피트니스 회원 재등록 예측 인공지능 모형 비교 및 고객 타겟팅 활용에 관한 연구 (Study on the Comparison of Artificial Intelligence Model and the Utilization of Customer Targeting for Fitness Member Re-registration)

서지정보

· 발행기관 : 사단법인 한국융합기술연구학회
· 수록지 정보 : 아시아태평양융합연구교류논문지 / 9권 / 3호 / 43 ~ 61페이지
· 저자명 : 김영진, 홍정완

초록

본 연구는 대표적인 트리 구조 모형인 의사결정나무와 랜덤 포레스트의 이론적 배경, 특징, 장단점을 비교한다. 고객 행동 분석을 통해 고객관계관리를 하며, 군집분석을 이용한 고객 타겟팅 활용 방안을 살펴보도록 한다. 2020년 2월부터 2021년 12월까지 재등록과 기간 만료가 확인된 회원 1,061명에 대해 설문 방식이 아닌 실적 데이터를 토대로 고객관계관리 마케팅에 이용한다. 랜덤 포레스트가 의사결정나무에 비해 정분류율, 정밀도, 재현율, 특이도 등 예측 성능이 개선된다.변수 중요도는 변수값이 분류의 정확성에 미치는 정도를 보여주는 값으로 종속변수인 재등록 여부를 예측하는 데 우선순위로 고려할 수 있다. 변수 중요도를 기반으로 한 군집분석으로 고객 세분화를 통해 차별화된 마케팅 전략을 구사할 수 있다. 향후에는 고도화된 ‘앙상블 학습’과 같이 여러 개의 분류기를 생성, 예측을 결합하여 보다 정확한 예측을 도출하며, 고객 이탈을 방지하고 지속 가능한 경쟁우위를 확보할 필요가 있다.

영어초록

This study compares the theoretical background, characteristics, strength and weakness of decision tree and random forest, which are representative tree structure models. Through customer behavior analysis, we manage customer relationship management and look at how to use customer targeting using cluster analysis. From February 2020 to December 2021, 1,061 members who have been re-registered and confirmed to expire will be used for customer relationship management marketing based on performance data, not survey methods. Compared to decision tree, random forest have improved predictive performance such as regular classification rate, precision, reproduction rate, and specificity. Feature importance is a value that shows the degree to which the variable value affects the accuracy of the classification, and can be considered as a priority in predicting whether to re-register the dependent variable. Cluster analysis based on variable importance can use differentiated marketing strategies through customer segmentation. In the future, it is necessary to create several classifiers, such as advanced 'Ensemble Learning', combine predictions to derive more accurate predictions, prevent customer departures, and secure a sustainable competitive advantage.

참고자료

· 없음