인텔리전트 은행 마케팅 관리 시스템

초록

본 논문은 데이터 마이닝과 전문가 시스템을 결합한 인텔리전트 은행 마케팅 관리 시스템(IBMMS)을 제안한다. IBMMS는 지식베이스, 추론엔진, 어드바이저 모듈을 통해 텔레마케팅 캠페인의 효율성을 높이고, 개별·집단 고객의 반응을 예측·관리할 수 있도록 지원한다. 실험 결과, 기존 통계·머신러닝 기법 대비 의사결정 정확도와 실행 편의성이 향상됨을 확인하였다.

상세 분석

이 연구는 은행 텔레마케팅 캠페인의 저조한 전환율과 고객 부정적 인식을 극복하기 위한 실용적 도구 개발에 초점을 맞추었다. 기존 연구들은 주로 데이터 마이닝 기법(결정트리, 로지스틱 회귀, 신경망 등)을 이용해 고객 응답을 예측했지만, 예측 모델 자체가 은행 현장 관리자에게 직관적으로 전달되지 못한다는 한계가 있었다. IBMMS는 이러한 격차를 메우기 위해 두 가지 핵심 기술을 통합한다. 첫째, 대규모 은행 마케팅 데이터(예: UCI Bank Marketing 데이터셋)를 전처리하고, 의사결정 트리 알고리즘을 활용해 규칙 기반 모델을 도출한다. 이 과정에서 변수 선택, 결측치 처리, 범주형 변수 인코딩 등 전형적인 데이터 마이닝 파이프라인을 적용했으며, 모델의 과적합을 방지하기 위해 교차 검증과 가지치기(pruning)를 수행하였다. 둘째, 도출된 규칙을 전문가 시스템의 형태로 변환한다. 규칙은 ‘IF … THEN …’ 형식의 생산 규칙으로 저장되며, 지식베이스에 축적된다. 추론엔진은 전방향 체인(foward chaining) 방식을 채택해 현재 고객의 속성값과 매칭되는 규칙을 실시간으로 검색한다. 이를 통해 관리자는 개별 고객에 대한 최적의 마케팅 전략(예: 연락 시점, 제안 상품, 대화 스크립트 등)을 즉시 확인할 수 있다.

시스템 설계 측면에서 IBMMS는 세 개의 모듈로 구성된다. ① 지식베이스는 도메인 전문가가 정의한 마케팅 정책, 법규, 고객 세분화 기준 등을 메타데이터 형태로 저장한다. ② 추론엔진은 규칙 매칭과 충돌 해결 메커니즘을 포함하며, 다중 목표(예: 비용 최소화, 응답률 최대화)를 동시에 고려한다. ③ 어드바이저는 추론 결과를 시각화하고, 시뮬레이션 기능을 제공한다. 관리자는 ‘가상 고객’ 프로파일을 입력해 다양한 시나리오를 테스트하고, 기대되는 ROI를 사전에 평가할 수 있다.

성능 평가에서는 기존 통계 모델(로지스틱 회귀)과 머신러닝 모델(랜덤 포레스트, SVM)과의 비교 실험을 수행하였다. 정확도, 정밀도, 재현율, F1-score 등 네 가지 지표에서 IBMMS는 평균 4~6%p의 향상을 보였으며, 특히 재현율이 크게 개선되어 잠재 고객을 놓치는 비율이 감소하였다. 또한, 사용자 설문을 통해 시스템 사용 편의성(Usability)과 의사결정 지원 효율성(Decision Support Efficiency)에서도 긍정적인 평가를 받았다.

한계점으로는 규칙 기반 접근이 데이터 규모가 급증하거나 변수 간 복잡한 비선형 관계를 충분히 포착하지 못할 가능성이 있다는 점이다. 향후 연구에서는 하이브리드 모델(규칙 + 딥러닝) 도입과, 실시간 스트리밍 데이터 처리 기능을 추가해 시스템의 확장성을 강화할 계획이다.