Анализ диалогов службы взыскания банка с заемщиками с помощью методов машинного обучения: поиск разговорных паттернов, повышающих уровень взыскания просроченной задолженности

Общее число заемщиков в мире постепенно увеличивается. Вместе с распространением кредитов и увеличением долговой нагрузки населения возрастает и риск дефолта. Возникает закономерный вопрос: как стимулировать заемщиков возвращать деньги? Процесс взыскания долгов стал темой многочисленных исследований, однако влияние речи оператора в диалогах по взысканию долгов на итоговый уровень взыска не было изучено в достаточной степени. Данное исследование намерено заполнить существующий пробел и выявить диалоговые паттерны в операторской речи, которые положительно или отрицательно влияют на уровень взыскания долга. Анализ основан на текстовых записях телефонных разговоров коллекторского отдела одного русского банка с заемщиками с просрочкой не более 30 дней и характеристиках этих диалогов. В ходе исследования была построена логистическая регрессия на преобразованных с помощью TF-IDF алгоритма текстовых данных, а также две нелинейные модели XGBoost: на выявленных с помощью NMF тематиках и на признаках диалогов. В результате были выявлены некоторые речевые конструкции, а также признаки диалогов, которые оказывают влияние на вероятность возврата долга.