Abstract
This paper is aimed at proposing a data mining-driven analysis to manage the customer defection rate in the bank. After 1997 IMF crisis, Korean banks were suffering from hard-pressed restructuring. At the heart of such restructuring effects, there was the need to manage the customer more effectively than ever. So far, many banks in Korea used to a poor management of customers without any highly-skillful techniques. In line with this argument, we propose several data mining techniques to determine more effective technique far managing customer deflection. We applied three data mining techniques such as logit model, neural network, and C5.0. Experiment data were collected from personal deposit account data of a specific bank in Korea. After experiments, we found that C5.0 showed more robust performance compared to other two techniques. On the basis of those experiment results, we proposed customer defection management policy.
IMF이후로 우리나라의 은행들은 현재 큰 구조조정을 맞이하고 있으며 이 속에서 살아남기 위하여 나름대로의 전략을 수립하고 있다 예를 들어 모 은행의 경우에는 평균 잔액이 일정수준을 넘지 아니하는 경우에는 고객들에게 이자를 지급하지 않는 전략을 수립하고 있다. 이에 기존의 고객의 유형을 분석하고 이를 전략에 활용하는 연구의 필요성이 높아지고 있다. 기존의 연구를 살펴보면 은행 고객들의 유형을 설문지 분석방법에 의존하여 몇 개의 군집으로 분류하고 이들의 집단별 특성을 연구하고자 하였다. 하지만 설문데이터의 경우 고객들의 실제적인 행동이 반영되지 못하는 한계점을 가지고 있다. 이에 본 연구에서는 C은행의 실제 고객 자료를 통하여 다양한 데이터마이닝 기법을 적용하여 가계성 예금 고객을 세분화하였다. 또한 세분화된 고객을 중심으로 이들이 가계성 예금을 해지하고 다른 은행으로 이탈하는 집단의 특성을 분류하고 규칙을 도출하였다. 또한 이들을 관리하는 전략을 제시하였다.
