随着互联网技术的发展,P2P线上网贷平台迅速发展。然而,近年来,P2P行业出现了诸多问题平台倒闭现象,暴露了平台信息交易不透明、担保机制不完善、贷前审批措施不严格、贷后跟踪不到位等诸多问题,其核心原因,归结于贷前审批环节个人信用评估不完善,为此,本文利用数据挖掘手段对某信贷公司2018年贷款APP的部分埋点数据,即用户贷前行为数据进行特征挖掘与衍生,结合均等分箱、二叉树分箱对数据进行处理,根据WOE值及IV值对特征重要性进行排序、筛选,进而建立基于二叉树及均等分箱的逻辑回归模型与xgboost模型,从中基于二叉树逻辑回归模型建立个人信贷行为评分卡。研究结果表明:首先,在两种分箱方法中,基于二叉树分箱方法的逻辑回归和xgboost模型对正负样本的区分能力最大;其次,对比xgboost模型与逻辑回归模型,无论基于哪种分箱方法,逻辑回归模型的性能都略低于xgboost模型,但通过构建行为评分卡发现,逻辑回归模型能更直观的反映和量化客户的风险等级,提高风险的可解释性;最后,在反应用户活跃度、使用设备安全、特殊事件等诸多指标中,对个人信用风险评估具有重要性影响的特征为特殊事件,包括用户在APP上各个页面的触屏滑动行为。综上所述,在我国征信体系不完善的情况下,通过采集信贷申请人的贷前APP行为数据,有助于评估信贷申请人的贷前风险并对其进行等级划分。