🏦 정기 예금 가입 여부 예측 | 3️⃣ 비즈니스 전략 제안

✒️  문제 정의

은행은 마케팅 캠페인을 통해 정기 예금 가입을 유도하지만, 전체 고객 중 실제로 가입하는 비율은 매우 낮은 편이다. 비효율적인 마케팅은 비용 증가, 고객 이탈, 낮은 ROI로 이어지며, 이를 해결하기 위해 머신러닝 모델을 사용하여 고객의 예금 가입 가능성을 예측하고, 이를 바탕으로 타겟 마케팅 전략을 생각해봤다.

 

✒️  비즈니스 전략

(타겟 마케팅 전략)

- XGBoost 모델을 기반으로 가입 확률이 높은 고객군을 선별

- 마케팅 예산을 가입 확률이 높은 고객군에게 집중 투입 (예: 더 많은 콜 횟수, 맞춤형 메시지, 프로모션)

 

(세분화된 고객 분석)

- 연령대별, 직업군별, 과거 캠페인 반응별로 가입 확률 높은 세그먼트 분석

- 예: 학생 + 20대 + 과거 캠페인 응답 경험 있음 → 높은 가입률

 

(캠페인 운영 최적화)

- contact 방법 분석 → 'cellular 응답률' > 'telephone'

- 'poutcome = success'인 그룹에서 예금 가입률이 가장 높다.

 

✒️  기대 효과

- 전체 고객을 대상으로 무작위로 마케팅하는 기존 방식 대비 ROI 향상

- 고객 경험 개선 (관심 없는 고객에게 마케팅 안 함)

- 불필요한 마케팅 비용 감소, 예금 가입률 증가

 

마치며... 🏦

이번 프로젝트에서는 정기 예금 가입 여부를 예측하기 위해 다양한 데이터 전처리 기법과 머신러닝 모델을 적용해 보았다. 특히 트리 기반 모델(Decision Tree, Random Forest, XGBoost 등) 을 활용하면서, 모델이 데이터의 복잡한 패턴을 효과적으로 학습하고 해석 가능한 결과를 제공하는 장점을 직접 경험할 수 있었다. 트리 모델을 통해 변수의 중요도를 분석하고, 모델의 결정 과정을 시각화해봄으로써 단순한 예측을 넘어 모델 해석력 또한 중요한 요소임을 깨달았다. 또한 데이터 불균형 문제를 해결하는 다양한 방법을 적용하면서, 현실 데이터 분석이 이론과는 달라 많은 고민과 조정이 필요하다는 점도 체감하기도 했다.