데이터마이닝을 이용한 이탈확률에 기반한 고객 세분화

소개글

데이터마이닝을 이용한 이탈확률에 기반한 고객 세분화

목차

I. 서론

II. 이론적 배경
2.1 Data Mining
2.2 이탈고객에 관한 선행연구

III. 연구모형

IV. 실증분석
4.1 자료 수집 및 변수 선정
4.2 이탈고객 세분화

V. 결론

참고문헌
Abstract

본문내용

국내 이동통신시장은 한국이동통신이 1984년 차량용으로 이동전화 서비스를 실시한 이후 급속도로 발전하여 2003년 말에 이미 국내인구 중 이동통신 서비스를 사용하는 고객의 수는 약 3,350만 명에 이르렀다. 하지만 최근 이동통신사는 시장의 포화상태로 인해 성장이 둔화되고 있으며 번호이동성 제도의 시행으로 인해서 고객의 이탈 또한 매우 빈번하게 일어나고 있다. 통신시장에서의 고객이탈이란 자발적 또는 비자발적으로 고객이 현재의 통신서비스를 중단하는 것을 의미하며, 2000년까지의 미국의 무선통신에 있어서의 고객이탈(Churn)은 매해 150%의 증가율을 보이고 있다(Swartz, 2001).
각 이동통신사들은 꾸준히 증가하고 있는 고객의 이탈을 방지하기 위해서 다양한 서비스의 개발과 마케팅에 많은 노력을 기울이고 있다.
이탈고객을 관리하고 마케팅 전략을 수립하기 위한 방안으로 데이터마이닝 기법을 활용한 이탈고객관리(Churn management)가 연구되어 왔다. (김충영 등, 2002; 윤충한 등, 2002; Wei & Chiu, 2002). 정보기술의 발달로 데이터의 축적 및 처리능력이 과거와는 비교할 수 없을 정도로 발전하였으며, 이에 따라 데이터마이닝의 활용범위가 더욱 넓어지고 있다. 이탈고객관리에 적용되는 데이터마이닝 기법으로는 로짓모형, 프로빗과 같은 통계적 기법과 인공신경망(Artificial Neural Networks), 의사결정나무 등과 같은 인공지능기법 등이 있다. 이중 인공신경망(ANN)의 성과가 가장 우수한 것으로 알려져 있으나, 최근에 Support Vector Machine(SVM)이 부도예측, 신용등급분석, 시계열예측, 보험사기적발 등의 분야에서 매우 우수한 성과를 내는 것으로 보고되었다. SVM은 명확한 이론적 근거에 기반을 두기 때문에 결과해석이 용이하고 적은 양의 학습자료만으로도 신속하게 학습을 수행할 수 있다는 장점을 갖고 있기 때문에 이동통신사의 고객이탈 예측에 새롭게 적용할 필요가 있다.

참고 자료

구영규, 강재열, “이동통신 산업에 있어서의 고객이탈관리방안에 관한 연구,” 경우논집 Vol. 30, 1999
김문구, 정동헌, “이동전화 번호이동성의 고객수요와 시장에 미치는 효과,” 통신시장 제 7권 제 8호, 2002, pp. 66-77
김재경, 채경희, 송희석, “SOM을 이용한 온라인 게임제공업체의 고객이탈방지 방법론,” 경영과학 21권 제 3호, 2004, pp. 85-99
김진기, “이동전화사업자들의 가입해지(Churn) 방어전략,” 정보통신정책 제 10권 제 7호, 1998, pp. 19-36
김충영, 장남식, 김준우, “이동통신서비스 해지고객 예측모형의 비교분석에 관한 연구,” 경영정보학연구 12권 제 1호, 2002, pp. 139-158
김희수, “국내 이동전화시장의 가입전환(Churn) 및 고객충성도 결정요인 분석,” 정보사회연구, 2000, pp. 1-18
박정민, 김경재, 한인구, “Support Vector Machine을 이용한 기업부도예측,” 한국경영정보학회 추계학술대회, 2003, pp. 751-758
박진기, “데이터마이닝 기법간의 스포츠센터 고객 이탈가능 예측성 평가,” 한국체육학회지 제 42권 제 5호, 2003, pp. 369-377
양희태, 최문기, “번호 이동성 시행 하에서 국내 이동통신 사업자들의 고객 유지 전략,” 한국통신학회논문지, Vol