고객의 정적정보와 동적정보를 통합적으로 활용한 신용카드 고객 이탈 예측

Abstract

신용카드사간의 치열한 경쟁과 경제 생활 모든 곳곳에 신용카드 사용이 확대되는 상황 속에서 경쟁력 있는 고객관리는 기업의 수익가치와 직결되는 문제로서 그 중요성은 더욱더 부각되고 있다. 또한 고객별로 다사(多社)카드를 소지하는 경향이 일반적인 상황에서 고객관리는 그 어느 때보다 중요하다고 할 수 있으며, 특히 이탈 고객의 관리는 이러한 과정 중에서 가장 중요하다고 할 수 있다. 이탈 고객 관리는 기업의 경쟁력과 직결되며 특히, 신용카드 시장에서의 고객 이탈은 시장에서의 퇴장이 아니라 대부분 경쟁사로의 전환을 의미하기 때문에 더욱더 이탈 고객 관리가 중요하다. 이러한 이탈 고객 관리를 통하여 로열티 고객을 유지하고 이탈 고객을 최소화 하는 것이 기업의 수익을 극대화 할 수 있는 방안이다. 따라서 본 연구에서는 신용카드 고객에 대한 이해와 통합적인 분석을 통해 한 번 획득한 고객을 효율적으로 관리하여, 로열티 고객을 지속적으로 유지하고 이탈 고객을 최소화 할 수 있는 방안으로 개별 고객의 이탈 확률을 예측하는 이탈 고객 예측 모형을 설계하였다. 본 연구에서는 기존의 정적인 고객 정보를 이용한 이탈 예측 모형에 동적인 고객 정보를 함께 분석함으로써 이탈 예측력을 높이고자 하였으며, 정보의 특성에 맞게 데이터마이닝 기법을 달리하는 다중 모형 방식의 이탈 고객 예측 모형을 설계하였다. 이러한 동적 정보를 통합적으로 활용한 다중 모형 설계 결과 이탈 가망 고객의 예측력을 향상시키는 것이 가능하였으며, 이탈 바로 전 고객에게 일어날 수 있는 동적인 정보 즉, 고객 사건(event) 정보의 연관성 분석 모형을 통하여 짧은 기간의 사건 데이터를 통한 모형 업데이트 방안을 제시할 수 있었다.; As credit card companies compete severely with one another with ever-popularized use of credit cards throughout all aspects of living economy, customer relationship management (CRM) becomes more spotlighted as critical to companies’ profitable values than before. In addition, as customers usually tend to hold two or more credit cards, customer management becomes essential, and in particular, customer retention is most crucial in order to maintain loyal customers and to improve corporate profitability. Detecting customers who are likely to leave are critical to company's competitive advantages. In particular, customer attrition in credit card market mostly means the turnover to rival companies, not walkout from market. That is why the management of customers who are likely to leave gets more important than before. Therefore, accurate prediction on which customers are likely to leave in the near future is a base to maintain loyal customers and to maximize business profitability. Based on the understanding and integrated analysis of credit card customers, this study aims to design a prediction model to find customers who are likely to leave. This study intended to enhance prediction accuracy of customer attrition by analyzing dynamic customer information with traditional customer attrition prediction model using static customer information. The proposed prediction model is a sort of hybrid model combined with classification models and association rule generation methods. From the experiments using real credit card customers’ data of a Korea credit card company, we showed the proposed method can contribute to improve the prediction accuracy of customers’ attrition. Furthermore, this study suggested how to update attrition prediction model using short-term dynamic information through association analysis of customers’ state changes, i.e. customers’ event data with customer attrition.