平时在策略冷启动也好,或者是冷启动后面的优化的时候也好,都会面临以下问题的,当客户命中多条规则的情况下,我们如何筛选合适的规则呢?(这种情况在很多规则中也非常常见,因为任何客户都存在命中多条规则的情况)
在具体的多条规则(同时上线2条及多条机审规则)中,归纳而言大概的规则的关系有以下三种:
- 并行关系:规则1+规则2=规则1+2
- 包涵关系:规则1包括规则2
- 交集关系:规则1跟规则2有交集
在以上的情况中,第1、第2中策略情况分析中,都较好落地,唯一较难把控的是第3种情况的交集情况,该如何选择具体的规则进行选择呢?以下我们详细阐述:
以某现金贷的规则为例,现在分别有F1、F2、F3这三条不同的规则,其对应的规则分别为:
F1:银行卡号码一致IMEI号码不一致
F2:证件号码一致IMEI号码不一致
F3:邮箱一致IMEI号码不一致
平常大家遇到的较为常见的问题为:
同时上线两条或者是多条的规则时候,规则一坏账率为70%,规则二坏账率为60%,当这两条规则同时上线的话,坏账会变成50%
(也即——>规则1坏账70%+规则2坏账60%=坏账50%,取了策略交集自然会缩窄指标)
这种多条规则同步冷启动的情况,具体应该选择哪条规则上线?
先给大家讲解这里多条规则所对应的筛选的结论,其中:
a.1A>2B>最大承受坏账,规则1+规则2都上线;
b.1A>最大承受坏账>2B,规则1上线;
c.2B>最大承受坏账>1A,规则2上线;
d.最大承受坏账> 1A>2B,满足规则1且满足规则2条件的用户衍生出规则3,规则上线。
(附:在上图中,刨除交叉的红色部分的规则1的剩余坏账率是1A,规则2的剩余坏账是2B)
在以上的逻辑计算:都是需要考虑1A和2B中(灰色部分)的好坏客户计情况,然后再计算规则一和规则二中是否有客群交叉了,然后分别计算交叉部分与未交叉的数据情况(坏账情况)。
为什么需要计算以上的内容:因为相交部分不一定全是坏人,也会有好人。综合计算之时,需要将把这部分剔除,综合计算的结果,需要结合cut off,最终来决定哪条策略最适合上线。
为了跟大家解释清楚以上的逻辑,以下通过一个实操具体演示。
实操演示
以某现金贷案例具体说明,在这里我们列出了F1与F2的规则的命中情况(F1与F2具体的规则情况上述已说明):
根据命中情况,列出F1分析数据结果:
与F3的数据结果:
同步,我们分析得到同步F2与F3的坏账情况,为:43.36%
所以在分析完以上的关系中后,可以了解F2命中的规则包括了F1的客群,其关系是这样的:
所以在本次的实操内容中,我们应该选择F2上线即可。另外大家也可以算一下,如果选择F1上线的,数据表现又会如何?继续分析:F1上线,但F2仍有需要上线坏账的数据为:
也就是F1上线完,仍有部门坏客户没有被筛选到,所以仅上线F1是不完整的。
以上内容来源于风控全流程训练营的策略模板,实操案例当然需要结合着具体的数据集演示与操作会理解更深度些。关于以上提到的案例,仍有以下内容值得思考:
1.以上提到的数据表现中,F1跟F2筛选完的源数据是怎么样的表现形式?
2.以上规则F1跟F2是否有具体的规则可以展示?
3.以上数据实操案例中只提到的是规则之间包涵关系,那如果规则是交叉关系的又该如何选择?
详细解答敬请继续关注!
~原创文章
…
end