Innovation Owner
Mr. BUNYAPONG MUTIWATTANASAWAD
Student
Details
This report is part of applying the knowledge gained from studying machine learning models and methods for developing a predictive model to identify customers likely to cancel their credit card services with a bank. The project was carried out during an internship at a financial institution, where the creator developed a model to predict customers likely to churn from their credit card services using real customer data through the organization's system. The focus was on building a model that can accurately predict customer churn by selecting features that are appropriate for the prediction model and the unique characteristics of the credit card industry data to ensure the highest possible accuracy and efficiency. This report also covers the integration of the model into the development of a website, which allows related departments to conveniently use the prediction model. Users can upload data for prediction and receive model results instantly. In addition, a dashboard has been created to present insights from the model's predictions, such as identifying high-risk customers likely to cancel services, as well as other important analytical information for strategic decision-making. This will help support more efficient marketing planning and customer retention efforts within the organization.
This report also covers the integration of the model into the development of a website, which allows related departments to conveniently use the prediction model. Users can upload data for prediction and receive model results instantly. In addition, a dashboard has been created to present insights from the model's predictions, such as identifying high-risk customers likely to cancel services, as well as other important analytical information for strategic decision-making. This will help support more efficient marketing planning and customer retention efforts within the organization.
Objective
1) ศึกษาแนวทางการพัฒนา Machine Learning Model จากแหล่งต่าง ๆ เพื่อใช้ในการทำความเข้าใจหลักในการพัฒนา Machine Learning Model สำหรับการทำนายพฤติกรรมของลูกค้าที่ใช้บริการบัตรเครดิตของธนาคาร 2) พัฒนา Machine learning model เพื่อใช้ในการทำนายอัตราการสูญเสียลูกค้าบัตรเครดิตของธนาคาร 3) วิเคราะห์และทำความเข้าใจข้อมูลเพื่อหาความสำคัญและความสัมพันธ์ที่ซ่อนอยู่ของข้อมูลใน dataset 4) ทดสอบและเปรียบเทียบประสิทธิภาพของ Machine learning model แต่ละตัวเพื่อการเลือกใช้ Machine learning model ที่มีประสิทธิภาพมากที่สุด 5) เพื่อนำข้อมูลผลลัพธ์ที่ได้จาก้การพัฒนา Machine learning model ไปใช้ประกอบการพิจารณาสำหรับการปรับปรุงและพัฒนาการให้บริการ ให้ตอบโจทย์กับความต้องการของลูกค้ามากขึ้นในอนาคต
บัตรเครดิตเป็นบริการอย่างหนึ่งทางการเงิน ช่วยอำนวยความสะดวกแก่ผู้ใช้สามารถชำระค่าสินค้าและบริการโดยไม่ต้องใช้เงินสด ธนาคารทำหน้าที่เป็นตัวกลางในการชำระเงินให้กับร้านค้า และเรียกเก็บเงินจากผู้ใช้บัตรในภายหลัง บัตรเครดิตของแต่ละธนาคารจึงได้รับความนิยมอย่างรวดเร็วในประเทศไทย ส่งผลให้มีการแข่งขันสูง ธนาคารต้องพัฒนากลยุทธ์เพื่อดึงดูด และรักษาลูกค้าไว้ ในการทำธุรกิจ การสูญเสียลูกค้าถือเป็นปัญหาสำคัญที่ส่งผลกระทบต่อธุรกิจทุกประเภท โดยบัตรเครดิตของธนาคารถือเป็นอีกหนึ่งธุรกิจที่ได้รับผลกระทบจากการสูญเสียลูกค้าค่อนข้างมาก เนื่องจากการเติบโตมาจากผู้ใช้บัตรเป็นหลัก ส่งผลให้ลูกค้าบัตรเครดิตมีมูลค่าสูงและสามารถสร้างรายได้ให้กับธนาคารอย่างต่อเนื่อง ธนาคารจึงจำเป็นต้องหาแนวทางและวิธีป้องกันเพื่อรักษาไม่ให้ลูกค้ายกเลิกการใช้บริการ โดยการทำนายลักษณะลูกค้าที่มีแนวโน้มจะยกเลิกการใช้บริการบัตรเครดิตเป็นแนวทางหนึ่งที่สามารถช่วยธนาคารในการแก้ไขปัญหานี้ได้ การทำนายลักษณะลูกค้าที่กำลังจะยกเลิกการใช้บริการบัตรเครดิตสามารถทำได้โดยใช้ Machine Learning Model ซึ่งสามารถวิเคราะห์ข้อมูลจำนวนมากและหาความสัมพันธ์ของข้อมูลที่ซับซ้อน ทำให้องค์กรได้รับข้อมูลเชิงลึกที่เป็นประโยชน์ในการใช้วิเคราะห์และประกอบการตัดสินใจเพื่อหาแนวทางและกลยุทธ์ที่เหมาะสมที่สุดในการรักษาและป้องกันการสูญเสียลูกค้าเพื่อรักษารายได้และเสถียรภาพขององค์กรไว้
1) ทำให้ธนาคารมีข้อมูลเชิงลึกมากขึ้นเพื่อนำมาใช้ช่วยตัดสินใจในการดำเนินการต่างๆทางธุรกิจ 2) นำข้อมูลที่ได้จากการศึกษาไปใช้ในการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการ บัตรเครดิตของธนาคาร 3) นำข้อมูลที่ได้มาเป็นส่วนหนึ่งของการวิเคราะห์และระบุลูกค้าที่มีแนวโน้มจะยกเลิกบัตรเครดิตของธนาคารและวางกลยุทธ์เพื่อป้องกันการสูญเสียลูกค้าได้อย่างทันท่วงที 4) ข้อมูลผลลัพธ์ที่ได้ สามารถนำไปใช้ประกอบการตัดสินใจสำหรับการปรับปรุงและพัฒนากลยุทธ์อื่นๆ ให้ตรงตามความต้องการของลูกค้ามากขึ้น เพื่อให้ลูกค้าเกิดความพึงพอใจและใช้บริการต่อไป