用户分群的目的是建立子模型，提高模型性能，区隔变量可以理解为用来分群的变量。知乎上无忌老师写过分群变量的要求是各分箱之间的segment不一致，坏客户比率需达到30%。本文从业务策略应用的角度列出了各种策略下区隔变量，实际操作中可以配合评分卡进行策略制定，或者根据区隔变量作子模型和主模型。
常用的区隔变量有如下：
1.申请评分
营销策略(如争取女性年轻族群)、政策规定(如对学生族群的卡数限制和无担保债务余额占平均月收入上限)以及其他风险政策(如年龄上下限、年收入、职业、无担保债务余额上限、短期内密集申请贷款与信用卡等)。
区隔变量和用户画像需要分开，用户画像是入模变量的标签，而区隔变量是为了建立子模型。比如用户画像中有优质客群，其特征是有抵押、负债率<70%、DTI<50%；急于贷款的客群特征是额度使用率>90%，最新贷款距今<3个月等。而区隔变量可以是是否有放贷、是否有社保，一般可以交叉分为四类有贷款有社保、有贷款无社保、无贷款有社保、无贷款无社保。
2.初始额度给予
营销策略(如高财力客户及特殊项目)、政策规定(如对学生客群的额度限制和无担保债务总余额上限及每月应缴贷款本息占月收入比率等)。
3.风险定价
信用卡是否动用循环、信用额度、营销策略(如信用卡种类与卡片等级、特殊项目)、职业、无担保债务总余额占月收入比率及每月应缴贷款本息占月收入比率等。
4.预借额度给予
与本行往来月数、近期消费金额等。
5.期中复审依据
搭配行为评分卡使用，区隔因素有信用卡是否动用循环、无担保债务总余额占月收入比率、无担保债务总余额、无担保产品数、过去延滞状态与次数、信用卡额度使用率、使用卡预借现金次数及过去缴款状况等。
6.超额额度给予
搭配行为评分卡使用，区隔因素有是否为预借现金类交易、交易地点为国内/国外、信用卡是否动用循环、信用额度、近期消费金额及营销策略(如信用卡种类与卡片等级)。
7.延滞客户催收
搭配催收评分卡使用，区隔因素有逾期金额、与本行往来月数、过去缴款金额、过去延滞状态与次数、客户年龄、信用卡额度使用率及无担保产品总余额等。
下面针对信用卡额度调整策略，利用信用评分搭配区隔变量来拟定最佳的分组方式，并给予各分组适当的额度调整比例。
区隔变量是客户与本行往来月数、上次额度调整至今月数、行为评分卡风险等级、预借现金余额占信用额度比率、过去6个月额度使用率及过去6个月缴款率。用决策树将全体客户依据违约率做区分，得到下图:
依据高违约率给予较低额度增加率、低违约率给予较高额度增加率的原则，分别给予各组不同额度的增加率，但是由于部分分组是非直接与风险相关的变量分组，比如客户往来月数小于6个月，这部分由人为强制区隔分组，因此这些组的客户违约率不高但仍不给予额度调整。
【作者】：Labryant
【原创公众号】：风控猎人
【简介】：某创业公司策略分析师，积极上进，努力提升。乾坤未定，你我都是黑马。
【转载说明】：转载请说明出处，谢谢合作！~