– 회원등급과 소비 행태 괴리 분석을 중심으로
| 신성혁 @ShinSungHyuk |
유예원 @Yewon0106 |
이준호 @Junhoss |
조민우 @MinWoo Cho |
본 프로젝트는 실제 우리카드 소비 데이터를 활용하여
기존 회원등급 체계와 실제 소비 실적 간의 괴리를 분석하고, 이를 통해 잠재적인 고가치 고객을 식별하여 향후 고객 유치 및 마케팅 전략 수립에 활용 가능한 인사이트를 도출하는 것을 목표로 한다.
일반적으로 카드사의 회원등급(VVIP, VIP 등)은 고객의 소비 실적을 기반으로 산정되지만,
- 실제로는 상위 등급 대비 더 높은 소비를 하는 일반 고객이 존재할 수 있고
- 반대로 등급은 높지만 실적이 상대적으로 낮은 고객도 존재할 수 있다.
이러한 괴리는
- 우수 고객을 제대로 대우하지 못해 이탈 위험을 높이고
- 불필요한 혜택 제공으로 비용 효율을 저하시킬 가능성이 있다.
따라서 본 프로젝트에서는
“현재 등급이 아닌, 실제 소비 행동을 기준으로 한 잠재 고객은 누구인가?”
라는 질문에서 분석을 시작하였다.
- 우리카드 이용 데이터
- 주요 컬럼
- 회원등급 (21: VVIP, 22: VIP, 23~25: 일반)
- 총 소비금액
- 업종별 소비 금액
- LIFE_STAGE
- 기준 분기
- 최근 4개 분기 데이터 활용
- 2024 Q3 / 2024 Q4 / 2025 Q1 / 2025 Q2
- 팀원 4명이 각 분기 데이터를 나누어 동일한 분석 프레임으로 분석 수행
본 프로젝트에서는 원본 데이터의 구조적 특성을 고려하여 분기 단위로 데이터를 분리하여 분석을 진행하였다.
원본 데이터는 동일 고객에 대한 정보가 분기별로 나누어 저장된 형태로 구성되어 있었으며, 이를 하나의 테이블로 통합하여 분석할 경우 다음과 같은 문제가 발생할 수 있었다.
- 고객 단위 중복 집계 가능성 문제
- 시점이 다른 소비 정보가 혼합되는 문제
이에 따라 데이터의 시계열적 일관성과 고객 단위 분석의 정확성을 확보하기 위해,
최근 4개 분기(2024 Q3 ~ 2025 Q2)를 기준으로 분기별로 데이터를 분리하여 동일한 분석 프레임으로 반복 분석을 수행하였다.
또한 각 분기별로 도출된 시각화 및 분석 결과는
세부 수치에는 차이가 있었으나 등급별 소비 구조, Hidden VIP의 존재, 핵심 소비 업종 및 LIFE_STAGE 등 주요 인사이트는 일관되게 동일한 패턴을 보였다.
이에 본문에서는 분기 간 결과의 대표성을 확보할 수 있다고 판단하여 2025년 1분기(2025Q1)를 기준으로 분석 과정을 상세히 설명하였다.
👉 2025년 2분기
👉 2025년 1분기
👉 2024년 4분기
👉 2024년 3분기
- DuckDB + SQL
- 대용량 우리카드 CSV 데이터 처리
- 조건 기반 고객 추출 및 파생 테이블 생성
- DBeaver
- DuckDB SQL 실행 및 데이터 가공
- Kibana
- 소비 분포 및 고객 비중 시각화
- Pie Chart, Bar Chart, Treemap 등 활용
- GitHub
- 프로젝트 문서화 및 결과 공유
- 전체 고객 수 대비 회원등급별 비중 분석
✨ 결과
- 25(해당 없음): 48%
- 24(골드): 34%
- 23(플래티넘): 12%
- VIP(22), VVIP(21): 상대적으로 소수
👉 고객 수는 일반 등급이 압도적으로 많은 것을 확인
- VVIP, VIP 고객의 평균 소비금액 산출
select round(avg(tot_use_am)) from wooricard_2024q4 where mbr_rk in (21, 22);-
해당 평균과 같거나 높은 소비를 하는 일반 고객(23~25) 을 추출
-
이들이 각 등급 내에서 차지하는 비율을 Bar Chart로 시각화
✨ 결과
- 일반 등급 내에서도 상위 등급 평균 이상의 소비를 하는 고객이 유의미하게 존재
- 즉, 등급 대비 과소평가된 고객 (Hidden VIP) 존재 확인
- 각 고객들의 주요 소비 업종(TOP3)에 대한 결과 추출
SELECT
seq,
-- 1순위
MAX(CASE WHEN rn = 1 THEN category END) AS top1_category,
MAX(CASE WHEN rn = 1 THEN amount END) AS top1_amount,
-- 2순위
MAX(CASE WHEN rn = 2 THEN category END) AS top2_category,
-- 3순위
MAX(CASE WHEN rn = 3 THEN category END) AS top3_category
FROM (
SELECT
seq,
category,
amount,
-- 금액 높은 순으로 랭킹 (금액 같으면 카테고리명 순)
ROW_NUMBER() OVER (PARTITION BY seq ORDER BY amount DESC, category ASC) AS rn
FROM (
/* 1. 일단 _AM으로 끝나는 모든 컬럼을 Unpivot 합니다 */
UNPIVOT (select * from wooricard_2024q4 where mbr_rk in (23, 24, 25) and tot_use_am >= 861)
ON COLUMNS('.*_AM')
INTO NAME category VALUE amount
) unpvt_base
/* 2. 여기서 원하지 않는 합계/집계성 컬럼 3개를 제외합니다 */
WHERE category NOT IN ('TOT_USE_AM', 'CRDSL_USE_AM', 'CNF_USE_AM')
) ranking_base
WHERE rn <= 3 -- 3등까지만 남김
GROUP BY seq;- 전체 고객의 업종별 소비 금액을 Treemap으로 시각화
✨ 결과
- AUTO_AM (자동차 업종) 이 전체 소비 금액에서 가장 큰 비중 차지
👉 카드 소비의 핵심 축이 자동차 관련 지출임을 확인
☑️ 4-1단계 : Hidden VIP 고객의 업종 소비 특성 분석
- 상위 등급 평균 소비금액보다 높은 일반 고객을 대상으로 업종별 소비 비교
✨ 결과
- DISTBP_AM (유통업영리) 업종에서 소비 금액이 가장 크게 나타남
👉 Hidden VIP 고객은 생활 밀착형 유통 소비에서 강한 성향을 보임
☑️ 4-2단계 : Hidden VIP 고객의 LIFE_STAGE 분석
- Hidden VIP 고객의 LIFE_STAGE 분포 분석
✨ 결과
-
CHILD_TEEN
-
CHILD_UNI
순으로 가장 높은 비중을 차지
👉 자녀를 둔 가구에서 소비 여력과 확장 가능성이 높은 고객군임을 시사
1. 현재 회원등급은 모든 고가치 고객을 포착하지 못하고 있다.
2. 상위 등급 평균 이상의 소비를 하는 일반 고객은
- 유통업 중심 소비 성향
- 자녀(청소년·대학생)를 둔 LIFE_STAGE에 집중 되었다.
3. 이들은 향후 고가치 고객으로 전환될 가능성이 높은 잠재 고객층이다.
- Hidden VIP 대상 선제적 등급 혜택 제공
- 한시적 VIP 체험
- 유통·생활 소비 중심 혜택 강화
- LIFE_STAGE 기반 맞춤 마케팅
- 교육, 생활비, 가족 소비 연계 프로모션
- 등급 산정 로직 고도화
- 소비 패턴과 총액·업종·라이프스테이지를 반영한 평가 필요
“혜택 대비 실적이 높은 고객은 이탈 위험이 높은가?”
- Hidden VIP는 “혜택 대비 실적이 높은데 등급은 낮음”
- 이탈 위험이 가장 높은 그룹
🧠 접근 방식
본 프로젝트는 탐색적 데이터 분석을 기반으로 수행되었으나, 향후 다음과 같은 머신러닝 기법을 활용하여 이탈 위험 고객 탐지로 확장 가능하다.
- 규칙 기반 점수 + ML 혼합
- 이상치 탐지 (Isolation Forest)
🎯 결과
- “지금 이 고객을 잡아야 한다” 리스트 결과를 얻어 관련 마케팅에 활용 가능하다.
본 프로젝트는 기존 회원등급 체계의 한계를 데이터로 검증하고, 소비 행동을 기준으로 한 잠재 고가치 고객을 식별함으로써 보다 정교한 고객 유치 및 유지 전략의 가능성을 제시하였다.
향후 분기별 추적 분석을 통해 Hidden VIP의 실제 등급 이동 여부를 검증한다면 더욱 실질적인 전략 수립으로 확장할 수 있을 것이다.