惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

The GitHub Blog
The GitHub Blog
Martin Fowler
Martin Fowler
Vercel News
Vercel News
U
Unit 42
Engineering at Meta
Engineering at Meta
aimingoo的专栏
aimingoo的专栏
MyScale Blog
MyScale Blog
Y
Y Combinator Blog
阮一峰的网络日志
阮一峰的网络日志
爱范儿
爱范儿
Apple Machine Learning Research
Apple Machine Learning Research
博客园_首页
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
B
Blog RSS Feed
N
Netflix TechBlog - Medium
GbyAI
GbyAI
F
Fortinet All Blogs
MongoDB | Blog
MongoDB | Blog
大猫的无限游戏
大猫的无限游戏
C
Check Point Blog
M
MIT News - Artificial intelligence
D
Docker
IT之家
IT之家
Stack Overflow Blog
Stack Overflow Blog

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
HMW方法在贷后催收系统的应用实例
HappyCame · 2024-03-21 · via 人人都是产品经理

在当前环境下,贷后催收的回款率时常让贷后产品经理感到头疼。那么,有什么办法能够增加回款率?本文分享了HMW方法在贷后催收系统的应用实例,希望对你有所帮助。

作为一名负责贷后催收系统的PM,催收金额回款率是核心指标。所以每天被老板问的一个问题就是还有什么方法可以进一步增加回款率。相信这也是每一个贷后PM最头疼的问题。

从整体上看解题思路有两个方向,一个是在催收手段上的丰富,一个是精细化的运营,即在每一个方法、流程和规则上进行精细化的分解,寻找可以突破的点。前者依赖对行业的、当前新技术等不断地了解和学习,后者依赖当前业务的深入了解和丰富的数据指标分析。

今天我们来聊第一个解题思路,可以说在当前环境下目前可以想到用到的催收手段也基本在行业中达成共识,也都基本在用了,真的很难有新的突破。包括不限于短信、语言提醒、人工电催、预测式外呼、案件委外、法诉等。但是根据每家公司实际业务场景不同,还会存在着一些发挥空间。如何去寻找呢,我想到的了在产品方案设计时经常会用到一个经典的分析方法,HMW分析法,这个方法的说明咱们就不细说了,直接跳到实际应用环节。

目标:在我当下所负责的贷后催收业务中,除了现有已经在用的方法之外,是否还有新的手段或方法可以使用,用于提高回款率。

具体分析过程:

第一步,基于我要实现的目标,需要做的是先梳理出目前业务或系统现有的手段或方法。于是我整了一个表格,为了全面覆盖,可以使用业务场景分析法,按照经典的人货场理论就行分析,即用户、场景(包括细分场景)和具体的催收动作:

第二步,使用HMW分析法进行头脑风暴,这个阶段要做的事情只有一个,就是极致的压榨大脑生产各种想法或点子,不论好坏,切不切实际只需保持想法输出即可。下面是我的分析结果:

第三步,把所有的方法汇总做量化分析,分析其业务价值和可行性。我使用的分析维度包括是否已使用该方法,完善程度,实现难度(业务难度和开发难度),难度说明,效果值(影响的范围和对核心指标的直接影响度),效果说明,ROI。这样就可以初步分析出每个方法的实用性或可操作性。

这一步主要需要有量化分析的能力,需要建立几个分析的指标,这就通过ROI可以分析出结果,但是列表的方式看上去并不直观,我把它转化图标的形式看上去会更直观。

如上图所示虽然是2维的坐标轴,但是图示的结果可以显示4个维度的信息,即横轴难度、纵轴效果、比值结果即ROI和颜色即完整度。

然后再做进一步的分析,把图示的结果进行分区,类似于4象限分析,可以进一步区分出高投入高回报(右上)和低投入高回报(左上)的区域,这样可以优先做后者。如下图:

第四步,根据自己业务和公司的实际情况,将可行性较高的方法进行汇总,输出下一步的待办和执行建议。然后就可以拿着它跟业务或领导沟通了。

当然,跟老板沟通不能只拿这个初步分析的内容去,还需要更具体的方案说明,选择其中可以下一步直接开干的,说明怎么干大概达到什么效果才行,因为老板只关注结果。

以上就是我在贷后催收系统上使用HMW方法的实际工作经验分享,欢迎大家留言交流感想。

本文由@HappyCame 原创发布于人人都是产品经理,未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。