Customer retention is a common concern for many industries and a critical issue for the survival in today’s greatly compressed marketplace. Current customer retention models with data mining techniques only focus on detection of potential defectors based on the likelihood of defection by using demographic and customer profile information. In this paper, we propose a dynamic procedure for detecting and preventing defection using past and current customer behavior by utilizing SOM and Markov chain. The basic idea originates from the observation that a customer has a tendency to change his behavior (i.e. trim-out his usage volumes) before his eventual withdrawal. This gradual pulling out process offers the company the opportunity to detect the defection signals. With this approach, we have two significant benefits compared with existing studies for detecting defection which are based on the likelihood of defection. First, this suggested procedure can predict when the potential defectors could withdraw and this feature helps to give marketing managers the information of lead-time for preparing defection prevention plans. The second benefit is that our approach can provide a procedure for not only detecting but also preventing defection, which could suggest the desirable behavior state for the next period so as to lower the likelihood of defection.
We applied our dynamic procedure for detecting and preventing defection to the online gaming industry. And we compared the prediction accuracy of the proposed procedure to that of the MLP neural network and a decision tree model. This suggested procedure could predict potential defectors and provide the important information of lead-time without deterioration of prediction accuracy compared to that of MLP neural network and a decision tree.
시장이 성숙기에 접어들어 경쟁이 더욱 심해지고, 신규고객을 획득하기 위한 비용이 증가함에 따라, 통신, 금융, 인터넷 기반의 서비스 산업을 중심으로 기존 고객 유지에 대한 가치가 증가하고 있다. 기존 고객의 기업에 대한 이해도, 구매력, 구전효과가 신규 고객보다 더 높기 때문에, 고객 유지 기간이 길수록 기업의 수익은 증가한다. 따라서 기업의 수익성과 시장에서의 생존 여부는 기존고객을 얼마나 잘 유지하느냐에 달려있다고 할 수 있다.
본 논문에서는 데이터 마이닝 기법의 하나인 SOM과 마코브 체인을 결합하여, 과거 및 현재의 고객 행위 데이터를 사용하여 고객 이탈 탐지 및 방지를 위한 동적 절차를 제안하였다. 통신 및 인터넷 서비스 사업자들이 요금 청구의 목적으로 수집하고 있는 고객 행위 데이터는 고객의 가까운 미래 행위를 예측하여, 고객 이탈을 사전에 탐지할 수 있는 신호를 제공한다.잠재 이탈자들은 최종 이탈을 하기 전에 사용시간 및 사용횟수를 줄이는 등 서비스 이용에 있어 행위의 변화를 보여주기 때문이다.
기존의 이탈 탐지 모델들은 고객의 이탈 가능성을 토대로 잠재 이탈자를 찾아내는데 초점을 맞춘 반면, 본 논문은 잠재 이탈자를 탐지하고, 이들이 언제 이탈할지를 예측하였다. 잠재 이탈자들의 예상 이탈 시기에 관한 정보는 마케팅 관리자들이 이탈 방지 캠페인을 준비하는데 필요한 리드 타임에 관한 정보를 제공해 줄 수 있다. 더 나아가 본 논문은 잠재 이탈자를 탐지하는데 그치지 않고, 잠재 이탈자들이 왜 이탈하려고 하는지 원인을 찾아, 이탈 가능성을 낮추기 위해 행위변화를 유도할 수 있는 자동화된 이탈 방지 절차를 제공하였다.
본 논문에서 제안한 고객 이탈 탐지 및 방지를 위한 동적 절차를 고객 행위 데이터를 데이터베이스와 웹 로그파일로부터 쉽게 구할 수 있는 온라인 게임 사이트에 적용해 보았다. 그리고 인공신경망 모형(Neural Network)과 의사결정나무트리(Decision Tree)를 이용한 이탈탐지 모델들과 이탈 탐지 예측의 정확성을 비교해 보았다. 실험 결과, 본 논문에서 제안한 동적 절차는 두 모델에서 제시할 수 없는 고객의 예상 이탈 시기를 예측할 뿐만 아니라, 예측의 정확성에서도 비슷하거나 더 나은 결과를 보여주었다.
