酷播亮新聞
催收與科技的結合，對於整個金融科技行業都存在著標杆性的啟示意義。 這對其他苦苦掙扎的風口來說，又有什麼理由不充分利用技術手段，先破自己的局，從而殺出一條血路呢？
對於各種金融創新來說，通過模式、運營、技術手段提高效率，開拓新的市場是攻，控制風險、保證資金的安全是守。 在金融創新的閉環中，催收的重要性不僅在於能為金融創新中的未知風險“擋刀回血”，甚至可以說是這一批金融創新企業的重要核心競爭力。
根據人行發布的《中國金融穩定報告（2017）》：中國不良資產的規模概有三萬億，其中銀行業金融機構約2.2萬億，P2P現金貸約3000億，消費金融小貸公司約5000億
而這個規模，僅僅是官方統計浮出水面的，還有眾多未持牌或以“民間借貸”等方式的存在未被統計，我們看到的可能是冰山一角。
據了解的另一組數據：中國約有800萬金融從業人員，“其中催收行業從業人員約20-30萬”。
目前我國擁有4000多家業務涉及催收的公司，網絡催收企業近400個，催收項目近百萬個，產業鏈涵蓋傳統催收、不良處置撮合、法律諮詢等不同節點。
在金融科技的浪潮中，處於底層的“催收”顯得有些格格不入——在前台，人們感受到的是大數據、雲計算、智能投顧等酷炫概念；而在後台，催收仍是這個行業最後 一個勞動密集型業務，相伴的高利貸、暴力催收的話題。 在互聯網的放大下，產生著巨大的社會影響，而這個這個傳統而古老的產業，也到了需要做出改變的時候。
這是一片價值萬億的藍海，在充滿誘惑的同時也充滿著各種陰影和陷阱。
催收1.0：與信用卡共同“跑馬圈地”的歲月
在中國的金融業，面向個人信用借貸的催收發展可分為三個階段：
- 1.0時代是2003年到2013年，以銀聯的成立和信用卡的普及為標誌，開始出現為之服務的催收公司；
- 2.0時代是2013年到2017年，伴隨金融科技的發展，P2P、消費金融、現金貸的火爆，催收公司接單量劇增；
- 而2017年之後，隨著一系列針對催收監管文件的發布，監管、合規成為這一時期的主題。
在中國，針對個人的小額消費信貸業務，可以追溯到1985年第一張信用卡的誕生。 但在此後很長時間內，各銀行的業務均在高度壟斷和封閉的狀態下運行，不僅當時僅能在大型商場等少數地方刷卡消費，而且商場會有一個紙質黑名單記錄本，手工逐 人核查後，才能確認刷卡消費。
直到2002年銀聯的成立將此前各家銀行的信用卡聚合起來，讓信用卡有了跨銀行、跨地區使用的條件。 而同年工行牡丹信用卡中心的成立，則標誌著信用卡業務以事業部形式獨立核算運營的開端。 隨後的2003年，也被稱之為“中國信用卡元年”。
此時的信用卡目標客戶主要針對高端人群。 2003年，中國信用卡發卡量為300萬張，不少銀行設立了苛刻的條件，僅企業主、高管及高收入人群才能核卡申請成功。
此時的客戶可以用“非富即貴”來形容，逾期也是少而又少。 此時的催收員大多以“客戶助理”的身份存在，在與逾期客戶溝通時也是小心翼翼禮貌有加，唯恐惹惱了大客戶。
2006年，人民銀行個人徵信系統上線運行，為信用卡業務的大規模發展營造了良好的條件。 與此同時，國民消費觀念也發生著深刻變化。
隨之而來的則是發卡量的劇增：
2007年銀聯信用卡發卡量超過4000萬張，2008、2009年發卡量超過5000萬張，到2009年底，累積信用卡發卡量達到18555.56萬張。
- 一方面是銀行為了搶占市場份額，不斷降低發卡門檻；
- 一方面由於金融危機導致經濟大環境惡化、壞賬率增高。
到2009年，信用卡逾期的問題逐步開始暴露出來。
根據央行發布的《2009年第三季度支付體系運行總體情況》顯示：截至第三季度末，信用卡逾期半年未償信貸總額74.28 億元，而在年初的第一季度末，這一數字為49.70億 元，半年內增長了將近50%。
對此，部分銀行業金融機構，在第四季度加大了信用卡逾期貸款催收力度，強化了信用卡風險管理，一定程度上降低了信用卡壞賬風險。
這裡的“加強逾期貸款催收力度”，指的就是——外包催收公司的參與。 銀行的一般做法是：對於3個月之內（M0-M2）的逾期貸款，通過銀行內催方式進行催收；3個月以上（M3）以上的貸款委外催收，包括一些逾期60天內、但 信用卡中心內催過程中發現的一些難處理、有問題或發現跑路失聯的客戶，委託給專門從事催收行業的公司進行催繳。
中國的催收行業有著悠久的歷史，在史料中就有記載在戰國時期，“戰國四公子”之一的孟嘗君派人催收欠收導致無法正常還款，“得息錢十萬”的記錄。
到20世紀90年代末，隨著商業化的發展和分工的進一步明細，體系化、系統化的公司運作模式。 當中以2000年，總部位於香港的高柏（亞洲）資產管理公司進入中國為標誌。 2005年，另一家主營信用卡而另一股“民間討債”的力量，也從中得到不少借鑒。
一般而言，銀行會將某一地區或某個逾期時段的客戶打包與外包公司簽訂協議，外包公司可提取追償欠款的30%左右作為報酬，有的銀行還要求外包公司繳納追償欠款的 10%左右的保證金，一旦追償公司追回欠款低於這個數字，保證金將不再退還。
而外包催收人員為了達到公司要求做出業績，就必須盡最大可能要回欠款，當中也會存在一些違規操作的情況。
隨著銀行不良資產的快速增加，此間有銀行為了提高催收率，不斷將提高催收公司的比例分成提高到50%左右，這又進一步促使催收公司採取更激進的手段去收回欠款。 而發卡行由於自身利益關係，只要不引發客戶投訴，對於這些“擦邊球”往往也是睜一隻眼閉一隻眼，“催收”一詞開始越來越多的與“暴力”劃上等號。
信用卡不良資產和催收所引發的問題，也引起了監管機構的關注。
2009年6月，銀監會頒布了《關於進一步規範信用卡業務的通知》，其中第十三、十四條對金融機構的催收外包業務進行了明確的規範，這也是國內第一個針對銀行債券催收外包 業務進行規範的法規性文件，“暴力催收”的抬頭得到了遏制。
而此後2010年至2012年，信用卡運營從“跑馬圈地”向精細化運營轉型，發卡量出現從2003年以來不曾出現過的增速下滑現象，而在前端對“風險卡”的控制也減輕 了後端催收的壓力，相應在這幾年間，整個催收行業也呈現出波瀾不驚的平穩態勢。
然而沉默是為了更好的爆發，隨著互聯網金融時代的到來，催收也進入了2.0時代。
互金風口下，互聯網催收蹣跚起步，對於中國的金融行業發展來說，2013年是一個重要的拐點。
- 在技術層面，互聯網技術開始爆發、移動設備得到廣泛普及；
- 需求層面，隨著收入的增長，國內居民金融服務需求開始崛起；
- 宏觀層面，08年開始的金融危機後刺激經濟消費成為重中之重，國家採取寬鬆的貨幣政策，“4萬億計劃”出台，當中的諸多優質資產需要藉助金融市場證券化，種種因素交織， 使得互聯網金融元年在2013年正式到來。
隨著互聯網金融的發展，催收行業也從1.0時代的銀行信用卡、小貸公司的逾期賬款管理，擴大到了P2P、現金貸、消費金融等新業務。
標的資產的爆發式增長，也使得催收從業人員達到一個供不應求的狀態，數千人的催收頭部公司開始出現。 而隨之而生的是是催收主體的多元化，相比起之前的客戶群體，互聯網金融時代的逾期客戶呈現小而散的特點，原有的催收體系已經不能滿足壞賬處置的需求。
然而在互聯網金融狂飆猛進的大背景下，催收與科技手段結合的速度要慢得多。
在工作方式上，催收仍然屬於勞動密集型產業，日常的主要工作是藉助網絡平台撥打網絡電話和群發短信，一個催收員一個月內可能需要打出數千通電話或上萬條短信。
對於一些不接電話的困難客戶，當中諸如採用“呼死你”軟件、言語騷擾、通知其親友等等諸多手段，不一而足。
最能反映出這一階段催收鳥槍換炮的“互聯網”特徵的，是“社工庫”的應用和流行。
“社工庫”即黑客收集整理的用戶隱私數據庫，得益於互聯網的發展，用戶在網上洩露的信息也在幾何級數增加，其中包括姓名、身份證號、手機號碼、住址等在內的個人 信息、包括網絡賬號、常用網站、密碼等網絡信息以及如消費記錄、開房記錄在內的數據庫。
一旦收到客戶信息，只需在社工庫裡搜索一遍，就可以通過信息匹配獲得客戶更詳細的資料，甚至在有的情況下可以通過淘寶、支付寶賬號，判斷對方是否具有償付能力。 通過美團、餓了麼之類帶有定位的定位應用，定位到目標客戶的位置，為線下的“上門催收”提供支持。
這一過程被業內稱之為“信息修復”。 事實上，針對用戶網絡數據的網絡黑產由來已久，從拖庫、洗庫到數據販賣早已形成了完整的產業鏈，只要有數據庫就可以進行相應的查詢，並沒有太多技術可言。
而從長遠看，這種方式雖然有效，但終究不是正途。 隨著監管的加碼，這一神秘武器的Bug也被堵上：
2017年5月，根據最高人民法院通報新的司法解釋，明確非法獲取、出售或者提供個人信息50條以上的，即構成犯罪。
此舉大大遏制了數據庫黑產，雖然黑市上仍有用戶數據庫在銷售，但規模已大不如前。 而且對於使用者來說，成本也大大提高。
對於催收公司來說，雖然互聯網金融客戶能帶來新的訂單，但卻算不上優質的客戶。 從信用卡到P2P、現金貸，市場一步步擴大，風險一步步下探，這些人往往是之前銀行信用卡業務已經篩過一遍的客戶，無法通過信用卡發卡風控這關，所帶來的風險自然更 大。
在貸前風控方面，互聯網金融公司往往比銀行更寬鬆，針對性的欺詐也更為普遍，整個行業的不良率高達15%-20%，遠高於銀行。
與之對應的是收款的困難，尤其在M3（逾期超過3個月）以上的不良貸款，高度依賴於催收員的處理能力，一個案子往往需要催收員打5-6通電話，每次電話 達幾十分鐘，很多時候還要依靠現場催收解決問題。
據某從業人士透露：銀行信用卡M3以上的不良貸款，能回收回來的約佔30%，而互金平台M3以上不良貸款，能收回來的可謂鳳毛麟角。
正因為如此，一些逐步成長起來的互金平台也建立了自己的內催團隊，重點解決M0-M2這一等級的不良貸款。 對於M3以上的疑難案子交給催收公司，催收公司能拿到的佣金甚至可能高達80%以上。
為進一步提高催收的效率，一些更“互聯網”的玩法也隨之產生：
首先產生的是“O2O”的收款平台：例如：借貸寶，為解決自家平台上“熟人借貸”產生的大量壞賬推出了“人人催”，只要有催收意願和催收能力的人均可註冊成為 合作催收員，在平台上領單催收穫取獎金。
然而催收畢竟是一個有Knowhow、外人往往不得章法的行當，這種催收方式起到的改善效果有限。
隨之誕生的是打通線上、線下催收的“平台化”，這些平台整合線下的催收團隊，對接給有催收需求的金融公司。
典型平台如：“一起催”，平台會根據壞賬的類型、欠款人地點、催收的難易程度進行匹配，通過全國統一委單、分單，內部循環等模式。 在催收過程中，平台還會提供欠款人及其相關合夥人、親友信息，幫助制定催收策略，細分規劃，同時幫助互金公司貸後管理部門，通過清算、轉讓等方式處理不良資產。
催收的平台化在一定程度上提高了互金平台催收的效率：
- 首先是通過和多家互金平台合作，可以有效發現同一貸款人在不同平台的多頭貸款，並可以將多個平台上統一借款人的案子派給同一個催收公司；
- 其次平台對接多個催收公司，當某家催收公司處理效果不好時可以及時更換，這也使得這類平台的催收率接近高柏、CBC等為銀行解決信用卡不良的催收標杆公司。
而這個時期的催收行業，同樣也與互聯網金融的發展息息相關。
- 首先是催收行業的傳統優質客戶銀行等發卡量趨於飽和，信用卡的拐點來臨，2015年的信用卡發卡量甚至出現了5%的負增長；
- 同時在網購、第三方支付、互聯網金融的夾擊下，互聯網巨頭開始搶奪信用卡蛋糕，線下POS機支付不足線上1/3，在2015年的四個季度中，均呈連續下跌趨勢。
而互聯網金融在經過兩年的迅速發展後進入下半場，紅利逐步消失。 以P2P平台為例：2015年國內共有1302家P2P平台倒閉，668家跑路，12月更是爆出了非法吸收資金500億元的“e租寶”事件，整個行業進入下行期。
與此對應的是催收公司的困境。 對於催收公司來說，2015年是異常艱難的一年，之前業內幾乎從未聽說催收公司倒閉，而在15年，催收公司倒閉、洗牌比比皆是，員工收入也大受影響。
與此同時，在監管趨嚴、對互金平台運營要求日趨規範化的呼聲下，催收行業的暴力行為依然屢禁不止，曾經緊密合作的金融公司和催收公司平台愈行愈遠，開始出現了裂痕。
在這樣的背景下，進一步用科技改變催收、重構價值鏈的呼聲開始出現。
催收科技的未來：重構價值鏈
雖然之前有部分互聯網公司嘗試採用人工智能、大數據、語音機器人、語境分析等技術應用於催收行業，中國的催收3.0時代要從2017年開始算起。
這一年，對於互金的監管政策陸續出台，同時催收也備受關注。 2017年5月4日，深圳互聯網金融協會對外發布《深圳市網絡借貸信息中介機構催收行為規範》（徵求意見稿），成為國內首份針對催收的地方性文件。
監管的核心邏輯——就是針對過去互金中存在的野蠻生長的行為，設置了各種門檻和規則，在規範整個行業良性發展的同時，也讓一些不正規的小平台成本增加，難以存活。
如何從粗放型生長轉變為利用技術精耕細作、提高效率成為這一時期的主題。
而在大洋彼岸的美國，利用先進技術手段重構催收流程的嘗試要比國內要來的更早一些。
以互聯網催收公司True Accord為例：這家公司稱自己“利用機器學習和行為分析等手段，實時了解客戶行為，並及時更新解決方案”，到2016年底，True Accord已有60萬用戶，並獲得 1270萬美元融資。
令人吃驚的是：這家公司此時僅擁有15名員工，完全顛覆了有催收公司“勞動密集”的傳統觀念。
更重要的是這家公司的催收觀念——為欠款人提供最佳的用戶體驗、幫助金融機構重塑客戶關係。
據說這是因為公司創始人Ohad Samet曾因信用卡逾期收到追債公司不愉快的對待，這使他在日後的創業過程中始終將“對用戶更友好”的觀念貫穿與公司中。
而這種催收的理念和對科技的應用方式，也極大的影響了其在中國的同行們。
首先是機器學習與大數據等更先進的智能手段的運用。 採用機器學習技術可以建立起不良資產的評估模型，並對用戶進行畫像。
這一過程能有效代替傳統不良資產公司的分類過程，將逾期借款人的分類從按逾期天數、金額的簡單劃分改為按還款能力、還款意願進行細分。 在進行風險評級之後，對不同的客戶在不同的時間，用不同的手段，不同的頻率觸達，推行不同的催收策略。
這種做法不僅使得首次催收工作更有針對性，也節約了大量的人工成本，提高了催收進件到分類處理的效率和回款率。
在用戶刻畫與行為分析上，這種基於數據挖掘的精細匹配也做到了極致。 以催收短信為例：系統可以獲取客戶的LBS位置，收集客戶閱讀短信所停留的時間等參數，輸入模型中進行分析，並根據根據結果制定不同的催收策略，安排以及各種策略應採用的語言 內容。
據了解，以M1-M2的早期不良貸款處置為例：採用機器學習模型分類的案子最快能做到當天回款，而傳統催收公司一般需要一周左右，回款率也比之前提升了15% -20%。
機器學習模型的第二個作用是：能夠更好地進行資產包的價值評估。 目前利用機器學習技術建立的模型預估的回款率預測模型誤差已經能做到1-2%以內，這使得可以更好地對資產包進行定價，進行轉讓甚至證券化。
此外，語音識別和情緒識別技術也在被用於催收流程的規範化。 利用語音識別技術，可以將電話錄音轉化成文本，並通過語義分析提取關鍵字，讓催收員可以更直觀了解催收過程中的問題。 而情緒識別技術可以分辨催收員的情緒變化，在催收員情緒激動時自動挂機。
而在重構價值鏈方面，3.0時代的催收公司也有著新的理解。
如在最近參加的一個行業會議上，捷越聯合創始人王曉婷就將催收定義成新的利潤中心。
過去在催收公司眼裡，欠債的客戶都是壞客戶。 而在“重塑客戶關係”的新觀念下，需要給客戶重新定義為是損失類客戶和收益類客戶。 而在不同的時間、用不同的方法和不同的策略觸達客戶的催收策略，在一定程度上決定了客戶在一定程度上是不是有收益。
“每期都正常還款的客戶是好客戶嗎？是好客戶，但每期都逾期，每期都還款的客戶是更好的客戶。”王曉婷說道。
這種對逾期客戶進行精確管理，找到“更好的客戶”的操作，在傳統催收公司看來幾乎無異於在刀鋒上跳舞，稍有不慎便是萬劫不復。 毫無疑問，這是一件非常危險的事情，非有勇氣和智慧者不敢嘗試。
而這卻又是金融業務更新換代的需求。
以某商業銀行年報公佈的數據為例：信用卡業務總收入544.58億元，其中罰息和分期收入149.13億元，已經占到收入的1/4強。 而且這部分31.75%的增長率，也遠高於其他業務的增長。
隨著業務量的增長，銀行一貫強調的KYC（Know Your Customer）原則下探到了之前被視為“損失”的逾期客戶上也成為必然。 更好的了解和服務逾期客戶，也對催收提出了更高的要求。
不僅傳統銀行、P2P、小貸、3C類個人信用類的資產，非標類資產如房地產，同樣也存在著相同的更新換代的需求，雖然房貸的不良率平均水平僅為0.3%-0.5%左右 ，遠遠低於個人信貸，但這塊市場基數巨大。
而且對於這個市場的ABS和不良資產的重新定價，都是催收科技可以延伸到的新藍海。
後記
在歷史的洪流面前，無論是個人乃至整個行業的命運，無非都是隨波逐流。 而催收也逃離不了整個金融行業的歷史演變趨勢。
經濟周期上行之時如烈火烹油，鮮花著錦，下落之時丟盔棄甲、慘淡經營，在金融整個行業全面擁抱科技的大趨勢下，新興業態如滾滾洪流，大有長江後浪推前浪之 勢。
即便最古老傳統的催收，在新業務增長點的需求推動，催收這個存在幾千年的行業終於搭上了科技的列車。
自互聯網金融興起，整個行業風口幾經變遷，P2P、眾籌、校園貸、現金貸、消費金融、ICO等此起彼伏，隨著市場與政策的變化，當中有的風口已經消失，有的從藍海變成 了紅海甚至“火海”。
我們認為：催收與科技的結合，對於整個金融科技行業都存在著標杆性的啟示意義。 如果連最傳統、最人力密集的催收，都能夠有效利用科技更新換代，在監管的大趨勢下成為監管科技的重要部分。
其他苦苦掙扎的風口來說，又有什麼理由不充分利用技術手段，先破自己的局，從而殺出一條血路呢？
唯此，才是金融科技“用科技改變金融”的真正意義。
作者：AI金融評論
來源：https://www.leiphone.com/news/201805/NTAUfEkXP0XMfEho.html
本文來源於人人都是產品經理合作媒體@雷鋒網，作者@AI金融評論
題圖作者提供