陳仁強

1 引言

近年來移動運營商陸續建立了以控制欠費風險為核心的信用控制體系，對保障公司運營收入發揮積極作用的同時也存在一些問題和薄弱環節。例如：用戶信用評估標準單一，無法綜合反映用戶在收益、風險、潛在價值等方面的評價指標；信用服務內容少，缺乏針對不同信用等級用戶提供的差異化服務；過于強調風險控制，產生大量不當停機，影響客戶感知以及公司收益。

隨著市場逐漸進入飽和期，服務行業競爭日趨激烈，信用控制已經從單純控制風險發展為控制風險、完善服務、提升收入并舉的有效手段。金融行業早已根據用戶信用情況提供差異化動態信用服務，消費高、收入高、信用好的用戶可獲得更高的透支額度、更長的還款期限，在提升客戶服務的同時鼓勵客戶消費。

為此，中國移動以最大程度方便客戶、提高客戶感知、并兼顧提升收益和降低壞帳風險為出發點，建立用戶信用的科學評價體系，實現各信用等級用戶的差異化服務，支持動態信用控制策略的靈活配置，貫徹“客戶為根，服務為本”的理念，全方位提升用戶信用服務體驗，加強用戶粘性，增加企業運營收入。

2 信用度模型

信用是一種建立在信任基礎上的能力。現代市場經濟中，信用無處不在，信用銷售是市場銷售發展的最高形式。移動運營商為移動通信用戶提供的是一種典型的信用消費方式，通常情況下用戶是在本月費用期間結束之后支付通信及服務費用。

信用度是用戶可以透支話費的額度，是基于對客戶屬性、身份、消費額、消費行為等各方面因素綜合提取，在一定模型下綜合分析評估，按照一定的算法得出的對用戶信用的量化評價指標。信用度是用戶的一個屬性，在一段時間后系統可以進行重新評估。

2.1 數據來源分析

對用戶信用度進行評價需使用以下幾類信息：用戶的基本信息、用戶的業務信息、用戶的費用及繳納情況信息等。

（1）用戶的基本信息（只列舉部分信息）：姓名、性別、年齡、身份證號碼、用戶品牌、在網時長、用戶積分等。

（2）用戶的業務信息（只列舉部分信息）：移動號碼、保證方式（保證人、保證金）、保證金額、交費方式、是否開通國際長途、增值業務使用活躍度、客戶狀態、客戶離網概率。

（3）用戶的費用及繳納信息（只列舉部分信息）：近6個月欠費次數、平均每次欠費金額、欠費次數比入網時長、上期3個月月均ARPU、ARPU差值、ARPU離差等。

從上述數據可以看出，用戶的基本信息、業務信息都是定性的，用戶的費用及繳納信息大都是定量的。

2.2 信用特征選取

信用特征即信用因素、信用評價指標，是指在用戶的基本信息庫中，影響用戶信用的因素。在信用特征的選取上，一方面要盡量選擇能反映評價對象信用水平的特征，一方面要注意這些特征的可獲得性，另外還要注意的是避免對用戶的歧視。移動用戶的信用特征可以分為基本信用特征、業務信用特征、信用記錄三方面的信息。

（1）基本信用特征：選擇對用戶信用水平有較大影響的特征，包括職業類型、所屬行業、任職部門、職務、教育水平、收入水平、聯系方式、是否能聯系上、身份證號碼重復數。這些特征的取定一方面是考慮這些信息對用戶的基本信用水平的影響較大，另外也參照了很多現有資料的用戶特征，但為避免產生用戶歧視，未將用戶的性別、年齡等列為信用特征。

（2）業務信用特征：交費方式、保證種類、入網方式、業務開通種類、是否每月交費、客戶類型、離網概率等。

（3）信用記錄：入網時長、欠費次數、平均每次欠費金額、欠費次數比入網時長、欠停次數、平均每次欠停天數、欠停次數比入網時長、透支次數、平均每次透支金額、透支次數比入網時長、最近3個月月均ARPU、上期3個月月均ARPU、ARPU差值、ARPU離差等。

2.3 信用模型建立

本模型對各個信用特征采用特征分析方法進行量化，對各個特征的權重采用回歸分析方法來確定。特征分析方法的核心思想之一是提供一套統一的、規范化的客戶特征描述和表達方式，并在此基礎上進行全面的信用分析。特征分析方法具有內容較為全面且擴展性強、具有較大靈活性、可根據用戶的特征進行定義等優點，因此在信用分析中得到廣泛應用。回歸分析是處理各個特征變量間相關關系的一種有效工具，它可以提供變量間相關關系的數學表達式，易于理解和操作。

（1）信用指標特征分析

特征分析方法的另一個主導思想是將上述各個選定的信用特征進行定量化的評定，因此，將各個定性、定量的特征（指標）按照統一標準進行評定就成了特征分析的關鍵技術環節。本模型以百分制來評定每個特征所反映的客戶資信水平，每個特征從小到大，表示該客戶在該項特征方面的好壞程度，最高分代表最好，最低分代表最差，在此基礎上制定科學準確的評分標準。

在數據準備階段制成的寬表中，數據可分為兩類：定性的和定量的。

1）定性指標

這類指標是根據信用特征的不同性質來劃分種類和進行評價的，主要由各種基本信息特征和業務信用特征組成。這類特征的評價方法是結合維表分檔和業務專家調查意見給分檔打分二者實現的。

下面以某省為例，給出各定性指標的量化分數，如表1所示。

2）定量指標

定量指標本身是量化的，通過一定的評價函數轉換為評價值，本模型中定量特征的評價函數主要根據指標的經濟意義進行確定。

◆直線遞增的分段函數：這類指標為正向指標，信用評價值隨其指數的上升而上升，在某一數值達到滿分，這類指標包括入網時長等。這種類型的函數圖像如圖1所示：

圖1 直線遞增分段函數圖像

◆曲線遞增的函數：這類指標為正向指標，信用評價值隨其指數的上升而上升，并且上升的趨勢是在初期上升的較慢，而靠近臨界點處上升較快，在臨界點達到1，這類指標包括預存次數比入網時長等。這種類型的函數圖像如圖2所示：endprint

圖2 曲線遞增函數圖像

◆直線遞減的分段函數：這類指標為負向指標，信用評價值隨其數值的上升而下降，在某一數值（臨界點）達到0，這類指標包括平均每次欠費金額等。這種類型的函數圖像如圖3所示：

圖3 直線遞減分段函數圖像

◆曲線遞減的函數：這類指標為負向指標，信用評價值隨其數值的上升而下降，并且下降的趨勢是在初期下降的較慢，而靠近臨界點處下降較快，并在臨界點達到0，這類指標包括欠費次數比入網時長、透支次數比入網時長、ARPU離差等。這種類型的函數圖像如圖4所示：

圖4 曲線遞減函數圖像

（2）確定基準信用度

從數據準備階段做好的寬表中隨機抽取30%的數據做為樣本集S。對S集做聚類分析、數據統計，根據S中數據特點、統計分布規律為用戶設置基準信用度分數。對S樣本集數據做主分量分析、因子分析，分析指標間的相關關系，將其歸納成5～10個因素，然后使用回歸方法確定基準信用度公式。其數學模型為y=b0+b1x1+b2x2+…+bnxn，其中b0為常數項，b1、b2、…、bn稱為y對應于x1、x2、…、xn的偏回歸系統。

在S樣本集上嘗試以下幾種變量選擇方法分別建立基準信用度公式：

1）向前法（只進不出）

此法是比較所有自變量與因變量的偏相關系數，然后選擇最大的一個作回歸系數顯著性檢驗，決定其是否進入回歸方程。其主要缺點是：由于自變量間可能有相關關系，計算初期引入的變量當時顯著，而隨著其他自變量的引入，就可能使初期引入者變得不顯著了。

2）向后法（只出不進）

此法是首先計算包含所有變量的回歸方程，然后用偏F檢驗逐個剔除對因變量無顯著影響的自變量，直到每個自變量在偏F檢驗下都有顯著性結果為止。此法可行，但缺點是開始建立的方程可能自變量過多，使計算過于繁瑣。

3）逐步回歸法（有出有進法）

此法是對向前法的改進，首先對偏相關系數最大的變量作回歸系數顯著性檢驗，以決定是否進入回歸方程，然后對方程中的每個變量作為最后選入方程的變量求出F值，對偏F值最小的那個變量作偏F檢驗，決定它是否留在回歸方程中。重復此過程，直至沒有變量被引入，沒有變量可剔除。

選擇其中R值最大的公式，作為最優的基準信用度公式。

（3）確定信用度定期調整公式

當用戶使用運營商提供的服務一段時間后（此處假設為半年），可以根據用戶的信用記錄變化情況，對用戶的信用度做進一步的評估，進而得到信用度定期調整公式。此時應考慮的特征為：

◆基本信息方面：交費方式變更、保證金增幅（如果減少則為負數）、客戶類型變更。

◆信用記錄方面：近期欠費次數、近期平均每次欠費金額、近期欠停次數、近期平均每次欠停天數、近期單通次數、近期平均每次單通天數、近期透支次數、近期平均每次透支金額、近期預存次數、近期平均每次預存金額、近期預存金額離差平方和、近期是否每月交費、交費日期離差平方和、最近6個月月均ARPU、最近6個月月均ARPU、ARPU差值、ARPU離差。

使用確定基準信用度類似的方法，確定信用度定期調整公式。

（4）計算信用額度

根據基準信用度公式和信用度定期調整公式，運營商對所有后付費用戶使用基準信用度公式評估出其信用度后，可結合自身的業務開展情況，將這些用戶劃分為幾個等級，例如，劃分為7個等級，如表2所示。

理想情況下，在信用度指標上的用戶數量應呈現正態分布，即信用度極高和極低的比重較低而大多數處于中檔。

通過上面的分析，已經得到了用戶的信用度評價和信用等級。那么如何來確定它的信用額度呢？顯而易見，用戶的信用額度肯定和他的信用度和信用等級有關，如果他的信用等級越高，其信用額度就應該越大，而增長的幅度也越來越大，這樣不僅有利于用戶消費的便利，而且有利于吸引用戶提高其信用水平；另外，對于老客戶來說，信用額度還應該與手機的當月應收費有關，二者存在對應關系；最后，用戶繳納的保證金也應列入其信用額度。于是，可給出指數形式的信用額度計算公式：

CO=f（CV，B，PT）=PT（eCV/100-1）+B （1）

其中，CO表示信用額度，CV表示信用度，PT表示近6個月平均應收費，B表示保證金。

或者也可以簡單地以用戶的信用級別為自變量，則相應公式為：

CO=f（CG，B，PT）=PT（e（7-CG）/6-1）+B （2）

其中CG表示信用等級。

對于新入網的用戶，運營商可根據經營實際情況設置一個初始的信用度級別，待用戶入網滿6個月時，再使用基準信用度公式評估用戶的信用度。

3 信用模型評估

經過實踐檢驗，該模型誤差率在1%以內，利用此模型取得了明顯的效果，通過對客戶信用等級的劃分，實現了對客戶分層分級的信用管理，為客戶提供了差異化的服務，全方位提升了用戶信用服務體驗，加強了用戶粘性，增加了企業運營收入。

參考文獻：

[1] 楊建剛. 移動電話客戶信用控制和管理[J]. 通信世界， 2005（31）： 30-31.

[2] 翟清蘭. 基于Logit模型和人工神經網絡的商業銀行信用風險評估[D]. 大連： 東北財經大學， 2006.

[3] 郭瑜敏，徐清宇. 電信業客戶信用控制過程的優化[J]. 電腦開發與應用， 2009（8）： 70-71.

[4] 朱曉明，劉治國. 信用評分模型綜述[J]. 統計與決策， 2007（1）： 103-105.

[5] 劉慧. 基于數據挖掘技術的信用卡申請評分模型研究[D]. 大連： 東北財經大學， 2010.

[6] 劉戒驕. 個人信用管理[M]. 1版. 北京： 對外經濟貿易大學出版社， 2003.endprint

圖2 曲線遞增函數圖像

◆直線遞減的分段函數：這類指標為負向指標，信用評價值隨其數值的上升而下降，在某一數值（臨界點）達到0，這類指標包括平均每次欠費金額等。這種類型的函數圖像如圖3所示：

圖3 直線遞減分段函數圖像

◆曲線遞減的函數：這類指標為負向指標，信用評價值隨其數值的上升而下降，并且下降的趨勢是在初期下降的較慢，而靠近臨界點處下降較快，并在臨界點達到0，這類指標包括欠費次數比入網時長、透支次數比入網時長、ARPU離差等。這種類型的函數圖像如圖4所示：

圖4 曲線遞減函數圖像

（2）確定基準信用度

從數據準備階段做好的寬表中隨機抽取30%的數據做為樣本集S。對S集做聚類分析、數據統計，根據S中數據特點、統計分布規律為用戶設置基準信用度分數。對S樣本集數據做主分量分析、因子分析，分析指標間的相關關系，將其歸納成5～10個因素，然后使用回歸方法確定基準信用度公式。其數學模型為y=b0+b1x1+b2x2+…+bnxn，其中b0為常數項，b1、b2、…、bn稱為y對應于x1、x2、…、xn的偏回歸系統。

在S樣本集上嘗試以下幾種變量選擇方法分別建立基準信用度公式：

1）向前法（只進不出）

此法是比較所有自變量與因變量的偏相關系數，然后選擇最大的一個作回歸系數顯著性檢驗，決定其是否進入回歸方程。其主要缺點是：由于自變量間可能有相關關系，計算初期引入的變量當時顯著，而隨著其他自變量的引入，就可能使初期引入者變得不顯著了。

2）向后法（只出不進）

此法是首先計算包含所有變量的回歸方程，然后用偏F檢驗逐個剔除對因變量無顯著影響的自變量，直到每個自變量在偏F檢驗下都有顯著性結果為止。此法可行，但缺點是開始建立的方程可能自變量過多，使計算過于繁瑣。

3）逐步回歸法（有出有進法）

此法是對向前法的改進，首先對偏相關系數最大的變量作回歸系數顯著性檢驗，以決定是否進入回歸方程，然后對方程中的每個變量作為最后選入方程的變量求出F值，對偏F值最小的那個變量作偏F檢驗，決定它是否留在回歸方程中。重復此過程，直至沒有變量被引入，沒有變量可剔除。

選擇其中R值最大的公式，作為最優的基準信用度公式。

（3）確定信用度定期調整公式

當用戶使用運營商提供的服務一段時間后（此處假設為半年），可以根據用戶的信用記錄變化情況，對用戶的信用度做進一步的評估，進而得到信用度定期調整公式。此時應考慮的特征為：

◆基本信息方面：交費方式變更、保證金增幅（如果減少則為負數）、客戶類型變更。

◆信用記錄方面：近期欠費次數、近期平均每次欠費金額、近期欠停次數、近期平均每次欠停天數、近期單通次數、近期平均每次單通天數、近期透支次數、近期平均每次透支金額、近期預存次數、近期平均每次預存金額、近期預存金額離差平方和、近期是否每月交費、交費日期離差平方和、最近6個月月均ARPU、最近6個月月均ARPU、ARPU差值、ARPU離差。

使用確定基準信用度類似的方法，確定信用度定期調整公式。

（4）計算信用額度

根據基準信用度公式和信用度定期調整公式，運營商對所有后付費用戶使用基準信用度公式評估出其信用度后，可結合自身的業務開展情況，將這些用戶劃分為幾個等級，例如，劃分為7個等級，如表2所示。

理想情況下，在信用度指標上的用戶數量應呈現正態分布，即信用度極高和極低的比重較低而大多數處于中檔。

通過上面的分析，已經得到了用戶的信用度評價和信用等級。那么如何來確定它的信用額度呢？顯而易見，用戶的信用額度肯定和他的信用度和信用等級有關，如果他的信用等級越高，其信用額度就應該越大，而增長的幅度也越來越大，這樣不僅有利于用戶消費的便利，而且有利于吸引用戶提高其信用水平；另外，對于老客戶來說，信用額度還應該與手機的當月應收費有關，二者存在對應關系；最后，用戶繳納的保證金也應列入其信用額度。于是，可給出指數形式的信用額度計算公式：

CO=f（CV，B，PT）=PT（eCV/100-1）+B （1）

其中，CO表示信用額度，CV表示信用度，PT表示近6個月平均應收費，B表示保證金。

或者也可以簡單地以用戶的信用級別為自變量，則相應公式為：

CO=f（CG，B，PT）=PT（e（7-CG）/6-1）+B （2）

其中CG表示信用等級。

對于新入網的用戶，運營商可根據經營實際情況設置一個初始的信用度級別，待用戶入網滿6個月時，再使用基準信用度公式評估用戶的信用度。

3 信用模型評估

經過實踐檢驗，該模型誤差率在1%以內，利用此模型取得了明顯的效果，通過對客戶信用等級的劃分，實現了對客戶分層分級的信用管理，為客戶提供了差異化的服務，全方位提升了用戶信用服務體驗，加強了用戶粘性，增加了企業運營收入。

參考文獻：

[1] 楊建剛. 移動電話客戶信用控制和管理[J]. 通信世界， 2005（31）： 30-31.

[2] 翟清蘭. 基于Logit模型和人工神經網絡的商業銀行信用風險評估[D]. 大連： 東北財經大學， 2006.

[3] 郭瑜敏，徐清宇. 電信業客戶信用控制過程的優化[J]. 電腦開發與應用， 2009（8）： 70-71.

[4] 朱曉明，劉治國. 信用評分模型綜述[J]. 統計與決策， 2007（1）： 103-105.

[5] 劉慧. 基于數據挖掘技術的信用卡申請評分模型研究[D]. 大連： 東北財經大學， 2010.

[6] 劉戒驕. 個人信用管理[M]. 1版. 北京： 對外經濟貿易大學出版社， 2003.endprint

圖2 曲線遞增函數圖像

◆直線遞減的分段函數：這類指標為負向指標，信用評價值隨其數值的上升而下降，在某一數值（臨界點）達到0，這類指標包括平均每次欠費金額等。這種類型的函數圖像如圖3所示：

圖3 直線遞減分段函數圖像

◆曲線遞減的函數：這類指標為負向指標，信用評價值隨其數值的上升而下降，并且下降的趨勢是在初期下降的較慢，而靠近臨界點處下降較快，并在臨界點達到0，這類指標包括欠費次數比入網時長、透支次數比入網時長、ARPU離差等。這種類型的函數圖像如圖4所示：

圖4 曲線遞減函數圖像

（2）確定基準信用度

從數據準備階段做好的寬表中隨機抽取30%的數據做為樣本集S。對S集做聚類分析、數據統計，根據S中數據特點、統計分布規律為用戶設置基準信用度分數。對S樣本集數據做主分量分析、因子分析，分析指標間的相關關系，將其歸納成5～10個因素，然后使用回歸方法確定基準信用度公式。其數學模型為y=b0+b1x1+b2x2+…+bnxn，其中b0為常數項，b1、b2、…、bn稱為y對應于x1、x2、…、xn的偏回歸系統。

在S樣本集上嘗試以下幾種變量選擇方法分別建立基準信用度公式：

1）向前法（只進不出）

此法是比較所有自變量與因變量的偏相關系數，然后選擇最大的一個作回歸系數顯著性檢驗，決定其是否進入回歸方程。其主要缺點是：由于自變量間可能有相關關系，計算初期引入的變量當時顯著，而隨著其他自變量的引入，就可能使初期引入者變得不顯著了。

2）向后法（只出不進）

此法是首先計算包含所有變量的回歸方程，然后用偏F檢驗逐個剔除對因變量無顯著影響的自變量，直到每個自變量在偏F檢驗下都有顯著性結果為止。此法可行，但缺點是開始建立的方程可能自變量過多，使計算過于繁瑣。

3）逐步回歸法（有出有進法）

此法是對向前法的改進，首先對偏相關系數最大的變量作回歸系數顯著性檢驗，以決定是否進入回歸方程，然后對方程中的每個變量作為最后選入方程的變量求出F值，對偏F值最小的那個變量作偏F檢驗，決定它是否留在回歸方程中。重復此過程，直至沒有變量被引入，沒有變量可剔除。

選擇其中R值最大的公式，作為最優的基準信用度公式。

（3）確定信用度定期調整公式

當用戶使用運營商提供的服務一段時間后（此處假設為半年），可以根據用戶的信用記錄變化情況，對用戶的信用度做進一步的評估，進而得到信用度定期調整公式。此時應考慮的特征為：

◆基本信息方面：交費方式變更、保證金增幅（如果減少則為負數）、客戶類型變更。

◆信用記錄方面：近期欠費次數、近期平均每次欠費金額、近期欠停次數、近期平均每次欠停天數、近期單通次數、近期平均每次單通天數、近期透支次數、近期平均每次透支金額、近期預存次數、近期平均每次預存金額、近期預存金額離差平方和、近期是否每月交費、交費日期離差平方和、最近6個月月均ARPU、最近6個月月均ARPU、ARPU差值、ARPU離差。

使用確定基準信用度類似的方法，確定信用度定期調整公式。

（4）計算信用額度

根據基準信用度公式和信用度定期調整公式，運營商對所有后付費用戶使用基準信用度公式評估出其信用度后，可結合自身的業務開展情況，將這些用戶劃分為幾個等級，例如，劃分為7個等級，如表2所示。

理想情況下，在信用度指標上的用戶數量應呈現正態分布，即信用度極高和極低的比重較低而大多數處于中檔。

通過上面的分析，已經得到了用戶的信用度評價和信用等級。那么如何來確定它的信用額度呢？顯而易見，用戶的信用額度肯定和他的信用度和信用等級有關，如果他的信用等級越高，其信用額度就應該越大，而增長的幅度也越來越大，這樣不僅有利于用戶消費的便利，而且有利于吸引用戶提高其信用水平；另外，對于老客戶來說，信用額度還應該與手機的當月應收費有關，二者存在對應關系；最后，用戶繳納的保證金也應列入其信用額度。于是，可給出指數形式的信用額度計算公式：

CO=f（CV，B，PT）=PT（eCV/100-1）+B （1）

其中，CO表示信用額度，CV表示信用度，PT表示近6個月平均應收費，B表示保證金。

或者也可以簡單地以用戶的信用級別為自變量，則相應公式為：

CO=f（CG，B，PT）=PT（e（7-CG）/6-1）+B （2）

其中CG表示信用等級。

對于新入網的用戶，運營商可根據經營實際情況設置一個初始的信用度級別，待用戶入網滿6個月時，再使用基準信用度公式評估用戶的信用度。

3 信用模型評估

經過實踐檢驗，該模型誤差率在1%以內，利用此模型取得了明顯的效果，通過對客戶信用等級的劃分，實現了對客戶分層分級的信用管理，為客戶提供了差異化的服務，全方位提升了用戶信用服務體驗，加強了用戶粘性，增加了企業運營收入。

參考文獻：

[1] 楊建剛. 移動電話客戶信用控制和管理[J]. 通信世界， 2005（31）： 30-31.

[2] 翟清蘭. 基于Logit模型和人工神經網絡的商業銀行信用風險評估[D]. 大連： 東北財經大學， 2006.

[3] 郭瑜敏，徐清宇. 電信業客戶信用控制過程的優化[J]. 電腦開發與應用， 2009（8）： 70-71.

[4] 朱曉明，劉治國. 信用評分模型綜述[J]. 統計與決策， 2007（1）： 103-105.

[5] 劉慧. 基于數據挖掘技術的信用卡申請評分模型研究[D]. 大連： 東北財經大學， 2010.

[6] 劉戒驕. 個人信用管理[M]. 1版. 北京： 對外經濟貿易大學出版社， 2003.endprint