最有看点的互联网金融门户

最有看点的互联网金融门户
专栏国内资讯基于互联网平台的金融业务金融信息服务

为什么说99%的智能催收都是噱头?

本文共4573字,预计阅读时间149

消费金融行业的催收,是在成本和收益之间寻求一种动态平衡。

忽略成本前提谈催收,没有任何可比性。智能催收是局部性的降本增效,整个催收的方法论并没有改变。

催收的优化必须跟坏账率的变化结合起来看,在保持坏账不变前提下的成本优化才是真正的降本增效,否则即是舍本逐末。

金融公司,最大的风险是人。

金融行业里有句话说“三分贷,七分管”。

不管是银行还是现在的互金机构,催收的重要性体现在两个方面:一能够最大化的降低坏账损失;二,通过强大的催收能力抢滩较高风险的业务并获得收益。

互金机构客群违约风险高于信用卡客群,催收效果的细微变化可能引起的是利润上百万量级的进账或者损失。

随着现金贷的崛起和没落,催收行业似乎迎来了一个春天。

一方面客户量迅速爆发,另一方面客户越来越难催,行业性的坏账在飙升。

智能催收作为一种新型方式横空出世。

2018年AI大热,智能催收真的是催收行业的未来么?未必。

何谓智能催收?

根据公开报道,智能催收主要是以人工智能技术来优化整个催收流程。

先以整个催收流程为例,如下是通常催收的逾期指标定义。通常把逾期90+(M3+)定义成不良,行业常说的不良率就是指这个,把逾期180+定义成坏账。

当然坏账的定义和计提、核销机制每家公司都有所不同,这里暂时不提。

催收逾期指标定义

在这个过程中,在每一个还款日(m1,m2,m3等等)的前几天一般都会开始通过电话的方式提醒用户还款日要到了,注意及时还款。这种方式,支付宝、白条,各家银行的信用卡中心都在采用。

从m1开始,一但还未还款就会形成逾期。一般在逾期后几天,也会进行电话提醒,这里就不是提醒还款,而是催促还款了。所以,上图整个催收强度会逐步增大,直至逾期到后面通过司法、委外上门等非常强烈的手段来进行处置,当然成本也会很高。

在整个催收过程中,要不断的通过数据报表来分析逾期客户,定出针对性的催收策略,并且不断的根据各个月的催收指标进行调整。

这其中,包含了电呼、外包、质检等不同方面的工作。

催收过程简易图

智能催收变革了哪些环节?

而现在智能催收技术提到的主要革新的是以下几个环节:

1 智能电呼(呼入和呼出)

2 智能分案(涉及的主要是催收策略)

3 智能报表

4 智能质量检查(质检)

智能电呼:大量压缩人力成本?未必

智能电呼里面又有两种。一种是典型的录播,即语音机器人的说话信息都是提前人工录好导入,这跟淘宝的机器人客服很像。

另外一种是实时的人工智能语音回复,暂且可以理解成iPhone的siri或者Amazon的Alexa。

智能客服的核心在于增加对用户的提醒度,提高频率并降低成本。

传统的催收公司采用人工电话的方式。不少金融公司都会将这个业务外包出去,外包按照坐席个数来调配金融公司的催收单量。一个坐席即为一人。行业内平均每天的人均产能在200-300通左右。

而对催收公司的分润,基本上也是采用按照待催额度的不同比例来给予回佣。

这里给大家提醒一点,不要被很多人工智能公司官网的样本所吸引。官网一般来说都是polish后的版本,具体想要了解在催收业务中,机器人客服到底做的怎么样,一定要去做测试。

当下行业内有种观点,人工智能显著降低了人工成本。

从每单的成本来看,确实比人工要有比较大的优势,但如果把这个成本的降低跟后期催收坏账指标结合在一起看,结果未必那么乐观。

目前催收行业内主流的电呼平台的不同计费标准

纯人工拨打的方式,行业内基本上按照每通电话的拨打率,为2元/通。而目前主流的人工智能替代人工拨打的收费方式,是按照使用时长计费,基本上是每分钟一元或者0.5元左右。

由于人工电话基本上每通的平均时长也在一分钟左右,所以这里我们可以近似统一的来比较。

目前,在人工智能领域,科大讯飞是做的比较好的,它的收费也相对高于行业其他供应商,我们取一个中间区间,1.5元。其他供应商也相应按照中值,0.5元。

假设以每天同样需要拨打200通电话为例,不同的花费如下:

注:这里的坏账率指的是采取不同的催收方式所引起的后期指标变化。人工智能数据的来源是国内几家主流消金公司所做的业务测试数字。

纯人工至少要比采用人工智能降低一个点的坏账率。重复一句,去做业务测试,不要轻信任何公司官网上的描述。如果假定待催金额30000元/天,一个月就在90万左右。

如果选择人工智能:

坏账降升高一个点,损失:90万*1%=9000元。

成本降低,省下:(400-100)元*30=9000元。

基本打平。

如果我们把人工智能的单价再降低,调为0.25元。那成本上就能省下 350元*30=10500元>9000元。

如果坏账的gap不是一个点,变成2个点。90万*2%=18000元>10500元。

以上的数字推理,基本上都是采用了行业里的业务均值,会有上下偏差,但幅度不会太大。

从上面的简单推到我们可以至少得出三个结论:

1. 在单价上,人工智能比纯人工具有显著的优势,能够大大降低单均成本,毫无疑问。

2. 如果综合后期的催收效果,把不同方式引起的坏账率也参考进来的话,人工智能是否更划算尚待观察。

3. 单点来看,坏账率上升带来的损失远比成本降低更可怕。

金融是一个风控风险强滞后性业务,所有的变动必须把可能会引起的坏账变化考虑其中。

如果抛开坏账率不谈而单方面进行各项优化,无异于舍本逐末。

智能分案(催收策略):无法控制人这个变量,人工智能的价值并不大

这是整个贷后催收核心的工作。不同客户在不同时间以什么样的催收方式和催收频率去触碰。根据不同的数据反馈和行业经验制定一个成本和回收率之间的最佳催收方案,这就是策略的价值。

催收策略基本上涉及到以下几个因素:人(催收员),在什么时间(催收时机)以什么方式(催收强度/频率)处理什么不同案件(催收案件特征)。

不管是自动化 的微信、短信、电话提醒还是人工催收,策略的制定都需要人来做出设计。到目前为止,人工智能尚不能替代人的作用。

智能报表:自动化报表早已在行业内普及

报表贯穿于整个催收管理。就目前来看,人工智能所提供的自动报表跟催收系统内置的报表并没有太大的区别。

基本上做MIS系统的企业,催收系统都能够提供不同维度的自动报表生成。行业内不少像华腾这样的第三方企业兜售的催收系统中,都含有内置报表,这个技术已经成熟多年。

在这一点上,人工智能没有显著优势,甚至人工智能的报表水平是否能够持平MIS报表,也需要进一步的观察。

智能质检:人工智能优于人工

在质检领域,目前来看,人工智能是有领先优势的。

不管是自建催收团队和外包给第三方催收公司,都需要定期调取录音对催收电话的质量进行一定的把控,这就是所谓的质检。比如不能辱骂,威胁,业务表述清晰等等。

传统的质检方式,基本上采用的从催收录音库中随机抽取一定量的样本,招募一批质检专员来一个个的听,记录下有问题的案件,测算比例。

而人工智能的情况下,可以采用把抽检出来的语音样本通过语音转文字的方式,先转化成文本,进而进行自动化的关键词信息检索。在这一点上,理论上人工智能可以大大降低成本。

但这里有一个问题,但从实际来说,催收质量问题,是催收员出了问题。当业务规模起来,前期靠人工质检把关团队基本稳定后,一个正常的催收员不会突然出格质量偏差。

这块质检也不是完全随机抽样,可以通过对人的管理来进行干预,而且也有大数定理。所以,随着规模大起来,稳定以后,可能效果没那么大。

催收领域真正有效的系统:自动拨号系统

自动拨号系统:即在拿到预期账户列表以后,根据定好的规则对需要电话呼叫的账户进行排序,用算法来优化呼叫的顺序,最大化每个坐席的产能。

自动拨号系统是大型催收机构的必备。

下面是一些使用该系统后的前后业务数字对比:

注:图中数字来源于《消费金融真经》一书

但该系统的应用高度依赖于贷后策略人员的专业技能。自动拨号系统的规则是管理人员来定,保证尽量让优质的催收员接听多的电话,同时保持一个较高的电话接通率。

比如如何确保一个优秀的催收员在挂断电话的一刻立刻给他派送一个最新的案件,无缝衔接。另外,自动拨号系统并不是这两年AI带起来的新产物。这是一个非常成熟的行业产品,国内外大的信用卡中心早已应用多年。

但这套系统也有明显的缺陷,基本上要千人以上的规模才有使用的必要性和可能性。太小的催收公司,采购这样的系统,一是成本太高,二则,自动拨号系统需要依赖庞大的数据库的不同变量才能让算法作出最有决策。如果样本量很小,意义并不大。

催收的核心到底是什么?

催收是一个劳动密集性的行业,催收能力好坏的核心,是能不能尽可能的低成本,高效的收回欠款。

催收的核心在于催收策略的制定和实际落地运用程度。在一定的成本控制下,如何把潜在逾期风险或者实际逾期行为的伤害降到最低。这里面很考量一个专业建模和策略人员的业务能力。

如上图所示,在整个贷后催收环节环节中,催收强度和催收效果实际上有截然不同的策略。

对于消费金融公司来说(现金贷除外,商业模式完全不同),在逾期刚刚开始的时候,并不需要采取最强的催收强度,但这时候催收效果理论上应该是最好的。

随着时间的拉长,催收难度逐步增大,变成坏账呆账的可能性进一步增加,这时候,应该把催收强大增大。

催收还有一项重要的收入,就是罚金。甚至在某些策略下,让特定一部分客户逾期或者逾期较长时间,是金融机构有意为之。

金融机构可不傻,这样做,有他的道理在。因为好的催收,一定是坏账损失,罚金收入,催收成本这三个因素的最佳平衡值。

上图只是简单罗列了三种不同催收策略下的情况的对比。

最优的催收,就是尽可能做大正值,降低负值。这三个因素,又相互关联,牵一发而动全身,并非易事。

这里面又延伸出两个核心环节:识别高低风险客户和催收评分的创立。至少就目前主流催收机构的现状而言,人工智能均无法代替人。

传统金融机构基本上会将高风险的客户派发给最有经验的催收员来处理。因为对于高风险客户,机构不能漫无目的等待,或者逾期时间延长后再增加催收的强度,而是必须在早期就尽量的采取高强度的催收策略来让客户回款。

而如何识别客户中的高风险客群,这就需要用到催收评分系统。催收评分系统可以基于过往的客户表现和统计学的方法,加上行业的催收经验(包括不同的催收策略可能引起的用户还款概率的变化等等)。

人工智能的确在某些单点做出了效率的提升,但这个提升,需要被纳入到整体的催收成本的大图中去考虑。否则无意义。

另外,目前的人工智能外呼,距离真人还有很大差距。当越来越多客户识别出来这是机器人在讲话时,是不是会产生反效果呢?

本文系未央网专栏作者森林学苑发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!


用微信扫描可以分享至好友和朋友圈

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。

评论

  • 李 龙涛在 2018/05/29 17:41回复

    这篇文章有点干货,作者好,能不能留个联系方式交流交流,谢谢。

    • 森林学苑在 2018/06/08 16:39回复

      @李 龙涛: 你好,欢迎添加我们的微信公众号“森林学苑”,可以勾搭我哦

发表评论

发表评论

您的评论提交后会进行审核,审核通过的留言会展示在下方留言区域,请耐心等待。

评论

您的个人信息不会被公开,请放心填写! 标记为的是必填项

取消

森林学苑未央青年

13
总文章数

拒绝信息垃圾,输出知识干货。专注新金融领域深度原创,为你省...

区块链投资升温,底层建设尚待完善

刘宗根 | 中国证券报 11小时前

现金贷政策筑起的堡垒:催收机构何去何从?

独角金融 06-19

深度学习的寒冬来了?

脑极体 | 钛媒体 06-13

人工智能在保险领域的“尴尬”

互联网保观 06-05

招行信用卡启示录:消费金融如何穿越周期的迷雾?

薛洪言 | 苏宁金融研... 06-04

版权所有 © 清华大学五道口金融学院互联网金融实验室 | 京ICP备17044750号-1