본 연구는 보험연구원의 「 2023년 보험소비자 행태조사: 연령대별 위험관리」자료를 이용하여 개인연금 가입 잠재고객 발굴과 개인연금 가입자 확대를 위해 개인연금 가입 결정에 영향을 미치는 요인을 찾고, 개인연금 가입 가망성이 높은 대상 군을 타겟할 수 있는 최적의 머닝러신 예측 모형을 개발하였다. 선택된 HistGradientBoosting 모형에 의한 상위 20% 대상 타겟팅 시, 전체 개인연금 가입고객 대상 중 37.3%가 가입이 가능하고, Random model에 의한 타겟팅 대비 1.85배 높게 타겟팅이 가능함을 보였다. 본 연구를 통해 개인연금 가입 가능성이 높은 고객과 낮은 고객의 성향과 경향을 관찰할 수 있고, 이를 기반으로 보험사에서 개인연금 가입 가능성이 높은 고객을 관리하고 타겟팅하는 전략을 수립/활용할 경우 개인연금 판매 확대와 같은 성과를 기대할 수 있을 것이다. 또한 개인연금이 필요한 고객에게 안정적인 노후생활 유지를 위한 적절한 상품 선택의 기회를 제공할 것으로 기대한다.
This study identified key factors influencing individual pension subscription decisions and developed an optimal machine learning prediction model for targeting potential subscribers and expanding enrollment, utilizing data from the Korea Insurance Research Institute's 2023 Insurance Consumer Behavior Survey; Risk Management by Age Group. The HistGradientBoosting model demonstrated high predictive performance; targeting the top 20% of pension subscribers, representing a 1.85-fold improvement in targeting efficiency compared to a random model.The findings offer meaningful insights into the characteristics and behavioral patterns of both high- and low-probability subscriber groups, providing a basis for insurers to develop and implement targeted strategies for managing high-potential customers -thereby contributing to expansion of individual pension enrollment. Moreover, this approach is expected to help consumers who need pension products make more informed decisions, thereby contributing to a more stable retirement.
(0)
(0)