人工智能时代下多模式的贷后管理

发表自话题：严重逾期催收短信模板

来源：时光头条

人工智能时代下多模式的贷后管理

在长久的经济发展顺周期中，中国各类信贷机构一路扩张，不论是新增金融机构数量，还是各机构贷款余额增长迅猛。时至今日，随着经济下行，加之去杠杆等政策推进，各机构积累的风险逐渐显现。风险日益聚集的当下，守住风险最后一道防线——加强贷后风险管理能力、提升资产处置能力成为了各类信贷机构的一种政治正确。

但由于信用体系的不健全，相关政策法规不完善，建立完善而高效的贷后管理体系对各信贷机构来说是一项巨大的挑战。

在此背景下，由览雨信息策划主办，上海互联网金融行业协会不良资产信息应用专委会联合主办，中国消费信贷催收行业协会（筹）、智清金科、智灵时代科技、睿科伦科技协办，零壹财经、北京正沨投资、为睿资产、金石征信支持的《2018第二届中国贷后风险管理及资产处置峰会》于2018年11月8-9日在北京伯豪瑞廷酒店举行。

峰会上，智灵时代科技人工智能专家王宇先生带来“人工智能时代下多模式的贷后管理”的主题演讲。

以下是王宇先生的演讲实录：

王宇：大家大家下午好，今天跟大家分享一下人工智能时代多模式的贷后管理。我们先先梳理一下在贷后管理的哪些场景，哪些环节可以通过人工智能赋能。

今天上午也听到了很多贷后管理的现状和难题问题，我们再一起看一下能用哪些方法来解决。

行业痛点上午谈到的得比较多的一个点是说现在人力成本越来越高偏高，特别是案件流量进来快或者出去快的时候成本更高，再还附带加上培训的成本，人员流失的成本，这样的话对于人力资源密集的贷后管理行业业务是有一些影响的。另外一个点就是效率低下。，人工来做催收做事情有一个比较根本的矛盾，就是说人工管理上尽量想做到标准化，但是各个案件都有个性化的东西特点，所以我在标准化和个性化之间很难达到平衡，这个问题我怎么来解决。第三块就是运营运行模式比较粗糙，我讲粗糙就是的意思是说大家都会做知道在催收这一块行业，压力通过考核之下会有能看到一些效果成果，但是缺乏一些分析的经验方法和工具，比如就是说能看见我哪一块做得还的不够好，或者说我在哪些地方怎么可以改进得改的更好，这些问题怎么来解决。第四块是压力之下会有合规性的有待考验，业绩压力下大家可能首先会松动放弃的就是合规性的要求。，这个些可能是行业上的一些痛点，我们来看一下怎么通过技术怎么解决这些问题。

行业未来在哪里，解决的方法在哪里？ 我们觉得有两个大方向。一个是精细化的运营很重要，这个可以做的很好块很重要，通过科学系统地优化过程，提升业绩。另外一个就是AI的催收，语音智能的技术。

今天讲三个东西，我们我们通过智灵在行业中的实践，做了机器人来看一下AI和科技在几个行业痛点问题的解决方案。，核心智能的部分就是今天我们主要看三两块：一块是智灵催收机器人，一块是智灵催收平台，最后一块是人工和智能结合。

，这一块应该贷后管理其实是人工智能可以智能发挥很多作用的地方。方，催收是跟人的沟通，是既有合作又有冲突的场景，我们怎么把可以通过人机结合做得的更好。

先现在讲智能在催收机器人上的应用。，这个属于人工智能赋能的场景下的一个应用。首先来讲，要达到好的催收效果，需要做客户的智能分群，分群目标一定是对不同的客户采取不一样的策略，而这个策略在这个客群上是更有效的，这个是我们用人工智能和数据模型可以解决的。另外就是人机协作，不仅在全流程中人机要协作合作，我们希望希望在一通电话对话之中人机也可以协作合作，所以我们有做了无缝无缝机器人转人工的实践技术，通过弹屏等工具可以给转接的人工座席实时提供相关信息。后续还有通过任务的管理，以及智能包括报表管理，我们可以更直观地看一下业务数据有什么样的变化差异，分析成因。

既然是讲机器人，我们还是先播放一下我们的语音机器人的实战录音，大家听一下（播放语音）。 其实我们想说今天我想把我们催收机器人后面的技术拆分开来看，实际上这个机器人就是一些底层的东西看一下智能都在哪些环节起了作用，。首先，当然客服要把这个案件放上来的案件，通过模型和规则进行分群，有然后再用一些系统配置的策略集合进行匹配匹配一些策略，。然后就是通过人机交互策略引擎进行智能对话。催收机器人的性能实际上最要紧的还就是在催收场景下人机交互的策略引擎，就是我们怎么把机器人的技术，客群特点和催收场景结合在一起，这个里面既有知识，人的智慧，也有机器的能力智能，我们解决的是怎么把它结合好的问题。这块是催收机器人核心的东西，就是谁能把这块解决得更好，那最后能应用解决的问题就是的场景就可以更丰富，可以由处理更多，更复杂，更长账龄的案件，这是我们发展的方向。当然除了智能，后面还有一些技术工程挑战，还有一些资源挑战，我们后面会讲到。

其实从流程来讲，使用催收机器人的过程很简单，，就是先上传信息通过业务系统把信息传上来，然后进行做智能分群。，分群的目标就是让匹配到的干预策略更有效，。我们也会按照客户不同的特征来进行分群，然后匹配不同的相应的策略，这一块工作里就既是有人工智能的专家，有话术的专家，也有催收员，一起来把知识放到这个规则和策略里面去，我们再在系统中做客群和策略匹配。这样的话，就可以实现对于合适的人用合适的方法进行干预。

然后当然就是人机交互对话的过程，这一块的核心就是能不能准确地理解客户意图，做出相应的反应把催收场景的知识库做的更好，能不能把场景和技术结合的更好，催收一个需要深入的场景，也是我们一直深耕的地方我们实际上是深耕这一个场景。再后面是给大家的报表统计，：一方面我们希望知道我现在催的效果好不好，比如说一些细化比指标，较细的比方说接通率、实际还款率，承诺还款率。另一方面，我们也想得到对催收的全过程的了解共产，比如，在采取的各个行动中，这些客户对哪些客群有是哪些行动步骤有提升的空间。，这些都是我们想知道的，通过我们的各种报表就可以完成。

对客户从分群来说讲，刚才也有科技机构的朋友讲过，实际上就是怎么样通过客户的特征、评分的特征、引擎的策略把群分出来。分好了群之后，针对各个群体特点在话术和方法上进行匹配。在催收机器人语音交互的过程中其实能调的点29个，点还蛮多的，哪句话术点用什么方式，甚至语气的变化都会对催收结果有影响，我们的目标就是通过可以控制的变化的手段点的精细化调整，把这个催收过程做得更好。比如说，我们把催收过程分了通知阶段、催收阶段，联系人阶段等等，不同的阶段采用不同的策略话术，细节可以控制到语气是施压还是温和。下面的部分这个是催收模板的部分，里面包括了对客户当前状态的判断：比如是否要最低还款，是否有还款意图，话术逻辑包括跳转的规则等等。，我们希望催收的过程是可控的，我们怎么把这个事情衔接在一起所以我们把这个东西做成了模板，可以人工进行调整。再后面还有可以调整配置的会有呼叫的规则，比如我什么客户什么时候打接听率比较高，拨打的频次等等。每次呼叫结束后，我们再根据客户的意图，选择后续的行动。其实这样构成催收场景下机器人其实能不能把这些细节做好，就关系到最终效果的问题，就是能不能催的更好。

我们在机器人和平台上做了很多事情，实际上很有效果，那怎么才能做得更好？。上午今天上午也听很多也有专家人讲过了，我们面临的一个大问题就是我们要调优。，那么怎么来调优？，一个一块是就应该有一个评价的体系，我知道什么样的东西比什么样的东西效果更好；第二块是有一个分析的方法体系，我能知道哪些地方是我调优的重点和关键；第三块就是我有一些方法可以探索新的办法，新的策略：，我刚才讲了一个途径是个通过话术专家话务增加通过结果的反馈去尝试一些新的东西，通过人的创造来完成。另外还有一个途径块就是机器去自动的地探索，实际上这两块我们也都去做了。比如，在我们的催收平台也提供了冠军策略和挑战者策略评估，策略开发工具，策略分析和比较的功能。生产中，可以用稳定的冠军策略跑绝大部分案件，新开发的挑战者策略分配少量一些随机案件，通过不断迭代比较，分析调优来得到更好的催收策略。平台为这个过程提供了一系列的工具来帮助客户高效率低成本的完成这个过程。

，其实调优的一个核心问题这块核心的本质就是成本问题，我做挑战者策略和进行实验是需要有成本的，因为我们创新出来的挑的挑战者策略也很有可能不如冠军策略挑战的做得更的好。这里有一个事情希望大家能思考一下做一个考虑，每一轮挑战者策略挑战冠军策略需要做到多少什么样的成功率才是健康的？，有些人可能觉得20%就不错了，有些人觉得应该是百分之百才好。什么样的调优的进步的速度速度是最理想最健康的，我觉得是大家可以思考这样的一个问题。， 因为AI做催收这件事情最厉害的一块就是可以不断学习，进步。学习调优本身可以看成一部是非常厉害的机器。，可能大家今天策略和实践的水平还差不多，可一旦有人可以把学习调优进化的这部机器机器人做的好，，可能一周之后，只要学习有人提升的速度足够快，那它实际上是会就会达到更高提到很高的水平，并不断进步。，那在现在的竞争环境下，实际上如果没有这个具有学习能力的机器人可能就会非常地的被动，非常地的吃亏。，大家都会有经验的边界，很多事情可能大家专家也不一定能觉得知道这样行不行能行，但是有学习能力的机器他们会不断突破这些边界，把这些人想不到的东西做出起来，把人想得到的东西做到更精确。另外一个AI更有优势的方面方向大家是会做的更个性化，我们找的可能不是一套最优的通用模板，而是针对不同人群，乃至不同个体的不同最优策略模板。如果大家有了这样一个壁垒，在催收的环境之中会有怎样的一些优势。

催收平台上，无论是人工催收还是机器人催收，也我们都会有一系列做报表。首先是，任务维度的报表，每一个维度上我们做的好不好，每个策略做得好不好，都可以横向的比较，；比如说我们可以按照的呼叫状态、意图分类。呼叫状态大家也比较关心，电话打过去到底是什么样的信号信令，比如全球通还是小灵通，客户有没有停机，有没有接通。意图分类就是机器人分析客户的还款意图有或者没有。通过多个维度的整理，通过报表来看，我们可以知道哪个事情技术做的好或者不好。然后包括是策略维度的报表，我们可以看见各个客群，各个策略的表现可能目标是找到一套不同客群、不同客户的一套不同的策略，而希望在每个不同客群上的策略都做到最优。有了这些工具之后我们其实就可以去投资入资源，包括话术专家的资源，包括机器迭代的资源，因为平台上有了的评价体系和工具，投入这就开始可以衡量产出了，合理投入资源，见到效果。这个机器一旦开起来是非常有效果的。

机器人大家的理解，对于早期案件的理解，到了中心目前怎么做呢除了催收机器人以外，催收平台对人工催收能提供哪些能力？我们觉得这里面也有一些可以赋能的东西。比如说合规质检质监，早上有一家机构科技公司这说这块做得就的很好。包括案件管理，包括失联信修，在平台上这些技术手段可以用到。当然，，也包括BI报表，包括作业管理，是全套的贷后管理管理全流程的平台。

稍微多讲一下失联信修。，合规的情况下平台可以做一些什么？这一块我们技术赋能的地方也比较多，，比如说我们的号码画像，社交网络，单位查找，知识图谱，以及行政单位的信息，村委，物业信息查询，也包括一些知识图谱。，这类失联信修大家可以多试一下。

另外一块就是数据模型的赋能，我们想讲赋能总要落实到一个具体的问题上。，这块就是比如个性化催收策略。，比如常见的基于账龄这样的策略，会对不同客群采取不同手段，比如说前期短信提醒、机器人催收；中期段就是人工电催或者函件催收。另外就是比如，基于特征分析的策略，：比如说，可以分到M1-，有意愿无能力，这类客户的干预策略跟前期边的那个只根据账龄的策略就不一样了。另外还有基于模型的催收策略，账龄滚动率模型等等。

质检这一块就是我们通过人工分析做一些质检，这块我们也有业务平台。

其实讲到科技赋能，我们到底赋的是什么样的能力？，主要有三大块能力：一块是AI能力平台，其实底层就是语音合成、语音语义理解，话术的知识表达、知识图谱、知识库等等。第二块是数据的能力，包括算法能力，能不能做客户支持分群，能不能做做开发策略开发。第三块还有数据的平台，我们也有做了大概5000W万条数据支持我们的业务。

这些能力最后展示展现出来的就才是这个一站式的贷后管理平台。

其实刚才讲的都是技术资源，包括智能AI赋能，其实真正的落地还需要相当的一些工程能力和资源能力，比方说电话呼叫外呼这件事，可能有些客户很多客户都用做过，可能最后是因为号码资源的问题导致，接通率不高。这方面，我们也有自己的自建的呼叫中心，有3大运营商的线路资源、各地号码资源，并发资源，可以承载万级以上的的并发并发资源。我们也有后期案件的座席坐席资源。，人工智能不是目标，人工智能是手段，最终的目的就还是KPI的表现，为的是我们能力的提升，复杂的案件我们也可以接过来。。

我们平台的业务平台的模式我也大概也讲介绍一下。，左边一端是我们提供的工具和服务，包括简单的催收机器人可以提供个性化的催收服务；催收平台提供了全面的智能化后台的管理，我们的工具和平台可以让不良资产的处理更高效；我们也提供催收策略开发服务，大数据催收策略，精准的预测客户风险等级等等。另外一端就是我们的用户，右边就是有些是我们甲方甲方机构的客户可以上到平台上来，也可以是乙方的催收机构也可以通过平台实现这方面的东西更好的管理，用户也包括催收员和管理人员，这就是我们讲的一站式的服务，我们这边叫做行业解决方案可以通过一个平台给大家提供各种服务。

以上就是我今天分享的内容，今天大家也听了一些科技赋能的东西，我还这边想特别讲两个件点事情：一个件就是说赋能的关键是思想意识，赋能不光是科技公司做的事，也是业务机构的事情，怎么发展这个能力，结合自己的情况，把跟它配合好，提高生产力。我觉得对甲方机构还一块是要可以更开放一点。，大家都知道现在科技公司人都比较开放，很多产品都可以来咨询，可以来测，可以来试，这个资源可以利用好。第二个点是块我们也希望行业有一个持续调优的动力，赖总总结的非常好，我们希望做的得更好，即便是我们今天在任何一个水平比较低的水平，只要我们明天比今天做的更好，只要有持续提升的能力，那我们就会更有发展。我们希望科技的作用是让你提升的得足够快，把提升的成本降的得更低。

以上就是我分享的内容，谢谢大家！

标签组：[人工智能] [催收系统] [贷后管理] [机器人] [智能时代] [过程能力] [策略模式] 

上一篇：新野县法院审理一软暴力催收涉恶势力犯罪集团

下一篇：利息低的正规网贷排行，网贷黑户秒下款的app随时Q我咨询！