👁️🗨️ 프로젝트 개요
- 데이터 출처
- 문제 상황
- 신용카드 서비스를 제공하는 회사에서 현재 고객 이탈률 증가로 수익이 감소하고 있으며, 이를 해결하기 위한 고객 이탈 예측 및 관리 전략이 부재한 상황이다.
- 목적
- 고객 데이터 기반으로 이탈 예측 및 맞춤형 관리 전략을 수립하여 고객 충성도 강화
- 기간 / 인원
- 2024년 12월 - 2025년 1월 (약 6주간) / 4인
- 분석 기법
- 데이터 EDA
- 머신 러닝: Random Forest, XGBoost
- SMOTE
- Converted RFM
- 클러스터링 기법: K-Means, Spectral
- 분석 도구
👁️🗨️ 프로젝트 요약
- 문제 정의
- 고객 이탈률 증가로 인해 수익 감소 발생
- 고객 이탈 예측 및 사전 대응 전략 부재
- 고객 세그멘테이션 기반 맞춤형 관리 전략 미흡
- 주요 활동
- 머신 러닝 기법을 이용해 고객 이탈 확률 계산
- Converted RFM을 기반으로 CLI(Customer Loyalty Index, 고객 충성도 지수) 산출
- 산출된 CLI를 활용하여 클러스터링 진행
- 도출된 클러스터의 특징을 분석하여 인사이트 도출
- 주요 성과
- 클러스터링 분석을 통해 유지 고객군 3개, 이탈 예상 고객군 3개 총 6개 고객군 식별
- 이탈 예상 고객군에 속한 유지 고객 53명 파악
- 해당 고객 53명을 유지 고객으로 전환 시, 최소 $22,439.34의 추가 이익 확보 가능
- 유지 고객군의 등급별 승급 시, 1인당 약 $2,107.13 ~ $9,559.37의 추가 이익 창출 가능
👁️🗨️ 프로젝트 상세
사전 이해
탐색적 데이터 분석
심층 분석
분석 결과
프로젝트 회고