得助智慧：12% 90後擁有信貸負債，智慧催收成解決金融風險隱患首選

隨著消費市場的擴大以及消費觀念的轉變，提前消費、分期付款的人越來越多。與此同時，衝動消費、過度消費也逐漸增多，部分消費者由此產生了過大的財務壓力和債務風險。

據《中國消費年輕人負債狀況報告》資料顯示，全國有1。75億90後，其中86。6%都接觸過信貸產品，實質負債率為12。52%。央行也在其釋出的《2020年第四季度中國貨幣政策執行報告》中指出，“部分負債消費主體存在未來收入與還款支出不匹配，容易超過自身經濟能力過度借貸消費，埋下金融風險的隱患。”

過度借貸消費群體的增加，一方面促進了理性消費觀念的普及，另一方面也對金融機構的貸後資金管理能力提出了更高要求。完善催收體系，提高資金回籠率，降低逾期轉不良風險，不僅能夠助力金融機構做好資金管理，對整個金融行業的良性發展同樣具有重要作用。

在粗放型催收時代，催收作業完全依靠人力完成，且沒有案件的分類，企業往往強調績效激勵，透過增加人均作業量，以推進工作進度、提升效率。

但如今，在AI技術逐漸進入廣泛應用的階段，催收領域也邁入了智慧化時代，透過構建一系列AI模型，企業可根據案件逾期時間、客戶風險、響應可能性等，實現催收策略、人員和應答話術的最優配置，在保證催收合規的同時，大幅降低人力成本，提高催回率。

從粗放型催收到智慧化催收，是催收行業進入轉型的關鍵時刻。消費金融的蓬勃發展促進了催收行業的大爆發，對於催收能力及效果的要求急劇上升。同時，消費金融客群數量激增、場景下沉，也讓傳統催收方式日益捉襟見肘。如何使用技術手段助力催收業務，實現節約成本、最佳化體驗和改善效果的三重目標，成為金融行業的重要課題。

實現智慧催收的核心在於構建催收的智慧模型體系。這一構建過程包含以下內容：

1。

構建貸中/貸後AI模型，最佳化使用者分群；

2。

構建基於深度學習的使用者畫像模型，提升使用者畫像的應用水平；

3。

從優秀坐席人員的撥號習慣出發，構建號碼策略模型；

4。

透過研究催收話術，構建專門用於催收的次序模型，結合使用者畫像，實時推薦催收話術；

5。

透過對催收話術的研究，構建質檢模型，實現7*24小時全域無盲點智慧質檢。

透過催收機器人、智慧催收一體化平臺等構建完整的智慧催收體系，透過分群模型和賬齡策略相結合，不同使用者群採取不同的催收手段，

針對不同業務階段，搭建多產品矩陣，支援多級催收需求。

其中，催收機器人在預催收及早期催收中極有用武之地。針對賬齡較短的使用者，催收機器人可做到全觸達、全覆蓋，

與人工催收效果無異。此外，

催收機器人所使用的話術經過人工嚴格稽核，且不會存在情緒失控的情況，可以有效杜絕話術違規，避免催收投訴。同時，催收機器人執行穩定，過程記錄準確，能夠在業務模式及催收策略確定後快速上線，避免人工作業的長時間培訓、宣導等，真正有效節省企業相關成本。

目前，智慧催收已應用於多家銀行、消費金融企業中，幫助降低清收成本，達成高效合規催收。