중국의 유명한 국립 은행 지점에서 프라이빗 뱅킹 고객을 유지하는 데 문제를 겪었습니다. 각 계좌에는 1,000만 CNY, 즉 미화 150만 달러의 최소 일일 예금 요건이 적용되었기 때문에 은행은 신규 고객을 유치하는 비용이 기존 고객을 유지하는 비용보다 몇 배 더 높다는 사실을 알았습니다. 하지만 서비스 이용을 중단하는 계좌 보유자의 비율(%)을 뜻하는 이탈율이 최근 분기에 예상보다 높아지는 문제가 있었습니다.
은행은 몇 달 동안 저축 예금 계좌를 다른 상품이나 다른 은행으로 옮긴 프라이빗 뱅킹 고객을 나타내는 이탈율이 5%와 13% 사이고 선물 및 예금 부서의 이탈 고객 수가 가장 많음을 알게 되었습니다. 은행의 마케팅 부서는 저축 금액을 인출할 확률이 가장 높은 고객을 대상으로 판촉 캠페인을 진행하는 업무를 받았습니다. 이 부서에는 이탈할 확률이 가장 높은 고액 고객을 파악하고 집중적인 마케팅 프로모션을 통해 이런 고객이 계좌를 다른 곳으로 옮기지 않도록 해야 한다는 과제가 주어졌습니다.
프로젝트 팀은 Salford Predictive Modeler(SPM)의 기계 학습 엔진인 TreeNet® 을 사용하여 잠재적인 고객 이탈을 예측했습니다. 중국의 Minitab 공인 파트너인 QY Datatech Inc.가 Salford Predictive Modeler(SPM)를 팀에 도입했습니다. 팀은 TreeNet의 유연성 및 정확성과 관측치가 많은 데이터 구조를 처리할 수 있는 기능 때문에 TreeNet을 선택했습니다.
TreeNet은 프로젝트 팀이 영향이 가장 큰 변수를 신속하게 좁히고 이렇게 식별된 변수를 사용하여 변수와 이탈 확률의 관계를 시각적으로 설명하는 데 도움이 되었습니다. TreeNet 모형은 복잡한 변수 간 교호작용의 여러 계층을 시각적으로 나타내는 데 도움이 되었습니다. 이 사례의 경우 변수에는 저축 금액, 금 및 기타 투자 상품 구매, 거래 시간, 거래 금액, 직장, 직책, 사회보험, 부채, 신용카드 한도, 부동산 및 자동차 소유 정보가 포함되었습니다.
저반응 고객을 목록에서 제거한 후 모형의 유효성을 검사하여 VIP 고객 대상 집단을 식별했습니다. 모형은 이전 마케팅 캠페인을 토대로 고객이 마케팅 캠페인에 반응하는 정도를 예측할 수 있었습니다.
팀이 TreeNet 분석을 사용한 이유는 자동화 덕분에 몇 번만 클릭해도 초기 모형에서 신뢰할 수 있는 결과를 얻을 준비가 되고 며칠 만에 더 복잡한 분석이 가능했기 때문이었습니다.
그 결과 은행은 1,290만 명의 프라이빗 뱅킹 고객 중 1,700명을 다른 은행이나 금융 서비스 제공업체에 잃을 수 있음을 80%~90%의 정확도로 두 달 전에 미리 예측할 수 있었습니다.
은행은 이런 고객을 대상으로 마케팅 캠페인을 진행하여 VIP 고객의 이탈율을 줄인다는 목표를 달성하고 은행의 보유 자금을 늘렸습니다. 또한 은행의 예금, 선물, 주식 및 금을 포함하는 고객운용자산(AUM)도 16% 증가했습니다.
중국의 국립 은행 지점