[發(fā)明專利]賬單逾期智能催收方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010152953.5
• 申請日: 2020-03-06
• 公開（公告）號: CN111383093A
• 公開（公告）日: 2020-07-07
• 發(fā)明（設計）人: 王縱虎;崔曉偉;武亞楠;張盼盼;王韶芬
• 申請（專利權(quán)）人: 北京網(wǎng)眾共創(chuàng)科技有限公司
• 主分類號: G06Q40/02
• 分類號: G06Q40/02;G06Q10/06;G06K9/62;G06N20/00
• 代理公司: 北京康信知識產(chǎn)權(quán)代理有限責任公司 11240
• 代理人: 劉旺貴

本發(fā)明提供了一種賬單逾期智能催收方法及系統(tǒng)，該方法包括：通過機器學習預測賬單逾期客戶的回款概率；對于所述回款概率小于預定值的客戶，根據(jù)基于大數(shù)據(jù)的所述客戶畫像和催收員畫像，將不同類型的客戶的回款催收任務匹配至對應的催收員。在本發(fā)明中，對賬單逾期客戶進行分類，并針對客戶和催收員進行了不同維度的用戶畫像，針對不同類型的客戶匹配出催收員進行催收，從而提高了催收案件的回款率。

技術(shù)領域

本發(fā)明涉及金融信貸領域，具體而言，涉及一種賬單逾期智能催收方法及系統(tǒng)。

背景技術(shù)

在金融信貸行業(yè)，雖然前期風控是核心，但對后期放款后的回款催收也是行業(yè)內(nèi)的一個非常重要的環(huán)節(jié)，所以應運而生出各類催收公司。目前的催收公司結(jié)合現(xiàn)在大數(shù)據(jù)及人工智能的發(fā)展，形成了一系列高效的智能催收。智能催收可以有效的減少人力成本，提高回款率。在國外出現(xiàn)了智能催收公司，國內(nèi)銀行業(yè)及P2P企業(yè)目前也有智能催收相關(guān)的進展。

現(xiàn)有的相關(guān)技術(shù)大多是針對客戶采用智能外呼、語音合機等機器人方法。但現(xiàn)有的機器人對特定場景的應用較好，但對場景多元化，面對各種人群時人機交互過程就很不理想。

發(fā)明內(nèi)容

本發(fā)明實施例提供了一種賬單逾期智能催收方法及系統(tǒng)，以至少解決相關(guān)技術(shù)中智能機器人催款方式由于人機交互過程不理想，導致催收案件回款率低的問題。

根據(jù)本發(fā)明的一個實施例，提供了一種賬單逾期智能催收方法，包括：通過機器學習預測賬單逾期客戶的回款概率；對于所述回款概率小于預定值的客戶，根據(jù)基于大數(shù)據(jù)的所述客戶畫像和催收員畫像，將不同類型的客戶的回款催收任務匹配至對應的催收員。

可選地，通過機器學習預測賬單逾期客戶的回款概率可以包括：針對不同賬齡的賬單逾期客戶，獲取客戶的參考數(shù)據(jù)，其中，所述參考數(shù)據(jù)至少包括以下之一：在借款申請時的基礎數(shù)據(jù)、歷史還款逾期數(shù)據(jù)、還款行為數(shù)據(jù)、還款意愿特征數(shù)據(jù)；基于所述客戶的參考數(shù)據(jù)，通過所述機器學習預測所述客戶的回款概率。

可選地，根據(jù)基于大數(shù)據(jù)的所述客戶和催收員畫像，將所述客戶的回款催收任務匹配至對應的催收員之前，還可以包括：根據(jù)所述客戶在借款申請時的基礎數(shù)據(jù)以及歷史催收記錄數(shù)據(jù)建立客戶畫像；根據(jù)所述催收員的歷史催收案件的回款情況以及所述催收員的性格特點建立催收員畫像。

可選地，還可以包括：根據(jù)所述客戶的行為數(shù)據(jù)和歷史還款數(shù)據(jù)獲取所述用戶的活躍時段。

進一步地，根據(jù)所述客戶畫像和所述催收員畫像，將不同類型客戶的回款催收任務匹配至對應的催收員，可包括：根據(jù)所述客戶畫像、催收員畫像及所述客戶的活躍時段，將不同類型的客戶的回款催收任務匹配至對應的催收員。

可選地，根據(jù)所述客戶畫像和所述催收員畫像，將不同類型客戶的回款催收任務匹配至對應的催收員之后，還可包括：將所述客戶的回款催收狀況反饋至貸前的風控平臺。

可選地，通過機器學習預測賬單逾期客戶的回款概率之后，還可包括：對于回款概率大于所述預定值的客戶，通過短信或智能外呼機器人進行催收。

根據(jù)本發(fā)明的另一個實施例，提供了一種賬單逾期智能催收系統(tǒng)，包括：預測模塊，通過機器學習預測賬單逾期客戶的回款概率；匹配模塊，用于對于所述回款概率小于預定值的客戶，根據(jù)基于大數(shù)據(jù)的所述客戶畫像和催收員畫像，將不同類型的客戶的回款催收任務匹配至對應的催收員。

可選地，所述預測模塊可以包括：獲取單元，用于針對不同賬齡的賬單逾期客戶，獲取客戶的參考數(shù)據(jù)，其中，所述參考數(shù)據(jù)至少包括以下之一：在借款申請時的基礎數(shù)據(jù)、歷史還款逾期數(shù)據(jù)、還款行為數(shù)據(jù)、還款意愿特征數(shù)據(jù)；預測單元，用于基于所述客戶的參考數(shù)據(jù)，通過所述機器學習預測所述客戶的回款概率。