카드산업에서 휴면 고객 예측
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 이동규 | - |
dc.contributor.author | 신민수 | - |
dc.date.accessioned | 2023-07-05T03:56:02Z | - |
dc.date.available | 2023-07-05T03:56:02Z | - |
dc.date.created | 2023-07-04 | - |
dc.date.issued | 2023-06 | - |
dc.identifier.issn | 2234-2850 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/hanyang/handle/2021.sw.hanyang/186210 | - |
dc.description.abstract | 고객 기반의 산업에서 고객 Retention은 기업의 경쟁력이라 할 수 있으며, 고객 Retention을 높이는 것은 기업의 경쟁력을 높이는 것이라 할 수 있다. 따라서, 미래 휴면 고객을 잘 예측하여 관리하는 것은 기업의 경쟁력을 높이는데 무엇보다 중요하다. 왜냐하면, 신규 고객을 유치하는데 필요한 비용이 기존 고객을 Lock-in 시키는데 드는 비용 보다 많은 것으로 알려져 있기 때문이다. 특히, 수 많은 카드사가 존재하는 국내 카드 산업의 휴면 카드를 관리하고자 정부에서 휴면 카드 자동 해지 제도를 도입하고 있으며, 카드 산업에서 휴면 고객을 관리하는 것이 무엇보다 중요한 과제로 떠오르고 있다. 본 연구에서는 카드 산업에서 휴면 고객을 예측하기 위해 Recurrent Neural Network (RNN)방법론을 사용하였으며, RNN방법론 중에서 긴 시간을 효율적으로 학습할 수 있는 Long-Short Term Memory (LSTM)을 활용하였다. 또한 통합기술수용이론 (UTAUT)을 입각하여 카드 산업에서 휴면 고객을 예측하는데 필요한 변수를 재정의하였다. 그 결과 안정된 모형의 정확도와 F-1 score를 얻을 수 있었으며, Hit-Ratio를 통하여 모형의 안정된 결과를 입증하였다. 기존 연구에서 지적된 통합기술수용이론 (UTAUT)에서 발생 될 수 있는 인구통계학적 정보의 조절 효과도 발생 되지 않은 것을 보였으며, 이로 인해 통합기술수용이론(UTAUT)를 이용한 변수 선정 모형에서 LSTM을 이용한 휴면 고객 예측 모형은 편향되지 않고 안정된 결과를 가져다 줄 수 있다는 것을 입증하였다 | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 서비스사이언스학회 | - |
dc.title | 카드산업에서 휴면 고객 예측 | - |
dc.title.alternative | Prediction of Dormant Customer in the Card Industry | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 신민수 | - |
dc.identifier.doi | 10.18807/jsrs.2023.13.2.099 | - |
dc.identifier.bibliographicCitation | 서비스 연구, v.13, no.02, pp.99 - 113 | - |
dc.relation.isPartOf | 서비스 연구 | - |
dc.citation.title | 서비스 연구 | - |
dc.citation.volume | 13 | - |
dc.citation.number | 02 | - |
dc.citation.startPage | 99 | - |
dc.citation.endPage | 113 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002970381 | - |
dc.description.journalClass | 2 | - |
dc.description.isOpenAccess | N | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | 고객 이탈 | - |
dc.subject.keywordAuthor | 고객 휴면 | - |
dc.subject.keywordAuthor | 통합기술수용이론(UTAUT) | - |
dc.subject.keywordAuthor | 머신러닝 | - |
dc.subject.keywordAuthor | 딥러닝 | - |
dc.subject.keywordAuthor | RNN | - |
dc.subject.keywordAuthor | LSTM | - |
dc.subject.keywordAuthor | Customer Churn | - |
dc.subject.keywordAuthor | Prediction | - |
dc.subject.keywordAuthor | UTAUT | - |
dc.subject.keywordAuthor | Machine Learning | - |
dc.subject.keywordAuthor | Deep Learning | - |
dc.subject.keywordAuthor | LSTM | - |
dc.identifier.url | http://www.soss.or.kr/?c=board&m=edit&sel_menu=journal&sel_menu_sub=jnlsch&brd_seq=20000561&mode=view&page=1 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
222, Wangsimni-ro, Seongdong-gu, Seoul, 04763, Korea+82-2-2220-1365
COPYRIGHT © 2021 HANYANG UNIVERSITY.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.