고객 페르소나 DB 구축 프로젝트
40대 카드 고객 안에서 외형으로는 보이지 않는 행동적 이질성을 통계적으로 분리해 4단계 리스크 운영 등급으로 체계화했습니다.
프로젝트 목적
같은 재무 체급 안에 다른 행동 패턴이 섞여 있습니다.
2024년 가계금융복지조사 기준 40대 가구주의 금융부채 보유비율은 72.4%로 전 연령대 중 가장 높습니다. 한국은행 2025년 12월 금융안정보고서도 부채 보유 가계의 상환부담을 경고했습니다. 즉 40대는 부채를 가장 많이 보유하면서도 그 내부 구조가 가장 다양하게 분화된 집단입니다.
그러나 자산, 소득, 부채의 총량만 보면 같은 외형 안에도 결제 안정형과 리볼빙, 카드론 의존형이 섞여 있는 행동적 이질성을 잡아낼 수 없습니다. 이 차이를 통계적으로 분리해 NICE 마케팅, 리스크 부서가 곧바로 쓸 수 있는 운영 등급으로 체계화하는 것이 본 프로젝트의 목적이었습니다.
과정: 왜 이 방법을 골랐는가
방법론 선택의 3가지 분기점.
투입 데이터가 수치형(소득, 카드사용액, 총대출)과 범주형(주택 보유, 입출금 상태)이 혼합된 구조였기 때문입니다. K-means는 수치형 전용이라 범주형 정보가 손실되고, K-modes는 그 반대였습니다. K-Prototypes는 수치형의 유클리드 거리와 범주형의 일치 여부를 동시에 활용하므로 사실상 유일한 선택지였습니다.
1차 군집 결과에서 K5는 K2와 외형이 유사했지만 입출금 음수흐름 z=3.236으로 실제 자금 압박 신호가 압도적이었습니다. 동일 군집 안에도 행동 패턴이 질적으로 다른 하위 유형이 존재한다는 가설을 검증할 필요가 있었습니다.
프로젝트 주제 자체가 "페르소나를 정의하는 것"이었고 LCA는 응답 패턴을 확률 기반으로 분류하는 모형이라 도출된 잠재계층 자체가 페르소나라고 볼 수 있었습니다. 군집 결과에 사후 라벨을 붙이는 것이 아니라 모형이 만들어내는 잠재 집단이 곧 페르소나가 되는 구조였기 때문에 LCA를 선택했습니다.
파이프라인
2단계 분석으로 설계한 전 과정.
결과: 5개 페르소나
한 군집 안에서 다시 갈라진 5개 잠재 유형.
아래 카드를 클릭하면 핵심 행태 수치와 추천 비즈니스 전략이 표시됩니다.
결과: 4단계 리스크 운영 등급
5개 페르소나를 위험등급에 따라 4단계로 분류했습니다.
CRM에는 단일 유형 고정 배정이 아닌 확률적 소속(soft assignment) 기반 운영을 제안했습니다. 같은 고객이 시점에 따라 잠재 ↔ 경고 등급 사이를 이동할 수 있다는 점을 반영하기 위함입니다.
결과: 정량 성과
모형의 안정성과 유의성을 모두 확보했습니다.
| 지표 | 수치 | 의미 |
|---|---|---|
| 군집 안정성Jaccard 평균 | 0.963 | K-Prototypes 5개 군집, 최소 0.947까지 안정적으로 재현. |
| LCA 적합도부트스트랩 GOF | p = 0.63 | 5-class 모형이 통계적 적합성 통과. |
| 회귀 전체 모형χ², df = 24 | 1,352.06 | p < 0.0001. 유형 분류에 통계적으로 유의한 결정요인 식별. |
| 변별력 최강 요인신용점수 단일 χ² | 1,195.85 | 공변량 6개 중 단일 변수로 가장 강한 분류 기여 |