交叉分析，得到55矩阵（共25个矩阵细分） 计算各矩阵细分的平均风险余额（Balance at Risk，简称BAR
14、） = 坏账率 平均余额 根据平均BAR，将矩阵细分由高到低排序，并将其进一步合并为高、中、低风险客户类别 设定各风险客户类别的机器人催收话术。,示 例,通过决策树模型筛选M2逾期高风险客群，然后根据每个叶子节点的坏账率和平均逾期余额计算平均BAR，以此区分不同风险程度的客群，采取不同催收行动。,示 例,基于决策树模型的客户细分设计方法,M1阶段 1 cycle delinquent,首月逾期？ 是 FPD yes,M2阶段 2 cycles delinquent,首月逾期？ 否 FPD no,.,.,.,首月逾期？ 是 FPD yes,首月逾期？ 否 FPD no,特殊人群的处理方法首次还款
15、逾期,定量评分/定性规则策略组合,定量/定性策略组合,评分策略,业务规则,策略组合矩阵,催收优先级,催收策略规则树,示 例,催收策略行动建议,示 例,行动方案的测试与调整还款曲线分析,通过观察各催收队列在催收周期1-30天的还款情况，可以有效改进原行动方案：,通过还款曲线发现,第1天的短信和机器人语音效果显著（体现为第5-7日还款曲线的峰值），但无法区分这两种行动各自的效果 第15天发送短信几乎没有任何效果 曲线在第18天后明显地逐渐稳定下来 改进建议： 确保第25天电话催收 测试第20天催收函，告知可能产生利息、滞纳金等费用,原催收行动路径,第1天第1条短信,第1天开始机器人语音,第15天第
16、2条短信,1,2,3,高风险大金额,举例,冠军 Champion,挑战者 Challenger,Accelerate treatment-general Accelerate treatment-targeted Decelerate treatment Balance at risk Timing of actions Multiple/follow on actions Type of communication Use of external data Letter only strategy Phone only strategy Self cure tests Data driven strategies Optimisation of
