Applist的分类与策略开发

文摘   社会   2024-07-04 08:28   广东  


Applist也许在国内个人信息保护的政策下,已经变得不太可能获取,所以本文针对目前海外现金中仍在使用的一些Applist的场景做下阐述。

Applist是指信贷业务中申请贷款用户手机内安装APP的列表,也就是客户手机内都安装了那些APP的集合,通常情况下风控策略同事会将APPlist进行分类统计后衍生出相关变量,用户策略规则或者用于评分卡的开发中,通常的分类包括:银行类、非银类、社交类、电商类、游戏类、博彩类等等。今天为大家介绍APPlist在应用上的一个全新应用维度。


APPlist类型传统的衍生变量在日常的风险管理中有一定的区分能力,今天要介绍的应用方式是一种全新的应用方式:将APPlist衍生出新的多维度变量,使其对逾期率的区分能力变得更强,将APPlist的应用效果再次进行提升。

下面介绍从衍生变量到生成策略的全过程,见下图:
从图示中可以看到主要分为四个顺序环节,分别是:
①统计APP维度的坏账率、
②以坏账维度排序分箱、
③以客户维度计算箱体安装比例及对应坏账率、
④生成策略,
下面我们进行逐一的解析:


一、统计APP维度坏账率


首先,将底层数据处理成下图的阶段格式,截图内“是否还款”是客户id对应的贷后还款情况,ABCDE为拟命名的APP的名称,ABC三列中标记颜色的为客户状态已安装此APP(1代表安装此APP,0代表未安装此APP),后续统计逾期率的数据使用情况。


然后,以APP维度进行统计、计算首逾率,计算公式是:
已安装此APP的所有客户作为分母,已安装此APP且逾期未还作为分子;
举例A的首逾率0.5=4/8,后面其他的APP也是以此类推的计算。如下图示例就完成了第一步app维度的坏账率的统计。




二、以坏账维度排序、分箱


此环节的目的是利用首逾率(坏账率也可以)进行好坏APP的区分,具体注意事项如下:


1、首先需要将APP以上个环节计算的APP对应的首逾率高低进行正序排序;

2、其次需要将首逾率绝对低的APP划定为好APP(good_app),首逾率绝对高的APP划定为坏APP(bad_app);



最后,如上图中标记绿色为优秀good_app,标记橙色为bad_app,这里good和bad的界定可以依据日常业务经验进行划分,也可以根据日常额度模型分中AB评级定为good,DE评级定为bad。


三、以客户维度计算箱体安装比例、对应坏账率


在以上的分析统计维度中,我们是站在单个app角度统计了每个单点的数据情况,但我们更想获取在整体的数据使用中,安装的的好坏app在哪些数据范围中是偏向好或者偏向坏的,所以我们需要将单点数据进行整体数据转化。


如上所述,此环节是将原有的统计维度转化成每个客户对应好坏APP安装占比的维度,就是计算每个人安装了上图“绿色”部分APP个数/安装所有app的个数 和每个人安装了上图“橙色”部分APP个数/安装所有app的个数。


由下图可见,以客户订单维度统计计算每个用户good_app和bad_app的安装占比情况(统计占比的维度可以避免单APP统计到的用户较少导致的偏差),此时我们已经衍生出每个客户的好app安装率(good_rate)和坏app安装率(bad_rate)。

注:good代表客户安装的首逾率低的app个数,bad代表客户安装的首逾率高的app个数,all代表客户安装的所有app个数;



四、生成策略


首先我们需要将原有的APP安装率与首逾率再度关联起来,转化成为新生成的好/坏APP占比与首逾率的关联关系。


4.1.下图中可见good_rate占比为0~0.2的客群贷后数据很差;

4.2. 随即可以上线策略规则:good_app占比值在0~0.2的客群特征执行拒绝


4.3. 同理,有了good_rate的数据策略,bad_rate的数据策略也可以相应的复制上线即可;


以上就是今天要跟大家介绍的APPlist应用的新思路,上述的案例讲解最终是将good_app占比作为了策略规则变量,同样的bad_app占比的维度也是具有同样效果的。当然也可以将两者结合使用,如:
①“good_app占比低于XXX拒绝或bad_app占比高于XXX拒绝”;
②“good_app占比低于XXX拒绝且bad_app占比高于XXX拒绝”,
在后续的实践应用中可以多维度的组合使用来进一步提升区分能力。 


以上关于关于APPlist的更翔实进阶的内容,在番茄风控在本月即将上线的会员课程中,安排了相关的内容给到各位会员同学学习,欢迎大家前来围观学习:



茄风控常规化的会员社区,内容一直在迭代与更新,最新的内容等待各位小伙伴的参与。现在课程已经更新至120期,点击左下角【阅读原文】即可来一起拼团学习:



往期的会员直播课程查看如下:

往期回顾

第2期    信用卡风控的基础知识介绍      

第3期    第三方外部征信数据和各家拳头产品    

第4期    汽车风控介绍与GPS经验分享    

第5期    信用卡分期利率与利息介绍    

第6期    税务类数据在小微风控的基本应用    

第7期    纯线上审批流程进行资产组合分配    

第8期    场景金融介绍与风险节点部署分析    

第9期    风控数据分析指标全接触    

第10期    信贷政策大数据安全与供应商选择    

第11期    信用卡套现的整治    

第12期    商业银行小微企业风控实务    

第13期    设备欺诈风险防范-黑产欺诈工具    

第14期    设备反欺诈供应商选择及应用策略    

第15期    微众联邦学习    

第16期    Applist特征工程介绍    

第17期    Applist特征工程模型挖掘    

第18期    贷前策略-风控策略部署与调优    

第19期    贷前策略风控策略数据埋点与采集    

第20期    贷中管理-电销外拨优先级策略    

第21期    贷中风险管理-额度调整策略模型    

第22期    贷中提降额方法与策略    

第23期    东南亚现金贷产品及相关风险策略    

第24期    信贷业务中的风险定价—基础端    

第25期    信贷机构的智能语音应用实践    

第26期    信贷机构智能语音供应商选择指标    

第27期    贷后催收策略-M1名单催收管理    

第28期    信贷风控模型——中小企业的额度模型探索    

第29期    人行征信报名数字分解读    

第30期    银行卡失联修复与清收手段介绍    

第31期    信贷风险经营    

第32期    信贷风控系统    

第33期    反欺诈讲解之设备指纹实操与演练    

第34期    决策引擎的决策流层次及策略架构    

第35期    ECL模型与评级简介    

第36期    设备关联数据在金融风控的应用    

第37期    ECL系列之评级模型及财报解析    

第38期    数据清洗与特征选择    

第39期    小微风控之 策略方向与风险管理体系搭建  

第40期    小白入职大数据工程师之银行金融大数据系统实战 

第41期    小微风控策略体系的优化与调整    

第42期    巴塞尔协议银行零售及资产分池上    

第43期    巴塞尔协议下篇资本管理风险价值    

第44期    二代征信报告与规则构建    

第45期    征信规则的衍生技巧与避坑指南    

第46期    实战篇|风控策略效率的测试、调优与评估

第47期    数据生命周期管理— 数据的引入、监控与管理    

第48期    贷中反欺诈之 商户欺诈防范    

第49期    策略分析之 数据监控与用户画像    

第50期    银行中后台数据的建设——基于信用卡进件系统需求与扩展    

第51期    模型训练/机器学习平台    

第52期    精细化运营探索——运营着手点及响应模型场景化应用    

第53期    基于SAS的三方数据风控产品测试评估    

第54期    SAS的策略&模型之决策矩阵分析    

第55期    基于二代征信的信用评分模型开发    

第56期    基于二代征信的信用模型与策略的使用与监控    

第57期    金融机构风险与预算评估    

第58期    催收板块:逾期账款催收管理    

第59期    二代人行征信的深度解读(上):二代征信异议和接入及发展历程    

第60期    二代人行征信的深度解读(下)——循环贷与非循环贷与衍生变量加工    

第61期    风控人必学资产分析课—坏账预估    

第62期    商户端风险定价—— 基于成本收益模型的风险定价

第63期    差异化的贷前进阶策略讲解━━拒绝捞回策略制定   

第64期    拒绝捞回的效果评估与策略二次调用    

第65期    风控人应该懂的金融知识    

第66期    风控人必备的风险知识——贷款利率、还款方式与常用风险指标    

第67期    金融人必知--市场风险入门:金融衍生品   

第68期    拒绝演绎实战--拒绝推论描述、方法介绍与案例分享    

第69期    银行信用卡拒绝推论的场景实操    

第70期    逾期催收管理流程优化与催收系统配置——汽车金融逾期案件催收实操    

第71期    海外现金贷产品形态及风控措施    

第72期    海外现金贷提降额原理及思路    

第73期    巴塞尔协议—发展历程、资本充足率、拔备率、杠杆率、流动性    

第74期    巴赛尔协议—市场风险及信用风险度量    

第75期    金融小伙伴必备知识—信用卡损益    

第76期    风控授信额度策略调优

第77期    额度策略调优实战

第78期     信贷场景多维特征交叉策略实战分析

第79期    信贷风控策略体系效果评估与全面调优

第80期    海外与国内评分卡对比与应用场景介绍

第81期   智能推荐系统应用

第82期   风控策略中的模型须知-逻辑回归评分卡分箱与模型评估

第83期   多规则决策策略的搭建与实操

第84期   多规则决策策略实操与练习讲解

第85期   模型开发之特征选择 

第86期   风控模型与策略探索发现 

第87期   场景风控的贷中客户生命周期监控—基于商户的Tableau实  操

第88期    风控场景数据监控

第89期    财税票等企业数据在小微企业贷款中的应用

第90期   中小微企业风控中财税票的数据使用与模型开发


上下滑动可查看更多


以上课程将免费开放,给所有番茄风控大数据的会员同学学习,加入社区点击左下角【阅读原文】进行了解。


 


目前我们的知识星球上也有上百篇干货文档与公众号付费文档,现在加入知识星球可以一次性学习提升:


往期的文章有(包括但不限于):

风控模型中的交叉验证全方位解析(除了调参外的,其它妙用)

深度剖析电商贷款风控相关细节(电商贷模型)

纯享版|信贷场景中的营销管理和模型设计(营销响应)

纯享版|信贷风控中的额度管理和额度模型设计

FPD模型、首逾模型、欺诈模型,这些风控干货值得实操了解(上)

Python框架下的B卡(实时)特征开发及上线

OV|用户分群在贷前风控中的应用

......


点击左下角【阅读原文】进行了解。


官方企业微信号,扫码添加

感谢关注

番茄风控大数据
介绍数据分析与风控大数据前沿知识
 最新文章