예측 분석을 통한 텔레마케팅 캠페인 최적화 : 통신업계 추가 가입 권유 사례 중심으로
Optimizing Telemarketing Campaigns with Predictive Analytics: Focusing on Subscription Upselling Cases in the Telecommunications Industry
- 주제어 (키워드) 아웃바운드 텔레마케팅 , CatBoost , 가입 예측 , 텔레마케팅 전략 , 타겟팅 효율성 , 분류 알고리즘 비교 , 마케팅 자원 최적화 , CatBoost , OutBound Telemarketing , Prediction , Targeting
- 발행기관 서강대학교 정보통신대학원
- 지도교수 장부루
- 발행년도 2024
- 학위수여년월 2024. 8
- 학위명 석사
- 학과 및 전공 정보통신대학원 데이터사이언스 · 인공지능
- 실제 URI http://www.dcollection.net/handler/sogang/000000079070
- UCI I804:11029-000000079070
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구의 목적은 아웃바운드 텔레마케팅을 통해 상품 추가 가입을 권유할 성공 가능성이 높은 고객을 예측하기 위한 모델을 개발하는 것이다. 텔레마케팅은 전통적으로 기업과 고객 간의 직접적인 소통 채널로 활용되어 왔으며, 통신업계에서는 약정 갱신, 업셀링, 크로스셀링 등 다양한 마케팅 전략을 실행하는 데 중요한 역할을 한다. 그러나 현재의 텔레마케팅 전략은 주로 약정 만료 고객 중 무작위로 전화를 거는 방식으로, 효율성이 낮고 고객 맞춤형 전략 구현에 한계가 있다. 본 연구에서는 이러한 문제를 해결하고자 국내 통신회사의 상품 가입자 일부를 대상으로 수집된 데이터를 활용하여 머신러닝 기법을 적용하였다. 7가지 분류 알고리즘을 적용한 후, 성능 비교를 통해 최적의 모델을 선정하였다. 그 결과, CatBoost 모델이 가장 우수한 예측 성능을 보여주었다. 실제 환경에서 CatBoost 모델을 적용하여 추가 가입에 성공할 것으로 예측된 고객에게 텔레마케팅을 수행한 결과, 8.8%의 높은 성공률을 보였다. 이는 기존 약정 만료 대상자 권유 정책의 성공률(6.8%) 및 랜덤 추출 방식의 성공률(2.2%)을 크게 상회하는 결과이다. 이러한 결과는 데이터 기반의 정교한 타겟팅이 텔레마케팅의 효율성을 극대화할 수 있음을 시사한다. 본 연구는 텔레마케팅 효율성을 높이기 위해 데이터 기반 예측 모델을 활용한 새로운 접근법을 제안하고, 이를 통해 고객 맞춤형 전략을 구현할 수 있는 가능성을 확인하였다. 이 모델은 기업의 매출 증대와 고객 유지율 향상에 기여할 수 있으며, 향후 마케팅 전략 수립에 있어 중요한 참고자료가 될 수 있다. 데이터 기반 모델의 활용을 통해 고객 타겟팅의 정확성을 높이고, 마케팅 자원의 최적화를 달성할 수 있을 것으로 기대된다.
more초록 (요약문)
The purpose of this study is to develop a model to predict customers who are likely to successfully subscribe to additional products through outbound telemarketing. Traditionally, telemarketing has been used as a direct communication channel between companies and customers and plays an important role in executing various marketing strategies such as contract renewals, upselling, and cross-selling in the telecommunications industry. However, current telemarketing strategies mainly involve randomly calling customers whose contracts are about to expire, which results in low efficiency and limitations in implementing customer-specific strategies. To address these issues, this study applied machine learning techniques using data collected from some subscribers of a domestic telecommunications company. Seven classification algorithms were applied, and the best model was selected through performance comparison. As a result, the CatBoost model showed the highest predictive performance. Applying the CatBoost model in a real environment predicted that many customers would successfully subscribe to additional products. The telemarketing efforts based on these predictions resulted in a high success rate of 8.8%, significantly exceeding the success rates of the existing policy targeting customers with expiring contracts (6.8%) and the random selection method (2.2%). These results suggest that precise data-driven targeting can maximize the efficiency of telemarketing. This study proposes a new approach using data-driven predictive models to enhance telemarketing efficiency and confirms the potential for implementing customer-specific strategies. This model can contribute to increased corporate revenue and improved customer retention rates and serve as an important reference for future marketing strategy development. Utilizing data-driven models is expected to improve the accuracy of customer targeting and achieve optimal marketing resource allocation.
more목차
제 1 장 서론 11
1.1 연구의 배경 및 필요성 11
제 2 장 관련 연구 13
2.1 텔레마케팅 성공 예측 선행 연구 13
제 3 장 연구 설계 15
3.1 연구 환경 15
3.2 연구 절차 15
3.3 데이터 16
3.3.1 데이터 전처리 18
3.4 모델 성능평가 방법 20
3.4.1 F1스코어 20
제 4 장 연구결과 22
4.1 데이터 셋 설명 22
4.1.1 실험 데이터 셋 22
4.1.2 상관계수 분석 25
4.2 실험 결과 27
4.2.1 예측 성능 비교 및 최적 모델 결정 27
4.2.2 CatBoost 최적화 29
4.2.3 CatBoost 모델 결과 30
4.2.4 특성 중요도 분석 32
4.3 실제 환경에서의 모델 적용 35
4.3.1 결합 권유 성공 예측 모델 적용 36
4.3.2 기존 계약 만료 대상자 권유 정책 36
4.3.3 랜덤 추출 방식 37
제 5 장 결론 38
5.1 결론 38
5.2. 향후 연구 계획 38
5.1.1 데이터 추가 구성 38
5.2.2. 다양한 알고리즘 도입 40
5.2.3. 실시간 데이터 분석 41
참고문헌 42
