국내 보험회사는 설계사를 중심으로 고객 및 고객에 대한 정보관리를 수행함으로써, 기업이 고객에게 직접적으로 접촉할 기회가 없었다. 그러나 최근 경쟁 환경의 변화와 고객 지향 서비스를 좀 더 효율적으로 하기 위하여 CRM(Customer Relationship Management)을 도입하는 추세이다.
고객이탈 막는 새로운 방법론 제시
CRM 방법론 중 보험회사들의 고객 이탈 방지 분석의 궁극적인 목적은 고객이탈의 원인을 파악하고 이를 이용하여 이탈 예상 집단에 대한 관리 활동을 강화하여 이탈 고객을 최소화시키는 것이다.
즉, 이탈 가능성이 높을 것으로 예상되는 집단에 대해 특별한 마케팅 활동을 위해 주로 이들의 리스트를 파악하였다.
이를 위해 의사결정나무분석이나 신경망 모형으로 이익도표를 작성하고, 모형에 대한 리프트를 계산하고 오분류표를 작성하여 가장 이탈 가능성이 높은 상위 집단을 선정하여 목표 마케팅을 실시하여 왔다.
그러나 보험 실무자들의 의견에 따르면 국내 보험회사들의 상황을 고려해 볼 때, 고객의 해약 사유가 기타 통신회사나 카드회사처럼 고객 개인의 성향 변화에 의한 것이 아니라, 보험 설계사에 의존하는 경향이 높다.
다시 말하면, 보험 설계사마다 속해 있는 고객이 그 설계사와 친인척 관계인 경우가 많으므로, 보험 설계사가 보험회사를 나가버리면 설계사의 고객으로 있던 고객들은 보험회사를 이탈할 것이고, 고객 또한 그 설계사의 고객 접점에 따라서 타사의 보험회사로 이동할 가능성이 크다는 것을 의미한다.
고객 해약 방어를 위해 수많은 고객을 대상으로 분석하고, 캠페인을 수행한다면 막대한 비용이 소요될 것이다. 그러나 고객 해약에 가장 큰 변수인 설계사 이탈방어라는 관점에서 고객을 관리한다면 캠페인 수행비용은 절감하고, 고객의 해약은 줄어들 것이다.
따라서 이 글에서는 국내 보험회사의 현실적인 상황을 고려해 종래의 기업과 고객의 CRM 관점이 아닌 보험회사와 보험설계사라는 즉, 국내 실정에 맞는 한국형 CRM 관점으로 보험 설계사들의 이탈 원인을 다각적으로 분석하고, 고객이탈 방지 해법을 찾아보았다.
이탈방지 위한 데이터 마이닝 분석
고객관계관리를 수행하기 위한 분석기법은 전통적인 통계분석기법 뿐만 아니라 인공신경망, 클러스터링, 유전자 알고리즘 등을 포함한 다양한 데이터 마이닝 분석기법으로 통합·활용되고 있다.
데이터 마이닝(Data Mining)은 데이터에 내재되어 있는 유용한 정보나 변수들간의 관계를 정교한 분석모형을 통하여 찾아내는 작업이다. 즉, 데이터 마이닝은 데이터로부터 다양한 형태의 유용한 정보를 추출하기 위하여 모델링 방법을 적용하거나, 관측된 패턴의 유용성을 판단하는 일련의 과정이며 수많은 데이터 속에 내재되어 있는 데이터간의 의미 있는 상관관계, 패턴, 경향, 그리고 규칙 등을 찾아내어 모형화 함으로써 유용한 지식을 추구하는 일련의 과정으로 정의할 수 있다. 여기에는 통계(Statistics)와 인공지능 알고리즘을 비롯한 다양한 데이터마이닝 분석기법이 사용된다.
그러나 지금까지 데이터 마이닝 이론은 좀더 실제적인 비즈니스 문제를 해결하는 솔루션으로서가 아니라 수학이나 통계분야로 알려져 왔다.
일반적으로 데이터 마이닝은 대량의 데이터로부터 과거에 알려지지 않았던 유용한 정보를 발견하는 기술로 정의될 수 있는데 비즈니스 의사결정에 마이닝의 결과를 활용할 수 있는 유용한 정보를 얻어내는 것이야 말로 성공적인 데이터 마이닝이라 할 수 있다.
실제 데이터 마이닝이라는 용어가 등장한 것은 10년이 채 되지 않았으나 그 기술의 근원은 1950년대의 패턴 인식, RBR(Rule Based Reasoning) 등의 인공지능 연구로 거슬러 올라가며, 주로 과학적인 적용업무 등에 사용되었다. 이후 관계형 데이터베이스의 등장과 각 기업들의 대량의 데이터 축적 등이 이루어짐에 따라 데이터 마이닝 기술이 상업적 업무의 다양한 분야에 활용되고 있다.
고객 이탈 방지 분석을 위한 분류 기법으로는 기존 통계학에서 사용되어온 로직분석 및 판별분석, 신경망분석(Back Propaga-tion, RBF), 의사결정나무분석(CHAID, CART, SPRINT)이 있으며, 이 글에서는 RBF와 SPRINT 알고리즘을 선택하였다.
