머신러닝을 활용한 은행 고객 이탈 예측: LTV고객 생애 가치와 주요변수의 역할
은행 고객의 이탈 예측 모델을 구축할 때, 고객 생애 가치(LTV)를 예측 변수로 포함시키는 것이 모델의 정확도를 크게 향상시킨다는 것을 실험적으로 증명한다. 논문 요약 연구 배경 “이 고객이 우리와 얼마나 오래, 얼마나 좋은 관계를 유지해왔는가?” 이 질문에 대한 답을 담고 있는…
XGBoost
더 보기 머신러닝을 활용한 은행 고객 이탈 예측: LTV고객 생애 가치와 주요변수의 역할
그래디언트 부스팅 모델을 활용한 상점 매출 예측 리뷰
과거 신용카드 매출 데이터를 시계열 특징으로 변환하고, 강력한 머신러닝 기법인 그래디언트 부스팅(XGBoost)을 적용하여 미래의 상점 매출을 정확하게 예측하는 방법론을 제시한다. 논문 요약 연구 배경 기업의 모든 의사결정은 미래에 대한 ‘예측’에서 출발한다. 이 연구는 전통적인 통계 모델을 넘어, 더 정확하고 정교한…
XAI 기법을 활용한 고객 이탈 예측의 영향 요인 분석 리뷰
이커머스 고객의 이탈을 예측하는 머신러닝 모델을 구축하고, XAI 기법인 SHAP을 활용하여 ‘왜’ 특정 고객이 이탈하는지를 설명함으로써 예측 모델의 신뢰성과 비즈니스 활용성을 높이는 방법을 제시한다. 논문 요약 연구 배경 기업의 생존에 필수적인 고객 관계 관리(CRM)에서, ‘어떤 고객이 떠날 것인가’를 예측하는 것을…