앙상블 모델과 고객 세그먼트 분석 기반 이동통신사 고객 이탈 예측 및 맞춤형 전략

Abstract

본 논문에서는 IBM Telco와 Cell2Cell 두 통신사의 데이터 세트를 활용하여 고객 이탈 예측 모델을 개발하고 이탈 요인을 분석하였다. 로지스틱 회귀, 나이브 베이즈, KNN, XGBoost, 딥러닝 모델을 비교 평가한 결과, 앙상블 Stacking 기법이 IBM Telco에서 91.01%, Cell2Cell에서 86.43%의 정확도로 가장 우수한 성능을 보였다. 또한, 각 성능 지표에 대해 p-value 및 95% 신뢰구간(95% CI)을 추가로 제시하여 특정 모델이 다른 모델 대비 통계적으로 유의미함을 보였다. 이는 다양한 알고리즘의 조합을 통해 이질적인 패턴을 포괄적으로 학습하고, 메타 학습기를 통한 정교한 통합이 예측 성능 향상에 효과적임을 보여준다. 고객 이탈 요인 분석 결과, 두 데이터 셋에서 계약 조건, 이용 기간, 월 요금, 결제 방식, 부가 서비스 이용 여부가 동일한 주요 이탈 영향 요인으로 확인되었으며, 특히 서비스 초기 12개월이 이탈 방지의 핵심 기간으로 나타났다. 이에 따라, 고객을 이용 기간과 요금 수준에 따라 네 가지 세그먼트로 분류하여 세그먼트별 맞춤형 전략과 고객 유지 제안 전략을 수립하였다. 본 연구는 앙상블 모델과 고객 세그먼트별 맞춤형 전략을 통해서 데이터 기반의 체계적인 고객 이탈 관리와 이동통신 기업의 수익성과 경쟁력 유지에 기여할 수 있는 실질적 해결 방법을 제시하였다.