View : 1415 Download: 0

데이터마이닝을 이용한 고객이탈등급 예측모형연구

데이터마이닝을 이용한 고객이탈등급 예측모형연구
Other Titles
A Study on the Application of Data mining inpredicting customer churn of the mobile phone company
Issue Date
대학원 통계학과
이화여자대학교 대학원
본 논문에서는 국내 이동통신사의 고객 데이터를 이용하여 이동통신사에서 펼치는 해지방어활동을 위해 보다 정확한 고객이탈 예측모형을 찾아보았다. 첫 번째로 raw data의 원 변수를 이용하여 이동 통신사의 고객이탈여부에 영향을 주는 중요변수를 찾아보았다. 두 번째로는 선정된 중요 변수와 변환된 변수로 로지스틱 회귀분석을 시행하였다. 세 번째로는 부도예측, 신용등급분석 등의 분야에서 탁월한 분류 능력을 보여주는 서포트 벡터 머신을 이용하여 이탈고객 등급을 예측해보았다. 네 번째로는 의사결정나무에 배깅의 기법이 더해진, 랜덤 포레스트 모형을 구축하여 분석하였다. 모형 평가는 각 모형의 정분류율을 확인해보고 이익도표(Lift Chart)의 모형적중률을 이용하여 각 모형의 비교와 함께, 현재 이동 통신 회사에서 사용하고 있는 모형과의 차이도 검증해 보았다. 분석을 시행한 결과, 현재 사용하고 있는 모형보다 본 논문에서 제시한 모형이 해지 고위험 고객을 예측하는데 좋은 성능을 보였다. 제안된 고객등급화 방법을 통해 이동 통신 회사들은 고객의 이탈확률에 따른 차별화된 마케팅 전략을 수행할 수 있을 것으로 기대된다.;The mobile telecommunication industry has been growing rapidly recently, and importance of risk management has been emphasized. The focus of telecommunication companies has therefore shifted from building a large customer base into keeping customers ‘in house’. Customers who switch to a competitor are so called churned customers. Churn prevention, through churn prediction, is one way to keep customers ‘in house’. The goal of this study is to apply data mining techniques to predict customer churn by using data from a mobile telecommunication company in Korea. In this paper, we develop a model for prediction of the customer churn using logistic regression, support vector machines(SVM) and random forests(RF). Experimental results show that support vector machine and random forest is more effective than logistic regression. Especially random forest is the most powerful tool for detecting high risk customers The findings from this study are helpful for telecommunications companies to optimize their customer retention and/or treatment resources in their churn reduction efforts.
Show the fulltext
Appears in Collections:
일반대학원 > 통계학과 > Theses_Master
Files in This Item:
There are no files associated with this item.
RIS (EndNote)
XLS (Excel)


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.