고객 이탈은 특정 기간 동안 기업과의 관계를 종료하거나 고객 참여도를 줄이는 것을 의미합니다. 시장 점유율을 증가시키는 두 가지 주요 비즈니스 마케팅 전략은 새로운 고객을 유치하고 기존 고객을 유지하는 것입니다. 새로운 고객을 유치하는 비용은 기존 고객을 유지하는 비용의 5~6배일 수 있으므로, 이탈 위험이 있는 고객에게 투자하는 것이 현명합니다. 이탈 모델의 인과 분석은 미래에 고객이 이탈할 가능성을 예측하고, 기업들이 이탈의 영향과 가능한 원인을 파악하여 그 지식을 활용해 맞춤형 인센티브를 적용할 수 있도록 도와줍니다.본 논문에서는 분류를 위한 깊은 피드포워드 신경망(Deep Feedforward Neural Network)과 고차원 희소 데이터에 대한 순차 패턴 채굴 방법(Sequential Pattern Mining Method)을 결합한 프레임워크를 제안합니다. 또한, 고객 이탈로 이어지는 원인 확률을 예측하기 위한 인과 베이지안 네트워크(Causal Bayesian Network)를 제안합니다. 테스트 데이터에서의 평가 지표는 XGBoost와 본 연구의 딥러닝 모델이 과거 기술보다 우수한 성능을 보였음을 확인하였습니다. 실험 분석 결과, 슈퍼 가런티 기여도(Super Guarantee Contribution), 계좌 성장(Account Growth), 그리고 고객 거래 연수(Customer Tenure)를 나타내는 일부 독립적인 인과 변수들이 높은 신뢰도로 고객 이탈의 혼동 요인으로 식별되었다는 사실이 확인되었습니다. 본 논문은 현재 상태 추론부터 미래 방향까지 지역 연금 기금에서 실제 고객 이탈 분석을 제공합니다.