對不起，我是來催債的

原標(biāo)題：對不起，我是來催債的

文 | 柯鳴

來源 | 智能相對論（aixdlun）

事情是這樣的。

前陣子跟一朋友借了筆錢，不多，5000塊錢。他從微信上發(fā)了個H5給我說錢到賬了，讓我下載某借貸APP提取。我也就照做了。昨天收到借貸寶打來的催款電話，一個女客服給我不溫不火掰哧半個小時，讓我一定要還錢，不然要影響信用。不管我怎樣回應(yīng)，甚至惡語相向，她也一點兒都不生氣。

這讓我刷新了對催收的印象，一直以來，催收在我的印象中是這樣的：

又或者是這樣的：

當(dāng)我們看慣了大金鏈子、墨鏡、肌肉男、張嘴閉嘴臟話的催收時，我不斷感慨現(xiàn)在催債方式都是如此的人性化。然而，我仔細一查才發(fā)現(xiàn)，該公司的呼出式催債客服均是AI，當(dāng)時我的心里是這樣的：

雖然之前已經(jīng)了解了許多語音助理的技術(shù)革新，當(dāng)自己真正經(jīng)歷了一個話術(shù)表達如此自然、多輪復(fù)雜語言對話流暢如此的AI時，感受還是相當(dāng)驚訝的，畢竟我一直幻想著和我通話的是一個聲音甜美的小蘿莉。

所以，最終我還是及時還上了錢，雖然被催債心情不是那么好，但終歸催收這個形式還是不錯的，雖是AI，但也能夠滿足在交互中的基本需求。那么AI催收到底是個什么東西呢？智能相對論（aixdlun）分析師柯鳴為大家一探究。

AI催收——貸后催收的新寵兒

根據(jù)調(diào)查資料顯示，AI催收主要是以人工智能技術(shù)來優(yōu)化整個催收流程，其不僅僅局限于智能呼出式客服。

以整個催收流程為例，如下是通常催收的逾期指標(biāo)定義：通常把逾期90+(M3+)定義成不良，行業(yè)常說的不良率就是指這個，把逾期180+定義成壞賬。

催收逾期指標(biāo)定義

在這個過程中，在每一個還款日（m1,m2,m3等等）的前幾天一般都會開始通過電話的方式提醒用戶還款日要到了，注意及時還款，其實，這種方式在支付寶、白條以及各家銀行的信用卡中心都有應(yīng)用。

從m1開始，一但還未還款就會形成逾期。一般在逾期后幾天，也會進行電話提醒，這里就不是提醒還款，而是催促還款了。正如上圖一樣，隨著時間推移催收強度也會逐步增大，直至逾期到后面通過司法、委外上門等非常強烈的手段來進行處置，當(dāng)然成本也會很高。

在整個催收過程中，要不斷的通過數(shù)據(jù)報表來分析逾期客戶，定出針對性的催收策略，并且不斷的根據(jù)各個月的催收指標(biāo)進行調(diào)整。AI則是滲透至催收的各個環(huán)節(jié)，簡化催收過程的同時也優(yōu)化催收效果。

AI怎么催？又怎么收？

催收原本是個鮮為人知的行業(yè)，傳統(tǒng)的催收公司一般以銀行和信用卡業(yè)務(wù)為主，比如老牌催收公司高柏、CBC、一諾銀華等。隨著AI技術(shù)的日臻成熟，催收市場逐漸實現(xiàn)AI賦能，而隨著互金和現(xiàn)金貸的興起，因其逾期體量較大，尺長對催收的需求呈幾何倍增長。根據(jù)調(diào)查研究顯示，目前放款在30億左右規(guī)模的現(xiàn)金貸公司催收坐席均在2000人左右。

在具體應(yīng)用層面，隨著AI賦能催收業(yè)，許多催收公司因為積累了大量的數(shù)據(jù)也希望能夠與金融科技公司合作一起實現(xiàn)催收的智能化與科技化。在操作層面上，智能相對論（aixdlun）分析師柯鳴認為全面智能化的催收業(yè)務(wù)主要體現(xiàn)在以下幾個方面：

1.智能外呼

在貸后領(lǐng)域，標(biāo)準化業(yè)務(wù)包括前端語音外呼、人工質(zhì)檢、批量短信、信息修復(fù)、批量訴訟、報表、分案等，智能外呼作為前端語音呼出的高階版，其可以實現(xiàn)語音合成、語義識別、人機對話、情緒管理等多種外呼形式，這將大大節(jié)省外呼坐席的人力成本。

2.智能質(zhì)檢

從目前來看，大多數(shù)質(zhì)檢都是以人工聽錄音的方式來完成，這種方式不僅耗費大量人力，而且有著明顯的滯后性，難以達到真正的全覆蓋。AI加持的質(zhì)檢領(lǐng)域可以實時對于外呼通話進行監(jiān)控，實時捕捉催收員的情感、態(tài)度、不合規(guī)話術(shù)、敏感詞等，實時進行監(jiān)控預(yù)警及評價，避免滯后性。

3.智能報表

作為貸后精細化運用的核心工作，傳統(tǒng)報表生成耗費大量人力，AI可以實現(xiàn)強可視化的“智能報表”，可以從決策層、中層管理人員、底層管理人員、員工等不同角度生成報表進行展示。例如，生成回報率及成本收益情況報表滿足決策層的獲知要求，生成差異化的員工通話時長、投訴情況、匯款情況等信息滿足底層管理人員的需求。

4.智能分案

分案核心目的是資源的優(yōu)化配置讓最合適的人在最合適的時間通過最合適的施壓力度催收最合適的案子。AI催收通過刻畫用戶“畫像”、訂單分類來設(shè)計催收數(shù)據(jù)模型，系統(tǒng)再根據(jù)行為模型分析生成智能化催收方案。該方案能夠提前預(yù)測客戶失聯(lián)的可能性，或是甄別出用戶還款的可能性，排查存量客群中的高風(fēng)險客戶，進而及時調(diào)整、修改催收策略，提升催收效率。

AI催收的未來在哪里？

麥肯錫全球研究報告曾指出，“2018年超300萬員工需要向機器人老板報告”，“45%的活動可用當(dāng)前技術(shù)自動化，不僅低薪工作，甚至高薪工作中相當(dāng)一部分日常活動也會被自動化，20%的CEO的活動也是可以被自動化的”，可見現(xiàn)在正處于一個全面人工智能的時代。

AI催收發(fā)展到如今確實已經(jīng)稍見成熟，但是在踏足這條“黃金大道”的同時，智能相對論（aixdlun）分析師柯鳴認為依然應(yīng)該認清幾個基本問題。

1.AI并非催收行業(yè)的“治本之策”

催收行業(yè)，AI一定不會是其“治本之策”，最大程度上來說，是一劑“強心劑”。何出此言？因為，催收的核心在于催收策略的制定和實際落地運用程度。AI所提供的一種形式，而最終的成效與應(yīng)用情況，依然需要市場來檢驗。

換而言之，在一定的成本控制下，如何把潛在逾期風(fēng)險或者實際逾期行為的傷害降到最低，這考驗的是策略人員的業(yè)務(wù)能力與整體的專業(yè)建模。

催收強度與催收效果示意圖

之于一般的消費金融公司來說，在逾期初期，并不需要高強度的催收模式，但是這是催收的黃金時期，催收策略效用要大于催收強度，隨著時間的拉長，催收難度逐步增大，變成壞賬呆賬的可能性進一步增加，這時候，應(yīng)該把催收強大增大。

這一切，需要的是催收策略上的直擊人心，AI包裝下的催收形式僅僅能起到一定程度上的促進作用，而真正成功的催收是催收策略與用戶心理探究上的成功。

而在識別高低風(fēng)險客戶領(lǐng)域，AI依然無法完全替代人類。傳統(tǒng)金融機構(gòu)基本上會將高風(fēng)險的客戶派發(fā)給最有經(jīng)驗的催收員來處理。因為對于高風(fēng)險客戶，機構(gòu)無法坐以待斃，或者逾期時間延長后再增加催收的強度，而是必須在早期就盡量的采取高強度的催收策略來讓客戶回款。

2.搭載AI，智能催收依然前景廣闊

雖然AI催收存在著部分問題，但仍然可以看到起在智能催收領(lǐng)域能夠“大展拳腳”。美國的債務(wù)催收行業(yè)已經(jīng)孕育了兩家納斯達克的上市公司，分別是PraGroup和Encore capital。同時，債務(wù)催收行業(yè)里以True accord為代表，運用最新算法的創(chuàng)新型智能催收公司正在逐漸發(fā)力。

以True accord為例，其通過大數(shù)據(jù)采集豐富的用戶信息，進而幫助系統(tǒng)深度學(xué)習(xí)以接近消費者。一方面，其能夠通過多種渠道與客戶溝通（電子郵件，文本，電話，信件，網(wǎng)頁），并估計與用戶最匹配的通信風(fēng)格；另一方面，TrueAccord建立了一個自動化系統(tǒng)，利用社會網(wǎng)絡(luò)分析、機器學(xué)習(xí)和行為分析等，聯(lián)系債務(wù)人，幫助他們確定支付計劃，從而還清債務(wù)。

在呼出式坐席方面，捷通華聲研發(fā)出一款智能外呼機器人，可依據(jù)嚴密的業(yè)務(wù)邏輯完成信息驗核、還款通知、催收警告等任務(wù)，并且能將客戶與機器人的通話全文轉(zhuǎn)寫，為追款提供結(jié)構(gòu)化數(shù)據(jù)線索。

科技巨頭百度的金融服務(wù)事業(yè)群研發(fā)負責(zé)人也在去年KDD China 峰會上，宣布百度正在建設(shè)包含逾期催收和失聯(lián)修復(fù)等領(lǐng)域在內(nèi)的一整套風(fēng)控模型體系。

誠然，在人工智能的賦能下，催收方式將從勞動密集型轉(zhuǎn)變?yōu)榧夹g(shù)密集型，以大數(shù)據(jù)和人工智能為驅(qū)動，越來越透明化、標(biāo)準化。隨著金融市場體量的擴大，工具化、系統(tǒng)化、批量化的催收方式或?qū)⒊蔀槲磥淼男袠I(yè)趨勢。

畢竟，那個催收的人工智能小姐姐還是讓人還錢都得勁?。?/p>

智能相對論（微信id:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出深淺。重點關(guān)注領(lǐng)域：AI+醫(yī)療、機器人、智能駕駛、AI+硬件、物聯(lián)網(wǎng)、AI+金融、AI+安全、AR/VR、開發(fā)者以及背后的芯片、算法、人機交互等。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。