在風控領域，哪些技術是純噱頭？怎樣才能真正落地？

編者按：利用先進技術來做風控，可以說是當前的一個趨勢。但是很多行業從業者會遇到這樣的問題，那些被吹得天花亂墜的技術，到底能不能幫助把風控做好？它們是不是噱頭？如果不是噱頭，這些技術又該如何去落地？

在一本財經的風控閉門課程上， Zrobot的CEO喬楊針對這些問題做出了分享。他從營銷、反欺詐、催收等多個領域，介紹如何進行風控模型開發、搭建。

在正式分享前，我們需要討論確定兩個觀點：

一個是模型開發。目前在國內，包括BAT，都沒有一個完善的模型開發標準流程。

一個完整的開發模型流程，需要滿足以下要素：

這些東西，其實在國內還不規範。

另一個是，在風控領域，大數據等一些先進技術的應用場景和方向在哪裡。

首先，要能做到自動化，盡量減少人工的干預，減少主管臆斷。

其次，通過大數據能實現「差異化」，做到客制化產品設計，客戶畫像補全，客戶需求的深度挖掘。

再次，就是做到精準度，這些需要模型驅動，包括交易成本評估、差異化定價、反欺詐等。

最後，是創新性的評估。比如，現在行業最大的一個瓶頸，是底層數據不能共享，如何實現數據安全的共享。

01基於試驗設計的營銷相應策略

現在營銷有兩種方式：一個是覆蓋式營銷，主要是藉助電視、廣播、報紙德國傳統媒介，他的優勢是覆蓋面廣，單成本非常高，但營銷效果，比如我們把轉化率做為評估，它是非常難以量化評估。

另一個是精準營銷，你的觸達方式，是電銷、運營商的網運營商的網路或者是社交網路傳播，他可以根據人群的特點需求，做一個定製化的投放，定製化的投放最大好處，他可以做到極致化，可能是千人千面這麼一個營銷方式，那麼每個人需求是不一樣，他的消費能力能力是不一樣，而且他最大的優勢，他的效果可以做量化的。

我們經常會面臨三類場景：

一是，你面向眾多營銷對象，你如何選取需要觸達的目標客戶，提高你的營銷響應率。

二是，針對不同的客戶，怎麼選取合適的營銷渠道，降低過渡成本。

三是，在營銷資源有限的情況下，如何選擇合適的產品，做個性化投放，這就是要基於你對這個客戶的精準理解。

我們是提倡「test&learn」的方式，就是你對目標客群的理解，不基於你的營銷人員，他完全是通過我們實驗設計，通過我們的數據來說話，那通過，營銷實驗的方式，你最小的成本來測試，那麼最終你可以通過你測試到的基本數據來建模，來準確判斷用戶的一個畫像，可以精準預估轉化率。

02第一方欺詐

欺詐分為三種：

第一方欺詐，是客戶本人是欺詐的實施者，他進行消費的時候沒有還款慾望，提供虛假的信息；或者刻意提高自己的信用體系，不斷地提高信用額度，當自己的信用額度達到一定程度以後，就忽然爆發。

第二方欺詐，是非常不常見的，它犯罪主體是受害人的親戚或者公司的僱員，通常被當作第三方欺詐處理。

第三方欺詐，客戶是受害人，不主動實施欺詐，欺詐方式包括身份盜用或賬號盜用。

第一方欺詐分為幾類：

一是深度欺詐，用自己的身份申請貸款，但沒有償還意願。

二是first payment default，這在現金貸首輪是非常普遍的，比如，第一天首輪客戶達到30%，第二天可能降到20%，這批客戶有好利潤，但欺詐的頻率是非常高的。

三是餘額欺詐（bust-out）。

國內平台都有自己的提額策略，一個增長性的收信方式，一種方式是客戶主動提出申請；另一種是平台通過判斷策略判斷用戶是否達到提額的要求，做一個被動提額。只要存在提額的空間，就可以給欺詐份子一個動機。

現金貸用戶經常會遇到，有些用戶會借了還，但不是在還款到期時還，可能借了三四天之後就還了。這裡面有一部分人，就是在測試，他們通過不停的提前還款、按時還款，把額度在很短時間內刷到他認為比較高的階段，他可能一次把錢取出來，就消失了。

第四種是空頭支票，這在國外比較常見，但在國內，大家不接受支票付款的，所以這種欺詐方式還未出現。

國內，風控還處在校驗階段，通過身份驗證、識別，在前端防範欺詐。比如你要求用戶提供銀行卡流水，三要素、六要素驗證，甚至是眨眼等活體驗證，這都是有可能被攻破的。所以通過交驗的方式，是目前國內是比較普遍使用的方式。

在無意償還的這一塊，有效的方式就是黑名單，進一步做風險信用評級，用戶畫像。但針對還款意願的判斷是非常難的。

first payment default識別難度在於數據較少，判斷周期長，但耗費大量催收資源，主要也以黑名單判定為主。

餘額欺詐，可用會在多家借貸機構同時發生，如果能掌握多頭申請的信息，可以對餘額欺詐做一個前期的保障。

進入欺詐期，用戶先是正常消費、按時還款，之後多家同時申請調高額度，會短時間內高頻消費，最終消失。

餘額欺詐，在實施欺詐之前，假裝自己是好人，正常消費、正常還款，在初中期，90%正常交易比較多，高危交易、大額交易比較少，後期交易行為發生明顯變化，大額交易明顯增多。

判斷用戶交易的真實性，需要非常大的計算量，對系統、預算的要求非常高，比如信用卡的，要求在毫秒進行判斷。

交易監控，需要監控是否有高頻小額交易、大額異常交易。

餘額欺詐，會頻繁的申請額度提升，最有效的是建立惡意提額識別模型，設置惡意提額識別策略，在實施大額提現時，平台能攔截異常交易。

另外可以結合其他維度進行監控，社交網路、網上瀏覽數據、其他行為數據等。

03常見的欺詐類型及防控措施

第三方申請欺詐，有賬戶盜用、資料造假，惡意違約；交易欺詐，包括賬戶冒用、養卡、套現。他們的防控難度和危害程度，都比較急迫。

具體要如何防範呢？

1、最常用的方法是建立「漫網」體系識別，通過多元數據交叉比對，搭建模型建立精準的客戶畫像。

「漫網」體系識別是我們內部提出來的一個概念，是通過機器分析社交網路額度一個方式，通過地址關聯，設備關聯等建立網路圖譜，當建立起來全網關聯後，你看到的不是欺詐的個體，而是一個消費群落，可以快速定位欺詐團伙行為。

2、多種數據來源的交叉對比，包括地址、移動設備行為等各種用戶信息進行交叉對比，產生置信度。

3、模型的方式，建立精準的客戶畫像，這被認為是最有效的，通過身份特質、購物歷史、交易特徵，構建千人千面的模型，可以根據交易進行畫像對比，符合就通過。

客戶畫像模型構建分為三個部分：

第一，用戶檔案，與傳統風險模型不同，為每一個客戶建立一套專有的行為檔案。

第二，數據光滑，當客戶自身的歷史行為不足以支撐是，需要用行為近似的數據進行補充。

第三，時間衰減，對於我們服務的年輕客群，變化非常快，需要及時更新行為檔案。

04反欺詐

在整個信貸授信環節，身份驗證，欺詐識別，信用評估和後期的風險預警，每個環節都有技術突破。

比如，在批量註冊識別領域，通過用戶行為模式分析，尤其是相似性分析，比如多頭申請、關係網路、高相似信息等，有效區分機器註冊用戶和正常使用客戶，最大限度減少對正常客戶的影響和攔截無效客戶。

最大的劣勢在於，很可能誤傷，需要極強的場景理解能力和豐富的業務經驗，能利用流式處理技術，實時判斷客戶在註冊及使用流程的異常現象。

舉個例子，判斷客戶是否屬於批量註冊，可以通過路徑分析的方式。比如網頁跳轉路徑、網頁類型與停留時間等。

第一，是刷單識別。

通過多個維度，可以識別刷單團體。比如通過商戶和客戶兩個維度，進行信用評估，建立商戶之間，客戶之間，以及商戶與客戶之間的關聯關係，有效提升團體刷單的識別率。進一步，可以由點帶面發現整個可疑集團，並減少對正常用戶的影響和購物體驗。

需要制定一個懲罰機制，對刷單的嚴重程度，進行差異化處理。

第二，是漫網擴散，構建一個關係網路。

這是基於個體之間，多樣性的關聯方式，關聯頻率等信息，有篩選的建立關係網路，同時根據已知的黑名單，建立有效的傳染規則與免疫規則，實現涉黑程度的量化度量，提升黑產團伙識別率。

根據已知的黑名單，建立有效的傳染規則與免疫規則，實現涉黑程度的量化度量。

最終，以圖譜的形式，實現關係網路可視化，方便業務人員對關係網路整體進行把控。

第三，是中介識別，就是根據用戶在網路中留下的言論信息，來判斷該用戶是否具有中介特徵，這是對黑名單模型的補充。

信貸中介識別的難點在於，對於黑產一些隱蔽的代稱，無法進行有效地識別。比如，聊天記錄和論壇言論是零散的，針對多人對話需要進行結合上下文的語義理解，對文本和詞性的辨識度要求很高。

中介識別基本建模步驟：

1、在人工指導下，針對網路進行有效爬取，建立結構化資料庫。

2、利用監督學習，針對爬取素材進行語義分析和情感分析。

3、實現自動化網路爬取和語義分析。

主要採用的標註模型有二元文法（bigram），基於字元的隱馬爾科夫模型（HMM），詞三元文法（word Trigram）和字元三元文法等。

05催收策略

首先明確，催收關鍵目標，包括早起催收、後期催收、保全。

催收，需要催收模型的支持，通過對客戶「排序」，統計建模，來幫助進行業務決策。統計建模的優勢在於客觀、準確、公平、穩健、法律合規。

模型開發需要對歷史信息和當前信息，進行分析和預測，主要是預測未來表現的催收模型可以使用的數據來源有：金融機構自身數據、徵信數據（人行徵信或第三方徵信）、客戶針對催收反饋數據、其他外部數據等。

催收模型搭建同時，還需要制定催收策略。

催收策略是一個不斷循環,自適應優化的過程，需要不斷收集反饋信息,並調整策略。

設計策略的時候，需要關注「什麼時候，由誰，對哪些賬戶，採取何種催收方式」，他最終是一個資源配置效率的問題，有限的資源如何做到最好。

催收策略嚴重依賴於系統，在評分與策略之外，強大、高效、符合業務需求的系統 是重要的基礎條件。

催收需要考慮三個維度，催收賬戶分類、產品分類、催收行動信息。

催收賬戶分類，包括新帳戶、首次還款逾期帳戶、聯繫方式或地址失聯、習慣性逾期、違背還款承諾等。

催收行動信息，包括逾期期數、天數，還款承諾，還款承諾未兌現等。

另一點需要講的是，催收需要結合有效結合賬戶數和金額的考慮。一個公式是，Balance at Risk風險餘額=Probability of Bad壞賬概率(評分) * Balance餘額。

而在催收行動考量時，需要將催收工作可能得到的客戶反饋考慮在內，通過行動細分對催收工作及客戶反饋進行細分,進一步完善策略。

這裡要提到催收對象的「敏感度」，即採取一定的催收行動後,客戶反應如何，依據其」反應情況」和」敏感度」採取不同催收行動。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！