Support Vector Machine을 이용한 이동 통신사 고객이탈 예측모형연구

Abstract

포화 상태에 이른 국내 이동 통신 시장은 성장세가 둔화되며 성숙기에 이르렀단 평가를 받고 있다. 여기에 번호 이동성 제도와 시행과 Wibro, DMB와 같은 신규 서비스의 시행으로 인하여 고객의 계약 해지가 용이해지면서 기업 간 경쟁이 심화되고, 다른 업종에 비해 신규 고객을 유치하는데 비용이 많이 드는 이동 통신 산업의 특성으로 인하여 마케팅 비용이 기업의 수익에 큰 영향을 미치고 있다. 따라서 이동 통신 서비스 제공 업체는 기존에 보유하고 있는 고객 정보를 데이터 마이닝 기법에 이용한 이탈 고객 관리(Churn Management)를 실시하여 고객의 이동 통신 서비스에 대한 요구를 파악함으로서 효과적인 마케팅 활동을 하고자 노력하고 있다. 이를 위하여 고객의 이탈에 영향을 미치리라 기대되는 중요 요인을 선택하고, 보다 정확하게 고객의 이탈을 예측할 수 있는 고객 이탈 예측 모형의 구축함으로써 마케팅 활동에 유용한 정보를 제공하고자 한다. 먼저 기존에 이탈 고객 관리(Churn Management)에 활발하게 사용되는 데이터 마이닝 기법인 로지스틱 회귀 분석을 원 변수에 대해 실시함으로서 고객의 이탈에 영향을 미칠 것이라고 기대되는 중요 변수를 선택하였다. 다음으로 정량 변수에 대한 변환과 곡선 효과의 반영 그리고 교호 작용을 통하여 고객 이탈에 대한 예측력을 극대화 할 수 있는 로지스틱 회귀 모형을 구축하였다. 마지막으로 구조적으로 Loss Rate을 최소화시킴으로서 예측력을 극대화 시키는 SRM(Structural Risk Minimize)에 기반 하여 결과 해석이 용이한 Support Vector Machine기법을 이용하여 고객 이탈 예측 모형을 구축하고, 기존에 널리 사용된 로지스틱 회귀 분석에 의한 이탈 고객 관리(Churn Management)모형과 예측력을 비교하였다. 로지스틱 회귀 모형을 구축하는 과정에서는 모형 평가를 위하여 AIC값을 비교하였으며, Support Vector Machine 모형을 구축하는 과정에서는 Loss Rate을 사용하였고, 로지스틱 회귀 분석에 의한 고객 이탈 예측 모형과 Support Vector Machine에 의한 고객 이탈 예측 모형의 예측력을 비교하는데 리프트 차트(Lift Chart)를 사용하였다. 원 변수에 대한 로지스틱 회귀 모형을 구축하는 과정에서 Stepwise 기법에 의해 AIC를 가장 작게 하는 변수를 선택하였으며, 선택된 변수들에 대해서 변환과 곡선 효과 교호 작용을 고려하여 로지스틱 회귀 분석에 의한 예측 모형을 구축하였다. 정량 변수에 대한 변환과 곡선 효과를 반영함으로서 AIC값을 크게 감소시킬 수 있었으나, 교호 작용은 모형의 AIC 값에 크게 영향을 미치지 않았다. Support Vector Machine 모형을 구축하는 과정에서 Loss Rate을 가장 작게 하는 모수(Cost, Gamma)를 선택하였다. 마지막으로 로지스틱 회귀 분석에 의한 예측 모형에 비해 Support Vector Machine에 의한 예측 모형의 성과가 1등급(상위 10%)에 대해서 뛰어나게 나타났으며, 등급이 낮아질수록 로지스틱 회귀 모형에 비해 Lift 통계량이 안정적으로 감소하는 경향을 확인할 수 있었다. 본 논문에서는 최근 데이터 마이닝에 의한 CRM 분야에서 우수한 성과를 드러내고 있는 Support Vector Machine을 적용하여 기존에 이탈 고객 관리(Churn Management)에 활용되고 있는 로지스틱 회귀 모형에 비해 예측력이 우수한 고객 이탈 예측 모형을 제시한 것에 의의를 두고 있다.;As competition in telecommunication market becomes more fierce, churn rate is steadily increasing and the cost for attracting new customer is getting much more expensive than those for maintaining customers. One of the important issues of mobile phone companies is to understand the patterns of customer behaviour using various data-mining tools and to design better service for retaining customers. This paper argues that the sustainable way to keep customers is to predict customer churn before, and to do target marketing. In order to find more reliable method to predict customer churn, we have done the empirical study on the statistical performances of logistic regression and support vector machines(SVM). First step is to select relevant independent variables. Using these variables, we applied nonlinear transformation and log-transformation of continuous independent variables for improving statistical performance by logistic regression. On the basis of Lift Charts, we show that SVM has a better predictive power than the logistic regression in predicting customer churn.