고객수명은 고객생애가치(CLV)와 함께 차별화된 마케팅전략과 기업의 경쟁력 강화의 핵심수단으로 차별화된 고객관계관리(CRM) 마케팅의 매우 중요한 핵심요소이다. 그러나 보통기업에서 사용하는 고객수명은 어떤 특정시점에서의 고객에 한정하여 고객 개별적인 특성을 반영하지 않고 단순 이탈율만을 가지고 고객 수명을 예측하고 있다. 본 연구는 이러한 단점을 극복하고 현실적인 활용을 위해, 기업고객들의 중도절단자료를 가지고 고객 세분화에 기반한 생존분석을 활용한 고객수 명예측방법을 제시하고, 실제 활용을 위해 국내 A 이동통신사의 데이터를 활용하여 적용하였다. 본 연구에서 제시하고 있는 고객 세분화에 기반한 생존 분석을 이용한 고객수명 예측방법은, 첫째, 가입시점이 다른 모든고객 을반영하고 있고, 둘째, 고객의 개별적 특성을 반영하여 개별 고객수명에 대한 오차를 줄일 수 있으며, 셋째, 관측시점 이후의 수명을 예측함으로써 시간의 흐름에 따른 이탈율 또는 해지율의 변동추이를 반영하게 되어 더욱 현실성을 반영하고 있다.
고객수명은 고객생애가치(CLV)와 함께 차별화된 마케팅전략과 기업의 경쟁력 강화의 핵심수단으로 차별화된 고객관계관리(CRM) 마케팅의 매우 중요한 핵심요소이다. 그러나 보통기업에서 사용하는 고객수명은 어떤 특정시점에서의 고객에 한정하여 고객 개별적인 특성을 반영하지 않고 단순 이탈율만을 가지고 고객 수명을 예측하고 있다. 본 연구는 이러한 단점을 극복하고 현실적인 활용을 위해, 기업고객들의 중도절단자료를 가지고 고객 세분화에 기반한 생존분석을 활용한 고객수 명예측방법을 제시하고, 실제 활용을 위해 국내 A 이동통신사의 데이터를 활용하여 적용하였다. 본 연구에서 제시하고 있는 고객 세분화에 기반한 생존 분석을 이용한 고객수명 예측방법은, 첫째, 가입시점이 다른 모든고객 을반영하고 있고, 둘째, 고객의 개별적 특성을 반영하여 개별 고객수명에 대한 오차를 줄일 수 있으며, 셋째, 관측시점 이후의 수명을 예측함으로써 시간의 흐름에 따른 이탈율 또는 해지율의 변동추이를 반영하게 되어 더욱 현실성을 반영하고 있다.
Customer Lifetime or Customer Lifetime Value is a essential metric of differentiated CRM marketing and differentiated marketing strategy as a company core competency. However, customer lifetime used in companies is easily obtained from a confined simple customer attrition rate at some specific time ...
Customer Lifetime or Customer Lifetime Value is a essential metric of differentiated CRM marketing and differentiated marketing strategy as a company core competency. However, customer lifetime used in companies is easily obtained from a confined simple customer attrition rate at some specific time point regardless of customer characteristics. In this study, in order to overcome the constraints of previous simple methods and to make practical use of it in industries, we suggest a method that estimates a customer lifetime using a customer segment based survival analysis with the censored data of customers; in addition, we apply this method to A mobile telecom company data. A method using customer segment based survival analysis is suggested in this study 1) includes all customers having different subscription dates, 2) reduces individual error, 3) can reflect trends after the observed time point and is more realistic.
Customer Lifetime or Customer Lifetime Value is a essential metric of differentiated CRM marketing and differentiated marketing strategy as a company core competency. However, customer lifetime used in companies is easily obtained from a confined simple customer attrition rate at some specific time point regardless of customer characteristics. In this study, in order to overcome the constraints of previous simple methods and to make practical use of it in industries, we suggest a method that estimates a customer lifetime using a customer segment based survival analysis with the censored data of customers; in addition, we apply this method to A mobile telecom company data. A method using customer segment based survival analysis is suggested in this study 1) includes all customers having different subscription dates, 2) reduces individual error, 3) can reflect trends after the observed time point and is more realistic.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그리고 해당 고객 세그먼트의 평균 이탈율 또는 해지율을 사용하기에 실측 이탈 또는 해지 이후의 이탈율 또한 일정하다고 가정하는 단점을 가지고 있다. 그래서 본 연구에서는 이러한 단점을 극복하고 현실적인 활용을 위해, 기업 고객들의 중도절단자료를 가지고 고객 세분화에 기반한 생존분석(Survival Analysis)을 활용한 고객수명 예측 방법을 제시하고, 실제 적용을 위해 국내 A 이동통신사의 데이터를 활용하여 적용하였다. 본 연구에서 제시한 고객수명 예측방법은, 첫째, 가입시점이 다른 모든 고객을 반영하고 있고, 둘째, 고객들의 공변량을 모형의 영향변수로 포함하여 고객의 개별적 특성을 반영하여 개별 고객수명에 대한 오차를 줄일 수 있으며, 셋째, 관측시점 이후의 수명을 예측함으로써 시간의 흐름에 따른 이탈율 또는 해지율의 변동추이를 반영하게 되어 더욱 더 현실성을 반영한다고 할 수 있을 것이다.
두 번째는 이익 최적화(profit optimization)에 대한 필요성이다. 기업은 수익은 최대화를 하고 비용은 최소화하기위해 ROI(return on investment)를 측정하고 예측하고자 한다. 세 번째로 경쟁에 대한 기업환경은 갈수록 더욱 더 치열해지고 있다는 것이다.
이는 해당 고객 세그먼트(segment)의 평균 이탈율 또는 해지율을 사용하기에 실측 이탈율 또는 해지 이후의 이탈율 또한 일정하다고 가정하는 단점을 가지고 있다. 본 연구에서는 이러한 단점을 극복하고 개별고객에 대한 수명을 예측하고자 고객세분화를 기반으로 하는 임상실험이나 상품수명 등의 중도절단자료 예측에 많이 사용되는 통계학의 생존분석 방법인 준모수적(semi-parametric) 접근법인 Cox의 비례위험 모형(proportional hazards model, Cox, 1972)과 모수(parametric)적인 생존함수 추정을 결합한 모형적합 방법을 제시하고자 한다. 즉 각각 동질의 고객들로 이루어진 세그먼트의 과거 그 기업의 상품을 이용한 기간 동안의 정보를 기반으로 생존함수를 구해 각 개별고객의 미래 이용기간을 예측함으로써 각 개별 고객이 그 회사에 남아 있을 전체 수명을 예측하는 방법이다.
본 연구에서는 특정 관찰시점에 이탈고객과 유지고객들을 고려하여 관찰시점 이후에 해지율을 예측하여 전체 수명을 산출하는 방식인 생존분석 방법을 적용하고자 한다. 시간 즉 기업에서 고객의 이용기간은 예측하고자 하는 값이고 이탈 유무는 반응변수가 된다.
지금까지 고객가치에 대하여 많은 이론적 연구와 실증분석이 이루어져 왔으나 많은 연구가 주로 고객의 수명에 대한 예측은 고정된 값으로 가정하거나 기업의 전체적인 이탈율을 이용하여 진행되어 왔다 (Reichheld, 1996; 강현철 등, 2003). 이에 본 연구는 고객생애가치를 측정하는 요소들-고객의 주어진 기간 동안 가져다주는 가치, 고객의 서비스 기간과 할인율- 중 중도절단자료를 다루는 통계학의 생존분석을 활용하여 고객수명을 예측하는 방법을 제시하고자 한다. 이 생존분석 방법은 특정 관찰시점에 이탈고객과 유지고객들을 고려하여 관찰시점 이후에 해지율을 예측하여 전체 수명을 산출하는 방식이다.
따라서 가입시점이 다른 고객과 고객의 개별적 특성을 고려하여 오차를 줄일 수 있는 수명예측으로 좀 더 현실성 있는 방법이 요구되고 있다. 이에 본 연구는 기업의 고객 중도절단자료를 활용한 생존분석(survival Analysis)을 통한 고객수명 예측 방법을 제시하고, 실제 적용을 위해 국내 A 이동통신사의 데이터를 활용하여 적용하고자 한다.
가설 설정
본 연구에서 제시하는 생존분석을 활용한 고객수명 예측은 다음과 같은 측면에서 장점을 들 수 있다. 첫째로 가입시점이 다른 모든 고객을 반영하고 있다는 것이다. 둘째, 고객들의 공변량을 모형의 영향변수로 포함하여 고객의 개별적 특성을 반영하여 개별 고객수명에 대한 오차를 줄일 수 있다.
제안 방법
2) Cox의 비례위험 모형을 이용하여 영향을 주는 공변량에 대한 누적이탈율 등의 생존함수를 추정하여 기저생존함수를 추정한다. 기저생존함수는 다음의 식에 의해 구해진다.
표 2는 A통신사의 전체 개인고객에 대한 수명과 고객생애가치를 단순 해지율을 이용한 기존방법과 본 연구에서 제시한 고객 세분화 기반의 생존분석을 활용하여 해지율과 고객수명을 구한 개선된 방법을 비교하여 제시한 것이다. 표 2를 보면, 평균수명을 예측하는데 있어서 단순 해지율에 의한 기존 방법은 고객 세분화 기반의 생존분석 방법보다 고객의 수명을 저 평가하는 경향을 보이고 있다.
대상 데이터
본 연구에서 적용한 A 이동통신사의 자료는 이동통신사의 번호이동(MNP; mobile number portability) 시작 시점인 2004년 7월부터 2007년 12월까지 가입고객 전체에 대하여 5%의 표본인 개인 829,640회선을 가지고 적용하였다. 이 기간 동안 가입한 개인고객을 2009년 1월 시점까지의 수명과 해지유무를 나타난 자료이기에 이런 이동통신사의 고객자료는 중도절단된 자료라 할 수 있을 것이다.
성능/효과
첫째로 가입시점이 다른 모든 고객을 반영하고 있다는 것이다. 둘째, 고객들의 공변량을 모형의 영향변수로 포함하여 고객의 개별적 특성을 반영하여 개별 고객수명에 대한 오차를 줄일 수 있다. 셋째로, 관측시점 이후의 수명을 예측함으로써 시간의 흐름에 따른 이탈율 또는 해지율의 변동추이를 반영하게 되어 더욱 더 현실성을 반영한다고 할 수 있을 것이다.
그래서 본 연구에서는 이러한 단점을 극복하고 현실적인 활용을 위해, 기업 고객들의 중도절단자료를 가지고 고객 세분화에 기반한 생존분석(Survival Analysis)을 활용한 고객수명 예측 방법을 제시하고, 실제 적용을 위해 국내 A 이동통신사의 데이터를 활용하여 적용하였다. 본 연구에서 제시한 고객수명 예측방법은, 첫째, 가입시점이 다른 모든 고객을 반영하고 있고, 둘째, 고객들의 공변량을 모형의 영향변수로 포함하여 고객의 개별적 특성을 반영하여 개별 고객수명에 대한 오차를 줄일 수 있으며, 셋째, 관측시점 이후의 수명을 예측함으로써 시간의 흐름에 따른 이탈율 또는 해지율의 변동추이를 반영하게 되어 더욱 더 현실성을 반영한다고 할 수 있을 것이다.
기업은 수익은 최대화를 하고 비용은 최소화하기위해 ROI(return on investment)를 측정하고 예측하고자 한다. 세 번째로 경쟁에 대한 기업환경은 갈수록 더욱 더 치열해지고 있다는 것이다. 시장과 고객의 글로벌화는 가속화되고 있고 고객보호를 위한 시장 규제(deregulation)는 더욱더 강화되고 있는 상황이다.
그림 4∼그림 7은 본 연구에서 제안한 각 개인고객의 가입구분, 약정여부, 가입연도, 연령그룹에 따른 세그먼트별에 따른 생존함수를 활용하여 해지율을 예측한 것이다. 일반 가입고객보다는 MNP 가입 고객의 해지율이 낮게 나타나며, 비약정 고객보다는 약정고객의 해지율이 낮으며, 연도별은 최근에 가까울수록 해지율이 높게 나타나며, 연령이 낮을수록 해지율은 낮은 현상을 보이고 있다.
표 3은 본 연구에서 제안한 각 개인고객의 가입구분, 약정여부, 가입연도, 연령그룹, ARPU그룹, 기변횟수에 따른 세그먼트별에 따른 생존함수를 활용하여 고객수명과 고객생애가치를 구한 것이다. 일반 가입고객보다는 MNP 가입고객의 고객수명이 높게 나타나며, 비약정 고객보다는 약정고객의 고객 수명이 높으며, 연도별은 최근에 가까울수록 고객수명이 높게 나타나는 데, 이는 새로운 신형단말기의 보급과 마케팅의 경쟁의 심화로 인해 매년 고객의 가입 수명은 짧아지는 경향을 보이고 있다. 당연히 기변횟수가 많은 고객의 고객수명은 그렇지 않은 고객보다 낮게 나타났다.
후속연구
고객생애가치는 CRM, 캠페인관리(campaign management), 리스크관리(risk management), 심지어 도용방지분석(fraud detection analysis)을 적용하는 데에도 적용할 수 있다 (Rosset 등, 2003). 그 중에서도 CRM 측면의 이탈분석(churn analysis), 고객유지 캠페인분석에서 고객생애가치는 중요한 추가 정보로 사용될 수 있을 것이다.
이 경우에 우리는 그 환자가 최소한 마지막 시간까지 살아 있었음을 알 수 있을 뿐이다. 또한 실험의 종료로 인해 살아 있는 암환자는 현재까지 살아 있는 정보만 이용할 수 있을 것이다. 이러한 경우는 분석시점에 기업에서의 고객들에 대한 수명자료에도 동일하게 적용할 수 있을 것이다.
근래 기업은 고객 가치가 높은 고객에 대해 차별성을 더욱 더 강조하고 이를 통해 여러 가지 자원의 배분을 효율적으로 배분하고자 한다. 본 연구에서 제안하는 생존분석을 이용한 고객수명 예측은 고객 유지기간 즉 고객수명에 대한 가치를 강조하는 은행, 카드사, 통신사, 증권회사, 백화점 등 모든 업종에서 멤버십 등의 고객 로열티 정책, 고객유지 및 이탈방지 마케팅 등 다양한 영역에서 활용가능하리라 여겨진다.
둘째, 고객들의 공변량을 모형의 영향변수로 포함하여 고객의 개별적 특성을 반영하여 개별 고객수명에 대한 오차를 줄일 수 있다. 셋째로, 관측시점 이후의 수명을 예측함으로써 시간의 흐름에 따른 이탈율 또는 해지율의 변동추이를 반영하게 되어 더욱 더 현실성을 반영한다고 할 수 있을 것이다. 그림 3은 이러한 관측시점 이후의 수명예측 방법의 차이를 그림으로 자세히 표현한 결과이다.
질의응답
핵심어
질문
논문에서 추출한 답변
CRM이란 무엇인가?
고객가치에 대한 올바른 측정과 고객의 가치분석은 고객가치에 따라 차별화된 대표적 마케팅전략과 기업의 경쟁력 강화의 핵심수단으로 CRM(customer relationship management)의 중요한 요소가 되었다 (조용준과 허준, 2006). CRM은 정보기술의 발달로 축적된 고객의 다양한 데이터를 바탕으로 고객의 특성을 도출하여 고객의 가치에 따라 차별화된 마케팅을 제공하고자 하는 것이다. 따라서 기업들은 다양한 분석방법을 적용하여 고객에 대한 정보를 다차원적으로 파악하여 활용하는데 노력을 기울이고 있다.
오늘날 기업들이 직면한 3가지 커다란 도전으로 어떤 것들이 있는가?
오늘날 기업들은 다음의 3가지 커다란 도전에 직면에 있다. 첫 번째는 고객의 요구가 갈수록 증대되고 있다는 것이다. 많은 기업들은 고객의 선호 경향과 행동을 이해하는 쪽으로 변함으로써 다량마케팅(mass marketing)보다는 다량맞춤형(mass customization) 마케팅으로 변하고 있다. 두 번째는 이익 최적화(profit optimization)에 대한 필요성이다. 기업은 수익은 최대화를 하고 비용은 최소화하기위해 ROI(return on investment)를 측정하고 예측하고자 한다. 세 번째로 경쟁에 대한 기업환경은 갈수록 더욱 더 치열해지고 있다는 것이다. 시장과 고객의 글로벌화는 가속화되고 있고 고객보호를 위한 시장 규제(deregulation)는 더욱더 강화되고 있는 상황이다.
고객의 가치는 무엇의 함수로 정의할 수 있는가?
고객의 가치는 고객이 그 기업에게 가져다주는 이익과 그 고객이 그 기업의 상품을 사용하며 그 기업의 고객으로 유지되는 기간의 함수로 정의할 수 있다. 이러한 관점에서 고객의 생애가치를 측정하는 모형을 고객생애가치(Cutomer Lifetime Value; CLV) 모형이라고 한다.
참고문헌 (14)
강현철, 한상태, 신혜림 (2003). 데이터마이닝 기법을 이용한 고객생애가치 측정모형 개발, Journal of the Korean Data Analysis Society, 5, 927-936.
조용준, 허준 (2006). 고객가치모형별 마케팅전략: 백화점 화장품 고객을 중심으로, Journal of the Korean Data Analysis Society, 8, 335-348
Cox, D. R. (1972). Regression models and life tables, Journal of Royal Statistical Society, Series B, 34, 187-220.
Gupta, S., Hanssens, D., Hardie, B., Kahn, W., Kumar, V., Lin, N., Ravishanker, N. and Sriram, S. (2006). Modeling customer lifetime value, Journal of Service Research, 9, 139-155.
Gupta, S., Lehmann, D. R. and Stuart, A. S. (2004). Valuing customers, Journal of Marketing Research, 41, 9-24.
Helsen, K. and Schmittlein, D. C. (1993). Analyzing duration times in marketing: Evidence for the effectiveness of hazard rate models, Marketing Science, 11, 395-414.
Hoekstra, J. C. and Huizingh, E. K. R. E. (1999). The lifetime value concept in customer-based marketing, Journal of Market Focused Management, 3, 257-274.
Jain, D. and Singh, S. (2002). Customer lifetime value research in marketing: A review and future directions, Journal of Interactive Marketing, 16, 34-46.
Reichheld, P. F. (1996). The Loyalty Effect: The Hidden Force Behind Growth, Profits, and Lasting Value, Harvard Business School Press
Reinartz, W. and Kumar, V. (2003). The impact of customer relationship characteristics on profitable lifetime duration, Journal of Marketing, 67, 77-99.
Rosset, S., Neumann, E., Eick, U. and Vatnik, N. (2003). Customer lifetime value models for decision support, Data Mining and Knowledge Discovery, 7, 321-339.
Rosset, S., Neumann, E., Eick, U., Vatnik, N. and Idan, Y. (2002). Customer lifetime value modeling and its use for customer retention planning, In Proceedings of ACM International Conference on Knowledge Discovery and Data Mining.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.