简介：《7-1 存量客户风控与运营》是一份面向银行、消费金融及互联网金融从业者的专题资料，聚焦信贷业务中存量客户的预警、行为评分与分层运营，旨在帮助读者理解如何借助弱规则与强规则预警、行为评分模型和长短期记忆网络等智能风控技术，结合精细化运营策略，在贷中阶段及早发现风险并提升客户价值。内容涵盖多头借贷、共债等弱规则和公安法院、逾期记录等强规则的预警策略，评分卡风险分级，以及全量评分卡策略、经典评分卡模型、高频评分卡模型与贷中行为策略的融合；同时介绍生存分析在违约预测中的应用，并展开客户分层、生命周期管理、交叉营销、抽奖促还款、失联修复等运营场景。文档为单个PDF文件，压缩包仅1.74MB，源自DataFunSummit2021演讲，页面结构清晰，便于按主题查阅。目前已有142人学习，适合信贷风控和客户运营人员快速获取存量客户管理体系的构建思路与落地要点。

1. 存量客户风控与运营：为什么老客的坏账和流失总是同时发生

很多团队拿到一份《7-1+存量客户风控与运营.pdf》这类资料时，第一反应是先翻编号、对章节，想找到某个标准答案。做久了你会发现，存量客户风控与运营根本不是两张独立报表的事：今天把逾期压下去，明天复购就掉；这周给高价值客户提额，下月这拨人的 M2 就往上蹿。这个课题真正要解决的，是在同一批客户身上同时看清价值与风险，让风控动作和营销动作共用一套判断逻辑，而不是各算各的账。

这套方案的适用对象很清楚：消费金融、信用卡中心、保险续保团队，以及有复购场景的电商平台。只要你的客户已经发生过首次交易，后续还想从他身上再赚一次钱，就必须面对“提额促消费”和“降额防坏账”之间的拉扯。下面这套方法，就是我这些年做存量客户策略时反复用过、也反复踩坑后沉淀下来的落地路径。

2. 先给存量客户画像分层：从 RFM 到风险分群的 4 个必做维度

2.1 为什么新客风控模型不能直接套到存量客户身上

新客风控的核心任务是“过闸”，判断这个人能不能进门；存量客户风控的核心任务是“调节”，判断这个已经在门里的人，下个月该给他多少额度、要不要预警、该不该打电话。两者目标不同，模型思路自然不同。新客阶段你只有申请表、征信查询和少量外部数据，变量少、噪音大，模型只能给“过”或“拒”的结论；存量客户手里握着完整的行为序列，消费频次、还款习惯、额度使用率、分期偏好都看得见。

但存量客户建模有一个隐蔽的坑：样本选择偏差。你手里的“好客户”是已经被前几轮风控筛过一遍的人，历史无逾期不代表未来无风险。很多人会拿近一年的表现做训练样本，结果模型学到的是“过去好的人未来也好”的幸存者偏差，一旦客户外部负债悄悄累积，模型毫无反应。所以做存量分群时，我从来不只盯“逾期与否”这一个目标，而是把价值、风险、活跃度、利润贡献拆成四个维度分别打分，再合成一张分群矩阵。

2.2 存量客户分群的四个必做维度与指标口径

第一个维度是价值，用 RFM 的思路但要做适当改造。R 是最近一次消费距今多少天，F 是近 6 个月消费次数，M 是近 6 个月累计消费金额。消费金融和信用卡场景里，M 建议用“净入账金额”而不是账单金额，因为账单金额会被套现、刷单污染，净入账才是真实消费。第二个维度是风险，核心指标是当前逾期状态、历史最大逾期天数、近 90 天征信查询次数、他行贷款余额。第三个维度是活跃度，看近 3 个月消费趋势是否连续下滑、登录/打开 App 频次有没有衰减，这个维度最容易被忽略，但它直接决定你要不要做唤醒动作。第四个维度是利润贡献，看客户带来的净收入，包括利息、手续费、分期收入减去资金成本。

实际操作分四步走。第一步，拉一张客户级宽表，把上述十几个字段拼到一行里，粒度为“客户 ID”。第二步，按统一口径计算指标，提醒一句，逾期状态必须 T+1 更新，不能用月末快照代替。第三步，给每个指标设定阈值并打分，建议用分位数而不是绝对数，因为不同资金成本下同一消费水平对应的价值完全不同。第四步，把四个维度映射成九宫格分群，至少也得落在“高价值高险、高价值低险、低价值高险、低价值低险”四个象限里。下面这张表是我常用的口径，直接抄去可以少踩一半坑。

2.3 分群标签的更新频率：别拿一年前的画像做下个月的决策

分群结果不是一劳永逸的。我见过很多团队把标签做好一次，然后半年不动，等到做活动时直接把旧标签拉出来用，结果一批已经逾期两周的人还在收提额短信。教训是：客户的消费和风险状态是同步变化的，风险信号往往先于价值变化出现。所以分群标签必须至少每月重算一次，其中逾期状态、额度使用率这两个字段要实时更新，每次营销活动前都重新拉一遍名单。

再补一个容易被忽略的细节：分群标签只能用来定“策略方向”，不能用来做“单笔交易的实时决策”。比如高价值低风险客群整体可以提额，但某笔大额整数消费触发套现规则时，实时风控依然要拦截。方向标签是慢变量，实时反欺诈是快变量，两者各管一段，越权使用都会翻车。

3. 存量客户风控策略设计：预警、降额、冻结与催收介入的触发线

3.1 存量客户风险变坏的四个典型信号

存量客户变坏很少是突然发生的，大多有迹可循。第一个信号是多头共债，表现为他开始从其他机构借新钱还旧钱，征信上贷款审批查询次数在短时间内激增。第二个信号是套现，常见模式是大额整数消费、夜间高频消费、同一商户重复消费。第三个信号是还款能力变弱，比如还款方式从全额还款变成最低还款，或者还款日前频繁更换绑定卡。第四个信号是遗忘型逾期，这类客户还款历史良好、逾期天数很浅，但连续两个月出现 M1 以内逾期，往往是资金周转出现了隐性困难。

看信号不能只看单个指标，要看组合。比如额度使用率长期维持在 90% 以上，同时征信查询次数上升，这通常意味着客户额度已经不够用，正在外部找钱，共债风险在累积。再比如消费金额连续下降但分期笔数上升，说明客户可能在用分期掩盖消费能力下滑。我的习惯是把这些信号做成监控看板，按周刷新，命中两条以上信号就自动进入预警名单，而不是等逾期发生后再补救。

3.2 三层策略架构：预警层、管控层、处置层

存量客户风控策略要分成三层，每层触发条件不同、动作不同、授权级别也不同。预警层是软动作，触发后不改变客户额度，只做提醒类触达，比如推送还款提醒、消费异常确认短信，目的是让客户自己纠正，也给风控团队争取观察时间。管控层是硬动作，触发后直接调整客户额度或交易权限，比如降额、止付、限制分期，必须走人工复核流程，不能在系统里静默执行。处置层是极端动作，进入催收或债务重组流程，这一类动作有强监管约束，需要合规团队介入。

下面是一张可以直接落地的三层策略编排表。列清楚每个层级的触发条件、动作、时效和复核要求，避免策略执行时出现“该管的没管、不该管的被误杀”的尴尬。

3.3 动态额度管理的参数与参考公式

提额和降额是存量客户风控里最敏感的动作，直接决定你在这个客户身上是赚钱还是亏钱。我的做法是给每类客群设定一个参考额度，而不是凭客户经理感觉批。参考额度的计算思路是：先看客户近 6 个月的平均消费水平，乘以一个价值系数，再减去他行负债和本月应还金额，最后限定在授信上限之内。写成文字是这样的：参考额度 = min（近 6 月均净入账金额 × 价值系数，当前额度 × 增速上限）－ 他行贷款余额。

参数怎么定，完全取决于资金成本和风险偏好。资金成本低、客群质量高的团队，价值系数可以放到 5～6，增速上限放 30%；资金成本高、不良压力大的团队，系数压到 3～4，增速上限压到 10%。这里有一个血泪经验：提额增速上限一定要设，否则连续几个月自动提额，客户外部负债一上来，坏账率会突然飙升。降额触发条件反而要设置得更保守一些，比如 M1 逾期累计 2 次或他行新增贷款超过一定金额，触发后降 30% 起步，给客户留出申诉和复核的空间。

3.4 策略阈值为什么不能写死在库里

不同阶段、不同资金成本下，同一套阈值的结果可能完全相反。比如“额度使用率超过 85% 就预警”这条规则，在资金充裕、客群优质时可能误伤大量正常使用额度的客户；而在资金紧张、风险偏好收敛时又显得太松。所以策略阈值必须做成参数配置，而不是在代码里写死。我见过最典型的翻车现场：有人在数据库里直接写了个存储过程，把降额阈值硬编码在里面，结果策略调整时只能改数据库脚本，既不敢轻易动，又没有灰度，最后只能在生产环境上直接热改，那个风险黑匣子没人敢碰。

正确的做法是把所有阈值、系数、有效期都抽到策略配置表里，风控策略人员改配置就能调整，不需要动代码。每次调整先走一个小的灰度比例，比如先放 5% 的客群观察两周，确认没有误伤再全量放开。这样即使某个阈值拍脑袋定错了，也有后悔药可吃。

4. 存量客户运营动作与风险隔离：提额、复购、挽留怎么一股脑做对

4.1 四类运营动作与对应客群

存量客户运营动作基本逃不出四类：提额促消费、复购活动、沉睡唤醒、交叉销售。每类动作的目标客群和风险前提都不一样，混着做就会出问题。提额促消费只适合高价值低风险客群，目的是让客户把更多消费放在你这张卡上；复购活动适合有一定频次但客单价不高的客户，用优惠券刺激提升消费金额；沉睡唤醒针对活跃度连续下滑但风险还不错的客户，核心是先用小额权益把人拉回来；交叉销售则是把高价值客户往分期、保险、理财等利润更高的产品上引导，但必须确认这个客户没有还款压力，否则就是在悬崖边推人。

下面这张表是我做运营活动时必备的动作矩阵。每一行都对应一个客群、一个风险前提和一个预算上限。活动负责人拿着这张表去设计页面、采购物料和报预算，就能少跟风控同事吵架。

4.2 运营活动上线前必须先过“风险熔断名单”

运营团队最容易犯的错，是只盯着转化率指标，恨不得把预算花到每一个“看起来有钱”的客户身上。但存量客户里有一批人表面有钱，实际已经在共债边缘，你再给他送提额和优惠券，只会加速风险暴露。所以我坚持一个原则：任何运营活动上线前，必须先跑一遍风险熔断名单，把不该触达的人从活动名单里剔除。

熔断名单的口径每个团队可以按自身数据调整，但下面这几条我建议一定要有。当前任意一笔贷款处于 M1 及以上逾期状态；近 30 天征信查询次数超过 8 次；额度使用率已经超过 90% 且连续 3 个月；命中可疑套现规则 2 次以上；催收系统里有在途工单。只要命中其中任意一条，直接禁止参与任何提额和交叉销售类活动。单纯发放优惠券的活动可以适当放宽，但放宽前必须经过风控负责人签字。

4.3 触达渠道与频控上限：别把客户“营销”到流失

存量客户运营里翻车最多的不是策略选错，而是触达太烦。短信、App 推送、电话外呼、微信公众号各发各的，同一个客户一周能收到十几条营销信息，最后被逼到关闭通知甚至销户。做运营不是发得越多越好，而是要控制单客户的全渠道接触频次。

我的频控标准是：短信每周最多 2 条，App push 每周最多 3 条，外呼每月最多 1 通，且全渠道合计每周不超过 3 次接触。这套频控必须做成系统级限制，而不是每个渠道各做各的，否则客户会被多波次轰炸。另外，风控预警类的提醒短信和营销短信要分开计数，还款提醒属于服务消息，不算营销频次，但不能为了规避频控把广告包装成还款提醒，这种小聪明一旦被用户投诉，监管风险更大。

4.4 策略编排怎么落进系统里

以上所有策略最终都要落到系统里执行，我一般建议用决策引擎而不是在业务代码里到处写 if-else。规则引擎的好处是策略与代码分离，风控和运营人员可以直接在界面上维护名单、阈值和动作，不需要等开发排期。存量客户策略是频繁调整的，今天加一条降额规则，明天改一个唤醒动作，如果每次都要发版上线，策略基本就死了。

落地的姿态是三层结构：底层是客户宽表和实时行为数据；中间层是策略引擎，负责命中规则、计算额度、生成动作；上层是运营编排，负责把动作组合成一次营销活动或风控流程。每次活动上线前在测试环境用历史数据回放一遍，确认命中名单和动作符合预期，再切生产。这一步虽然费一点时间，但能挡住绝大多数线上事故。

5. 存量客户风控运营的 5 个常见坑：从标签失效到策略打架

5.1 坑一：标签三个月不更新，模型越用越钝

现象：活动名单里出现大量已经逾期或长期沉睡的客户，转化率下降，退订率上升。原因：分群标签是三个月前生成的，中间客户状态已经发生明显变化，但没人负责刷新。解决：把标签更新任务做成每月定时调度的管道，逾期状态、额度使用率这类快变量做 T+1 更新；每次活动前额外执行一次名单重算，宁可多等两小时也不要拿旧数据上线。

5.2 坑二：多业务线同时触达，老客被“营销围殴”

现象：同一个客户一周内收到信用卡提额短信、分期优惠推送、保险电销外呼，客户投诉激增，App 卸载率明显上升。原因：各业务线各自为战，只关心自己活动的触达量，没有全局频控。解决：在系统层建一个全局频控键，以客户 ID 为维度统计全渠道触达次数，超过阈值后直接丢弃该客户的营销请求；同时把风控预警短信与营销短信分开计量，避免服务消息被误限。

5.3 坑三：只看整体逾期率，老客风险被新客稀释

现象：每月不良率看着很平稳，但真正到催收环节时发现老客的 M2 滚动率在悄悄上升。原因：整体逾期率被大量新客的“零逾期”稀释了，老客群体的坏账恶化体现不出来。解决：按账龄和入件月份做 cohort 分析，统计“同一批客户在第 3 个月、第 6 个月的逾期表现”；同时单看“存量客户 M0 向 M1 的滚动率”，这个指标比整体逾期率更早反映老客风险恶化。

5.4 坑四：提额只看消费力，不看共债压力

现象：给一批消费金额很高的客户提额后，次月这批客户的 M1 逾期率高于提额前，且投诉“额度突然被收走”。原因：只看消费金额判断客户价值，没有叠加他的外部负债和征信查询次数，结果把一批正在借新还旧的客户当成了优质客户。解决：把“他行贷款余额、近 90 天查询次数、额度使用率变化”这三个字段强制接入提额审批逻辑；命中任何一项风险信号，即使消费金额再高，也只给临时额度或禁止提额。

5.5 坑五：策略上线没有回滚开关，小错变大事故

现象：新调整的降额阈值上线后，误伤了一大批正常还款客户，客服电话被打爆，但策略停不掉。原因：策略是直接写在配置里全量生效的，没有灰度开关，也没有回滚按钮。解决：所有策略调整必须支持按客群灰度发布，先在 5% 的低敏感客群上跑两天，确认无误后再全量放开；同时在配置中心保留上一版本快照，发现异常一键回滚。这个开关看起来不起眼，关键时刻能救整个团队。

6. 用一套月度复盘把风控与运营拧成一条线：指标、AB 测试与迭代节奏

风控和运营不是靠制度强行拧到一起的，而是靠一套共同的数字口径。我习惯每个月固定做一次存量客户复盘，只看最核心的六个指标：存量客户 M0-M1 滚动率、提额客群次月逾期率、运营活动触达转化率、沉睡客户唤醒率、平均额度使用率、单一客户月度触达频次。这六个指标放在一张表里，风控和运营都能看懂，也能找到互相牵连的信号：唤醒率上升但 M0-M1 滚动率也上升，说明唤醒动作把高危客户也拉回来了，下个月就该收紧名单口径；提额转化很好但额度使用率冲到 90% 以上，说明提额幅度过猛，要调低增速上限。

AB 测试是验证存量策略效果的最稳办法。同一个分群客群里随机分两组，实验组执行新策略，对照组维持旧策略，观察周期至少 60 天，因为大部分风险要在一期账单之后才能暴露。看结果不能只看收益，还要把增量逾期成本算进去，算出一个“净收益增幅”再决定是否全量。几十万存量客户以上的场景，我还会在新策略上线前先用离线数据回放一遍：把过去 6 个月的交易数据喂给新策略，看看它会做出哪些和旧策略不同的决定，这个动作能提前暴露策略的极端行为。

最后说一件我自己的翻车经历提个醒：有一次我把提额增速上限从 10% 调到 18%，理由是高价值客群消费增长很快，结果三个月后这批客户里有一批人的额度使用率普遍超过 95%，M2 滚动率跟着上来了。回头看，就是没有先做离线回放，也没有逐批灰度。从那以后我立下一个规矩，所有调参必须带着“如果坏了怎么回滚”的方案再上线。存量客户这盘棋，赢在耐心，输在贪快。希望这篇操作路径对你有用，也祝你的存量盘越做越稳。

本文还有配套的精品资源，点击获取