통신회사들의 치열한 경쟁 때문에 고객의 통신사 해지는 필수가 되고 있으며, 기존의 고객을 유지하는 것이 신규 고객을 유치하는 것보다 5~10배 비용이 적게 든다고 알려져 있다. 이처럼 경쟁이 심한 통신 산업은 고객들의 해지를 분 석하기 위해 통신사들에게 고객 관계 관리를 요구하고 있는 실정이다. 그러므로 고객관계관리 분석가들은 고객 이탈을 예측하고 고객의 이탈 원인을 파악해야 한다. 본 논문에서는 앙상블을 이용한 예측 시스템과 고객 해지 분석 시스템으로 구성된 고객 ...
통신회사들의 치열한 경쟁 때문에 고객의 통신사 해지는 필수가 되고 있으며, 기존의 고객을 유지하는 것이 신규 고객을 유치하는 것보다 5~10배 비용이 적게 든다고 알려져 있다. 이처럼 경쟁이 심한 통신 산업은 고객들의 해지를 분 석하기 위해 통신사들에게 고객 관계 관리를 요구하고 있는 실정이다. 그러므로 고객관계관리 분석가들은 고객 이탈을 예측하고 고객의 이탈 원인을 파악해야 한다. 본 논문에서는 앙상블을 이용한 예측 시스템과 고객 해지 분석 시스템으로 구성된 고객 관계 관리 시스템을 제안한다. 앙상블 예측 시스템은 스태킹 모델과 소프트 보팅으로 구성된다. XGBoost, 회귀 분석, 결정 트리, 그리고 베이지안 기계 학습 알고리즘이 2 단으로 구성된 스태킹 모델 개발에 사용되며, 소프트 보팅에는 2 번째 단의 3 개의 출력이 입 력으로 사용된다. 고객 해지 데이터세트의 특성 구성은 특성 공간을 늘리고 잠재 적인 정보를 얻기 위해 고객 행동 특성의 등거리 그룹화를 통해 원본 데이터세 트로부터 새로운 특징들을 구성한 과정이다. 스태킹 모델은 4가지 평가 방법을 사용하여 원본 및 새로운 고객 해지 데이터세트를 분석한다. 본 논문에서 제안된 고객 해지 분석 시스템의 실험 결과는 원본과 제안된 해지 데이터세트를 분석하여 정확도가 각각 96.1%와 98%에 도달하고, 다른 최신 연구 결과와 비교하여
성능이 더 우수한 것으로 나타났다. 고객 해지를 감소시키고 고객 맞춤형 전략과 서비스를 제공하기 위하여 군집화 분석, 특징 중요도 순서와 데이터 시각화로 구성된 특징 중요도 기반 고객 해지 분석 시스템이 설계된다. RFM 모델과 엘보우 방식 기반 K-means 알고리즘이 원본 데이터세트의 군집화를 수행하고, SHAP 방식을 기반으로 하는 XGBoost 알고리즘이 특징 중요도 순서를 계산하기 위해 사용된다. K 값은 4로 선택되어 원본 데이터는 4개의 그룹으로 나누어진다. 각 그룹은 각각의 다른 특 징 중요도 순서를 가지고 있으며, 각 그룹에 특화된 전략을 제공할 수 있다. 본 논문에서 제안된 고객 해지 분석 시스템은 통신 회사의 효과적인 CRM과 마켓팅 전략을 개발하고 구현하는 능력을 향상시킬 수 있을 것이다
통신회사들의 치열한 경쟁 때문에 고객의 통신사 해지는 필수가 되고 있으며, 기존의 고객을 유지하는 것이 신규 고객을 유치하는 것보다 5~10배 비용이 적게 든다고 알려져 있다. 이처럼 경쟁이 심한 통신 산업은 고객들의 해지를 분 석하기 위해 통신사들에게 고객 관계 관리를 요구하고 있는 실정이다. 그러므로 고객관계관리 분석가들은 고객 이탈을 예측하고 고객의 이탈 원인을 파악해야 한다. 본 논문에서는 앙상블을 이용한 예측 시스템과 고객 해지 분석 시스템으로 구성된 고객 관계 관리 시스템을 제안한다. 앙상블 예측 시스템은 스태킹 모델과 소프트 보팅으로 구성된다. XGBoost, 회귀 분석, 결정 트리, 그리고 베이지안 기계 학습 알고리즘이 2 단으로 구성된 스태킹 모델 개발에 사용되며, 소프트 보팅에는 2 번째 단의 3 개의 출력이 입 력으로 사용된다. 고객 해지 데이터세트의 특성 구성은 특성 공간을 늘리고 잠재 적인 정보를 얻기 위해 고객 행동 특성의 등거리 그룹화를 통해 원본 데이터세 트로부터 새로운 특징들을 구성한 과정이다. 스태킹 모델은 4가지 평가 방법을 사용하여 원본 및 새로운 고객 해지 데이터세트를 분석한다. 본 논문에서 제안된 고객 해지 분석 시스템의 실험 결과는 원본과 제안된 해지 데이터세트를 분석하여 정확도가 각각 96.1%와 98%에 도달하고, 다른 최신 연구 결과와 비교하여
성능이 더 우수한 것으로 나타났다. 고객 해지를 감소시키고 고객 맞춤형 전략과 서비스를 제공하기 위하여 군집화 분석, 특징 중요도 순서와 데이터 시각화로 구성된 특징 중요도 기반 고객 해지 분석 시스템이 설계된다. RFM 모델과 엘보우 방식 기반 K-means 알고리즘이 원본 데이터세트의 군집화를 수행하고, SHAP 방식을 기반으로 하는 XGBoost 알고리즘이 특징 중요도 순서를 계산하기 위해 사용된다. K 값은 4로 선택되어 원본 데이터는 4개의 그룹으로 나누어진다. 각 그룹은 각각의 다른 특 징 중요도 순서를 가지고 있으며, 각 그룹에 특화된 전략을 제공할 수 있다. 본 논문에서 제안된 고객 해지 분석 시스템은 통신 회사의 효과적인 CRM과 마켓팅 전략을 개발하고 구현하는 능력을 향상시킬 수 있을 것이다
Owing to fierce competition among telecom companies, customer churn is inevitable and it is known that the cost of retaining existing customers is 5– 10 times lower than the cost of obtaining new customers. The competitive telecom industry requires telecom companies to use Customer Relationship Mana...
Owing to fierce competition among telecom companies, customer churn is inevitable and it is known that the cost of retaining existing customers is 5– 10 times lower than the cost of obtaining new customers. The competitive telecom industry requires telecom companies to use Customer Relationship Management (CRM) to analyze customer churn. CRM analysts need to predict customer churn and understand the reasons for churn. In this dissertation, a CRM system which consists of an ensemble prediction system and a customer churn analysis system is proposed. An ensemble prediction system is composed of a stacking model and soft voting. XGBoost, Logistic Regression, Decision Tree, and Bayesian machine learning algorithms are used to develop a stacking model with two levels, and the three outputs of the second level are used for soft voting. The feature construction of the churn dataset is a process which builds new features from the original dataset by the grouping of customer behavior features to increase the feature space and discover potential information. Using four evaluation measures, the stacking model is examined with the original and new churn datasets. The results show that the proposed customer churn analysis system achieves 96.1% and 98% accuracy for the original churn dataset and the new churn dataset, respectively. In comparison to other recent research results, it has a better performance. The feature importance based churn analysis system to reduce customer churn and provide customized strategies and services for a telecom company is designed, which is composed of three parts: clustering analysis, feature importance ranking and data visualization. RFM (Recency, Frequency, Monetary) model and K-means algorithm with an elbow method are used to make clusters from the original dataset and the XGBoost algorithm with SHAP (SHapley Additive exPlanations) method is used to get a feature importance ranking. The simulation results show that the K value of the K-means algorithm is selected to 4 and dataset is divided into four groups. Each cluster has a different feature importance ranking so that the specialized strategies can be provided to each cluster. The proposed customer churn analysis system will be able to enhance the ability of telecommunication companies to develop and implement effective CRM and marketing strategies.
Owing to fierce competition among telecom companies, customer churn is inevitable and it is known that the cost of retaining existing customers is 5– 10 times lower than the cost of obtaining new customers. The competitive telecom industry requires telecom companies to use Customer Relationship Management (CRM) to analyze customer churn. CRM analysts need to predict customer churn and understand the reasons for churn. In this dissertation, a CRM system which consists of an ensemble prediction system and a customer churn analysis system is proposed. An ensemble prediction system is composed of a stacking model and soft voting. XGBoost, Logistic Regression, Decision Tree, and Bayesian machine learning algorithms are used to develop a stacking model with two levels, and the three outputs of the second level are used for soft voting. The feature construction of the churn dataset is a process which builds new features from the original dataset by the grouping of customer behavior features to increase the feature space and discover potential information. Using four evaluation measures, the stacking model is examined with the original and new churn datasets. The results show that the proposed customer churn analysis system achieves 96.1% and 98% accuracy for the original churn dataset and the new churn dataset, respectively. In comparison to other recent research results, it has a better performance. The feature importance based churn analysis system to reduce customer churn and provide customized strategies and services for a telecom company is designed, which is composed of three parts: clustering analysis, feature importance ranking and data visualization. RFM (Recency, Frequency, Monetary) model and K-means algorithm with an elbow method are used to make clusters from the original dataset and the XGBoost algorithm with SHAP (SHapley Additive exPlanations) method is used to get a feature importance ranking. The simulation results show that the K value of the K-means algorithm is selected to 4 and dataset is divided into four groups. Each cluster has a different feature importance ranking so that the specialized strategies can be provided to each cluster. The proposed customer churn analysis system will be able to enhance the ability of telecommunication companies to develop and implement effective CRM and marketing strategies.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.