본 연구에서는 신용카드 사용내역을 통해 고객의 라이프 이벤트 중 해외여행을 예측하는 모형을 만들고, 예측력이 높은 모델을 구성하는데 있어서 텍스트 분석 방법인 FastText 방법론과 새롭게 제안하는 adaptive weighted sum of term scoring (AWST score) 방법을 기존의 머신러닝 모델과 함께 비교한다. 소비 양상을 통해 소비주체의 삶이 고스란히 나타나는 신용카드 내역 데이터는 각 고객의 라이프 이벤트들을 예측하는 데에 중요한 단서가 되며, 이를 통해 만들어진 예측 모형은 고객이 위치한 현재 삶의 단계나 상황을 더욱 풍부하게 이해하도록 도움을 준다. 본 연구에서는 다양한 라이프 이벤트 다운데, ‘해외여행’을 계획하는 고객을 예측하는 내용을 소개한다. 기존의 머신러닝 기법을 적용한 예측모형 및 새롭게 제안하는 방법의 예측모형의 성능을 정확도, 정밀도, 재현율, 곡선하면적, F1 점수, 양성우도비의 지표를 통하여 비교하고, 개별 모형들을 앙상블 방법으로 결합하여 최종적인 예측 모형을 개발하는 것을 목표로 한다.
Credit card data is one of the most important data that reflects the lives of customers. Effective marketing requires understanding the customer’s life, so in this paper we build a predictive model that predicts the customer’s life through credit card transaction data. In particular, focus on how to predict customers who are likely to leave ‘overseas travel’ during various life events. There are many existing predictive model methodologies, but this study presents the FastText methodology, which is applied primarily to text data, and the newly proposed adaptive sum of term scoring (AWST score).