内卷下，贷中监控对商户端如何规则

本文主要是介绍内卷下，贷中监控对商户端如何规则，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

内卷化的今天，获客太贵，做好贷中客群管理已经是各位机构最重要的事情（各个银行中争夺的宝地）。贷中策略做得好不好，可以说越来越受到各家机构的重视。
(贷中相关的内容，番茄风控之前的相关课程已有:
1,.贷中存量客户转化管理
2.贷中营销外拨策略
3.贷中提降额策略有哪些)
…

做过贷中策略的同学，肯定了解整个贷中管理主要可分为商户侧管理与客户侧管理。

商户侧管理包括商户管理和交易反欺诈；
客户侧的贷中管理，主要管控的核心工作集中在的预警客户和套现风险客户的识别，另外对于静止客户，主要是对长期静默后的突发性的大额用卡进行风险侦测等诸多内容。

以下我们分别来介绍这两大part内容。

一.商户侧管理

从商户流水数据的表现论，主要识别商户好坏的依据在于以下两点：
①商户是否欺诈
②商户是否优质

欺诈行为主要集中以下常见的两种表现：
1.套现（主要为贷记卡）
套现有分商家套现和散客套现
a.散客套现较难识别，一般金额不会太大（不超过2000），且交易无太明显规律，但熟客会高频套现。
b.商家套现较易识别，一般金额较大（集中单卡套现，分散套现对商家而言会加大成本），且交易金额为1000的整数倍或叠数

2.刷单
a.刷交易笔数，存在极低的单笔交易金额记录（不合理的低价单），主要用于商家增加其POS机数据的单量；
b.频繁来回撤销，刷交易记录；
c. 单笔交易金额不限，但为控制成本，会采用单张卡号周期性/频繁刷单，如一个月刷2次以上，同一张卡每月均有交易记录，同时，欺诈者会为了系统管理刷单的卡张资源，会在同一个时间段内处理完同一批次卡张的刷单作业。

3.欺诈商户的损失
套现和刷单等欺诈行为所造就的交易数据，可给商户的账面带来大量入账，实质上该类造假数据是虚构的，如无对该类数据进行筛查，非常容易误判为优质商户，误批高额授信，最终导致商户骗贷的可乘之机，或高额负债无力还款。

4.判断商户优质与否，可以从交易数据的体量、稳定性等切入
前面排除了商户的欺诈行为，后续就可放心从交易数据中进行识别授信；但授信的数据还需要再过滤一遍，过滤冲销/撤销和不合理低价的数据。
然后再看从商户以下几个维度进行考虑授信：
1.金额：单笔交易金额、单张银行卡交易总金额、商户总交易金额;
2…数量：单张银行卡交易的笔数、商户总交易笔数、商户交易的银行卡数
3.时间：近6个月、近3个月、近2个月、近1个月、近15天、近3天、近1天

细细梳理，我们根据这几个维度，还真的可以梳理出不少的贷中商户监控规则，比如这个内容：

【公开版脱敏，详版见知识星球：21.10.9日新增的商户规则策略文档】

该商户监控规则策略，详情来源于本次知识星球中的商户贷中监控规则文档。当然在商户的监测上，我们还可以采用vintage的方式对商户进行监控：

后续我们会有一个更详细的内容来讲解不同商户的vintage，还有关于贷中商户反欺诈的星球视频课堂也将上线。

二.客户侧管理
在贷中模块相信大家都会碰到以下的操作：
一是有哪些客群是应该提额？哪些客群是需要止付、降级或者关注？
二是做好了客群的分级后，如何针对不同的客群制定差异化的营销方案？

A.额度管理
先给大家解释下贷中业务中比较重要的额度管理。

在整个贷中业务中，额度管理包括提额跟降额。

主动提额指机构主动为客户提额；主动降额为机构因为风险原因对客户额度做降额处理；
被动提额为客户向机构申请提额；

①主动提额——针对低风险，高使用率的客户，主动提额带来几点好处：
1.满足客户高频用卡需求，提高用户对产品的认可度；
2.加强额度使用率，促进额度循环和提升利润；
3.充分利用额度资源，提升额度对收益产出的共享度；

②主动降额——针对极高风险客户，主动降额降低违约损失：
1.对于恶意拖欠等高风险客户，实时主动降额措施

2.通过降额处置降低违约损失
3.考虑用户体验，需加强降额提醒通知
③被动调额——根据客户不同风险和调额需求，设计相匹配的额度调整策略：
1.满足客户主动提额和降额需求，满足客户贷款需求；

2.考虑当前行内授信总额，实现高效的额度分配与利用

B.营销策略
提降额是整个贷中颇为重要的模块。当然贷中除了对客户进行额度管理还有涉及最重要的贷中营销。贷中的营销中，营销策略中最常用到的就是客户分类。
贷中的分类中，经常性我们需要将客户分到不同的池子里，可以看成是给客群做不同的分类。比如对于某银行卡业务中，我们将客户等级分为：白金星客户、金星客户、银星客户、普通客户。

客户在这个过程中是如何定义等级的？这个过程是需要拿实际数据做测试的。既然是拿实际的数据做测试，那客户在池子中就像连通器一样，是可以流动的。
具体为当某些新增客户在完全没有数据情况下一般归类为普通客户，但他在产品页面中的如大额现金贷的停留的时间比较长，并且还点击该详情页面，了解了相关费率情况，并查看了这个详细页面的所有信息，那我们相信客户对该产品感兴趣的概率，会比页面短暂停留时间的更敏感些。
基于这个行为，便可以衍生以下相关变量：

①点击次数，
②频繁查看次数，
③某页面的停留时间…
衍生出变量做的预测值，客户的概率比较高，当我做好相关的规则达到一定的阈值或者模型后，也许客户就流动到白金星客户这个高净值池子中，那我就可以去做最高级些营销策略。

再举个实例，以招行的客群而言，比如招商银行的客户应该在【掌上生活APP】上活跃，我们可以就客户进来后在哪些模块点击的模块，埋点的数据都可以纳入相关的数据里，然后就可以形成相关模型或预测性的解决方案。所以这里提到的相关的埋点就需要根据产品、渠道设计合理有效的获取内容，参考下之前为某产品所设计的埋点需求文档：

【产品埋点相关需求文档，详版见知识星球】

以上的环节中，有了客户的标签等级，如何进行具体的营销呢？第二点，我们来提一下与之对应的营销方式有哪些？
而有了以上相关的客户的等级划分后，便可以采用营销策略。最基本的营销方式有：短信营销、推送、ivr、人工客户，强度依次增加。AB test用到的最多，我们常常将某个模块固定下来后，对产品进行短测试，并测试哪种营销方式推荐产品最有效。
另外是贷中策略中，我们还有涉及一个客群流失预警的内容，即什么样的客群是最容易流失的，应该如何开发这个流失模型？这里我们会用到衡量客群忠诚度分数的模型的内容：

以上关于贷中策略的内容，番茄风控在数字化风控路上都将系统性地帮你学习和提升。详细可关注：《第四期量化风控训练营》，专为数字化风控转型和刚入行风控的同学准备的课程。

~原创文章
…
end

这篇关于内卷下，贷中监控对商户端如何规则的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！