이 데이터셋은 은행의 고객 정보를 담고 있고, 바이너리 형태로 해당 고객의 은행의 이탈고객인지 아닌지를 보여주고 있습니다.
| Column | Description |
|---|---|
Row Number |
Row Numbers from 1 to 10000 |
Customer Id |
Unique Ids for bank customer identification |
Surname |
Customer's last name |
Geography |
The country from which the customer belongs |
Credit Score |
Credit score of the customer |
Gender |
Male or Female |
Age |
Age of the customer |
Tenure |
Number of years for which the customer has been with the bank |
Balance |
Bank balance of the customer |
Num Of Products |
Number of bank products the customer is utilising |
소스: 캐글 데이터셋.
이 프로젝트의 목적은 이탈률이 높은 고객들의 세그먼트를 파악하여 그들의 이탈을 방지하기 위한 전략을 세우는 것입니다. 이탈유저들을 최대한 줄이는 것이 새로운 고객들을 더 많이 끌어들이는 전략과 비교했을 때 가성비가 훨씬 좋기 때문에 이탈유저들의 성향을 최대한 파악하여 이들의 이탈을 방지하는 것이 중요합니다.
Tableau를 사용하여 타겟 고객들의 정보를 최대한 쉽게 시각적으로 볼 수 있게 하여 분석이 용이하도록 대시보드를 만들었습니다.
https://public.tableau.com/views/ChurnModelingDashboard_17109870152510/Dashboard1?:language=en-US&:sid=&:display_count=n&:origin=viz_share_link
대시보드로 살펴 본 결과, 여러 국가 간의 고객 이탈률에서 주목할 만한 점이 보여집니다. 독일의 경우 **32.4%**의 상당히 높은 이탈률을 기록하고 있으며, 이는 프랑스의 16.2%와 스페인의 16.7%에 비해 현저히 높은 수준입니다. 독일의 이탈률이 다른 두 국가에 비해 거의 두 배에 달한다는 점에서 독일지점의 고객 이탈방지 전략이 시급하다는 것을 보여줍니다.
독일 고객들에 한해서 구체적으로 보았을 때, 40-50세 연령대에서 가장 높은 이탈률이 나타나고 있으며, 특히 계약 기간이 1년, 5년, 9년인 고객층에서 현재 활성 고객들과 비교했을 때 다소 높은 이탈률이 관찰되고 있습니다.
독일 시장 내 성별에 따른 추가 분석 결과, 여성 고객의 이탈률이 **25.1%**로, 남성 고객의 16.5%에 비해 8.6% 더 높은 것으로 나타났습니다. 40-50세 연령대의 여성 회원들의 경우, 독일의 전반적인 연령별 추세와 유사한 패턴을 보이고 있으나, 여성 고객들의 계약 기간별 이탈 양상에서는 주목할 만한 차이가 발견되었으며, 특히 계약 5년차, 8년차, 9년차에서 뚜렷한 차이를 보이고 있습니다. 이로인해 독일에서 더 오래 계약한 여성 고객들을 잡아둘만한 전략이 필요하다는 것을 알 수 있습니다.