冷启动阶段的多规则策略如何筛选？

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：

1. 并行关系：规则1+规则2=规则1+2
   
2. 包涵关系：规则1包括规则2
   
3. 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