신용카드 이용규모 추정 모델 개발을 위한 데이터마이닝의 활용

• 영문명: Data Mining Application for Estimation of Customer s Wallet Size
• 발행기관: 한국자료분석학회
• 저자명: 진서훈(Seohoon Jin) 김현기(Hyun-Gi Kim)
• 간행물 정보: 『Journal of The Korean Data Analysis Society (JKDAS)』Vol.8 No.6, 2415~2425쪽, 전체 11쪽
• 주제분류: 자연과학 > 통계학
• 파일형태: PDF
• 발행일자: 2006.12.30

국문 초록

효과적인 CRM(customer relationship management)을 위해서는 고객의 다양한 정보의 수집 및 분석을 통한 차별화된 고객 커뮤니케이션이 필요하다. 특히 국내의 신용카드업처럼 한 고객이 다사의 카드를 소지하고 있는 포화시장(레드오션) 아래에서는 고객분석을 통한 차별적 CRM활동이 더욱 요구되어진다. 고객은 소지하고 있는 다사의 신용카드 중 어떤 것이라도 이용할 수 있는 선택의 힘을 갖고 있다. 따라서 고객이 자사의 카드를 어느 정도로 이용하고 있는지를 파악하는 것은 신용카드사의 고객응대전략을 수립하는데 중요한 요소가 된다. 고객의 전체 카드사용액 중 자사카드이용의 비율이 높은 고객은 유지전략이 필요할 것이며 일정수준에 못 미치는 고객은 타사카드의 이용분을 자사로 끌어오기 위한 공격적인 마케팅대상이 될 것이다. 본 연구는 자사의 점유율 파악을 위한 고객별 신용카드 이용규모의 추정에 관한 것이다. 모델개발을 위해 신용카드사간 공유하고 있는 4개사 이상의 카드를 소지한 고객의 카드 사용정보를 이용하였다. 데이터마이닝기법을 이용한 모형화를 시도하였으며 모형의 타당성검증을 통해 활용가능성을 살펴보았다.

영문 초록

Differentiated communication strategy for customer is needed for effective CRM. Gathering and analyzing various information of customers are very important to understand and differentiate customers according to their value and status. Especially, in credit card market of Korea with its cut-throat competition, it is more critical to analyze customer information and apply it to CRM. Generally a customer has several credit cards of different companies. To find share of wallet(SOW) of each customer is very useful to build customer communication strategy for credit card company. High SOW customer should be retained and low SOW customer can be a market to attack. In this study, we built the estimation model for each customer s wallet size(WS). Information of customers who have more than 4 companies credit card is shared to credit card companies. This information was used for building up estimation model for WS of customers who have less than 3 companies credit card. Several data mining techniques were applied and resulting models were verified with validation data set.

목차

1. 서론

2. 데이터마이닝 방법론

3. 데이터정의

4. 모델링

5. 결론

참고문헌

키워드

데이터마이닝 의사결정나무 로지스틱회귀 SOW data mining decision tree logistic regression