互联网金融场景下的风控模型分类

获客阶段：用户响应模型，风险预筛选模型。

授信阶段：申请评分模型，反欺诈模型，风险定价模型，收益评分模型。

贷后阶段：行为评分模型，交易欺诈模型，客户流失模型。

催收阶段：早期催收模型，晚期催收模型。

1. 获客阶段
   • 用户响应模型：
     • 背景和目的：在互联网金融的获客过程中，金融机构需要预测潜在客户对营销活动（如广告推送、信贷产品推荐等）的响应概率。用户响应模型主要用于筛选出更有可能对金融产品或服务感兴趣的客户，从而提高营销资源的利用效率。
     • 细节解释：该模型通常会考虑客户的基本信息（如年龄、性别、职业等）、过往金融行为（如是否有过类似金融产品的使用记录）、渠道信息（如客户是通过何种渠道了解到产品的，是社交媒体广告还是搜索引擎营销等）等因素。例如，一个年龄在25 - 35岁之间、经常在网上购物且对金融资讯比较关注的用户，通过金融机构的官方网站了解到一款信贷产品，这个用户可能就有较高的响应概率。
   • 风险预筛选模型：
     • 背景和目的：在大规模营销活动吸引潜在客户后，需要快速筛选出存在高风险特征的客户，避免将资源浪费在那些可能不符合风控要求的客户身上。
     • 细节解释：它会综合考虑一些风险指标，如信用记录（是否有逾期、欠款等不良记录）、多头借贷情况（是否在多个金融机构同时申请贷款）、关联风险（如是否与黑名单客户存在关联关系）等。比如，如果一个潜在客户的信用报告显示他在过去一年内有多次小额贷款逾期记录，那么通过风险预筛选模型，就可以初步判断这个客户存在较高的风险，需要谨慎对待或者进一步深入调查。
2. 授信阶段</