자동차 정비 산업에서의 고객 이탈 예측: 머신러닝 알고리즘을 기반으로 (Customer Churn Prediction in the Automotive Maintenance Industry: A Machine Learning Approach)

서지정보

· 발행기관 : 한국산업정보학회
· 수록지 정보 : 한국산업정보학회논문지 / 30권 / 1호 / 67 ~ 80페이지
· 저자명 : 김무건, 류민호

초록

급변하는 시장 환경 속에서 고객의 기대치가 높아지고 시장이 성숙기에 접어들면서, 대부분의 기업들은 신규 고객 확보보다 기존 고객을 유지하고 이탈을 방지하는 데 집중하고 있다. .이러한 변화는 서비스 산업에서도 두드러지며, 특히 자동차 정비 서비스 산업은 차량 수 증가와 함께 안정적인 수요를 유지하고 있지만, 차량 보증 만료 이후 고객 이탈이 빈번히 발생하는 문제가 대두되고 있다. 따라서 본 연구는 자동차 정비 서비스 산업에서 고객 이탈을 예측하기 위해 머신러닝 알고리즘을 적용하여 최적의 예측 모델을 구축하고 주요 요인을 분석했다. A기업의 36,010대 실제 차량 데이터를 활용하였으며, 이탈은 고객 방문 주기의 통계적 분석을 통해 정의했다. 연구 결과, XGBoost 모델이 94.2%의 Weighted F1-Score로 가장 우수한 성능을 보였다. 변수 중요도 분석에서는 내부처리건수가 이탈 예측에 가장 중요한 변수로 나타났으며, Confusion Matrix 분석을 통해 이탈 고객을 97%의 정확도로 예측할 수 있음을 확인하였다. 이는 사전에 이탈 가능성이 높은 고객을 식별하고 맞춤형 유지 전략을 설계할 수 있는 가능성을 시사한다. 본 연구는 고객 이탈 정의와 예측 모델 구축에 새로운 접근법을 제시하며, 자동차 정비 서비스 산업에서 효과적인 고객 관리와 유지 전략 수립에 기여할 것으로 기대된다.

영어초록

In a rapidly changing market environment, where customer expectations are rising and markets are maturing, most companies are shifting their focus from acquiring new customers to retaining existing ones and preventing churn. This trend is particularly evident in the service industry, including the automotive maintenance service sector, which maintains stable demand due to the increasing number of vehicles. However, customer churn after warranty expiration has become a significant issue. Therefore, this study aims to predict customer churn in the automotive maintenance service industry by applying machine learning algorithms to develop the most optimal predictive model and analyze key factors. Using real-world data from 36,010 vehicles provided by Company A, churn was defined through statistical analysis of customer visit intervals. The results show that the XGBoost model achieved the highest performance with a Weighted F1-Score of 94.2%. Feature importance analysis revealed that Goodwill Internal were the most significant factor in predicting churn. Additionally, the Confusion Matrix analysis demonstrated that churn customers could be predicted with an accuracy of 97%, suggesting the potential to identify high-risk customers in advance and design tailored retention strategies. This study presents a novel approach to defining customer churn and developing predictive models, contributing to effective customer management and retention strategy formulation in the automotive maintenance service industry.

참고자료

· 없음