1 |
1
고객 데이터가 입력되는 입력부;상기 입력부로 입력된 고객 데이터를 전처리하여 시간기준 전처리 데이터와 고객기준 전처리 데이터로 분류하는 전처리부;상기 분류된 시간기준 전처리 데이터를 이용하여 행동패턴을 추출하고, 상기 분류된 고객기준 전처리 데이터를 이용하여 고객의 통계지표를 추출하며, 상기 추출된 행동패턴과 통계지표를 이용하여 고객의 이탈 여부를 예측하는 고객이탈 예측부; 및,상기 고객이탈 예측부의 예측 결과를 출력하는 출력부를 포함하되,상기 고객이탈 예측부는,상기 분류된 시간기준 전처리 데이터를 이용하여 상기 행동패턴을 추출하여 고객의 이탈 여부를 예측하는 행동패턴 추출모델과,상기 분류된 고객기준 전처리 데이터를 이용하여 상기 통계지표를 추출하여 고객의 이탈 여부를 예측하는 통계지표 추출모델과,상기 행동패턴 추출모델과 상기 통계지표 추출모델의 예측 결과에 대해 투표 기법을 적용하여 과반수 이상의 예측 결과를 산출하는 앙상블 예측모델을 포함하고,상기 행동패턴 추출모델은 기준 속성에 따라 세분화된 상기 행동패턴을 독립적으로 활용하여 고객의 이탈 여부를 예측하고,상기 통계지표 추출모델은 RF(Random Forest, 랜덤 포레스트) 기반의 예측 모델을 포함하고, 상기 RF 기반의 예측 모델을 이용하여 Mean Decrease Accuracy를 계산함으로써 상기 고객기준 전처리 데이터에 포함된 각 속성의 중요도를 계산하고, 높은 중요도를 가지는 기설정된 개수의 속성을 선정하여 고객의 이탈 여부를 예측하고,상기 앙상블 예측모델은 상기 행동패턴 추출모델과 상기 통계지표 추출모델을 구축하기 위해 사용된 모델을 이용하여 구축된 고객이탈 예측장치
|
2 |
2
청구항 1에 있어서, 상기 전처리부는,상기 입력부로 입력된 고객 데이터를 시간기준으로 전처리하여 시간기준 전처리 데이터로 분류하는 시간기준 전처리 모듈과,상기 입력부로 입력된 고객 데이터를 고객기준으로 전처리하여 고객기준 전처리 데이터로 분류하는 고객기준 전처리 모듈을 포함하는 고객이탈 예측장치
|
3 |
3
청구항 2에 있어서, 상기 시간기준 전처리 데이터는 고객의 행동을 시간 순으로 배열한 타임 테이블 형식이고, 상기 고객기준 전처리 데이터는 시간과는 무관하게 다수의 고객 속성을 배열한 속성 테이블 형식인 고객이탈 예측장치
|
4 |
4
삭제
|
5 |
5
청구항 1에 있어서, 상기 행동패턴 추출모델은 RNN(Recurrent Neural Network, 순환 신경망) 기반의 예측모델, CNN(Convolutional Neural Network, 콘볼루션 신경망) 기반의 예측모델이며,상기 통계지표 추출모델은 XGBoost(Extreme Gradient Boosting) 기반의 예측 모델을 더 포함하는 고객이탈 예측장치
|
6 |
6
청구항 5에 있어서, 상기 고객이탈 예측부는,상기 RNN, CNN, RF, XGBoost 기반의 예측 모델 중 적어도 어느 3개의 예측 모델로 이루어지는 고객이탈 예측장치
|
7 |
7
청구항 5에 있어서, 상기 앙상블 예측모델은,상기 RNN 기반의 예측 모델과 상기 RF 기반의 예측 모델과, 상기 XGBoost 기반의 예측 모델로 이루어지는 고객이탈 예측장치
|
8 |
8
컴퓨팅 수단에 의해 수행되며,고객 데이터를 입력하는 제1 단계;상기 입력된 고객 데이터를 전처리하여 시간기준 전처리 데이터와 고객기준 전처리 데이터로 분류하는 제2 단계;상기 분류된 시간기준 전처리 데이터를 이용하여 행동패턴을 추출하고, 상기 분류된 고객기준 전처리 데이터를 이용하여 고객의 통계지표를 추출하며, 상기 추출된 행동패턴과 통계지표를 이용하여 고객의 이탈 여부를 예측하는 제3 단계; 및,상기 제3 단계의 예측 결과를 출력하는 제4 단계를 포함하되,상기 제3 단계는,상기 분류된 시간기준 전처리 데이터를 이용하여 상기 행동패턴을 추출하여 고객의 이탈 여부를 예측하는 과정과, 상기 분류된 고객기준 전처리 데이터를 이용하여 상기 통계지표를 추출하여 고객의 이탈 여부를 예측하는 과정과, 상기 예측 결과에 대해 투표 기법을 적용하여 과반수 이상의 예측 결과를 산출하는 과정을 포함하고,상기 행동패턴을 추출하여 고객의 이탈 여부를 예측하는 과정은 기준 속성에 따라 세분화된 상기 행동패턴을 독립적으로 활용하여 고객의 이탈 여부를 예측하고,상기 통계지표를 추출하여 고객의 이탈 여부를 예측하는 과정은 RF(Random Forest, 랜덤 포레스트) 기반의 예측 모델을 이용하여 Mean Decrease Accuracy를 계산함으로써 상기 고객기준 전처리 데이터에 포함된 각 속성의 중요도를 계산하고, 높은 중요도를 가지는 기설정된 개수의 속성을 선정하여 고객의 이탈 여부를 예측하고,상기 예측 결과에 대해 투표 기법을 적용하여 과반수 이상의 예측 결과를 산출하는 과정은 상기 행동패턴을 추출하여 고객의 이탈 여부를 예측하는 과정과 상기 통계지표를 추출하여 고객의 이탈 여부를 예측하는 과정에서 사용된 모델을 이용하여 구축된 모델을 이용하는 고객이탈 예측방법
|
9 |
9
청구항 8에 있어서, 상기 제2 단계는,상기 입력된 고객 데이터를 시간기준으로 전처리하여 시간기준 전처리 데이터로 분류하고, 상기 입력된 고객 데이터를 고객기준으로 전처리하여 고객기준 전처리 데이터로 분류하는 고객이탈 예측방법
|
10 |
10
청구항 9에 있어서, 상기 시간기준 전처리 데이터는 고객의 행동을 시간 순으로 배열한 타임 테이블 형식이고, 상기 고객기준 전처리 데이터는 시간과는 무관하게 다수의 고객 속성을 배열한 속성 테이블 형식인 고객이탈 예측방법
|
11 |
11
삭제
|
12 |
12
청구항 8에 있어서, 상기 행동패턴은 RNN 기반의 예측모델, CNN 기반의 예측모델을 이용하여 추출하며,상기 통계지표는 XGBoost 기반의 예측 모델을 더 이용하여 추출하는 고객이탈 예측방법
|
13 |
13
청구항 12에 있어서, 상기 제3 단계는,상기 RNN, CNN, RF, XGBoost 기반의 예측 모델 중 적어도 어느 3개의 예측 모델을 이용하는 고객이탈 예측방법
|
14 |
14
청구항 12에 있어서, 상기 예측 결과에 대해 투표 기법을 적용하여 과반수 이상의 예측 결과를 산출하는 과정은,상기 RNN 기반의 예측 모델과 상기 RF 기반의 예측 모델과, 상기 XGBoost 기반의 예측 모델을 이용하는 고객이탈 예측방법
|
15 |
15
컴퓨팅 수단에서,고객 데이터를 입력하는 단계;상기 입력된 고객 데이터를 전처리하여 시간기준 전처리 데이터와 고객기준 전처리 데이터로 분류하는 단계;상기 분류된 시간기준 전처리 데이터를 이용하여 행동패턴을 추출하고, 상기 분류된 고객기준 전처리 데이터를 이용하여 고객의 통계지표를 추출하며, 상기 추출된 행동패턴과 통계지표를 이용하여 고객의 이탈 여부를 예측하는 단계; 및,상기 고객의 이탈 여부를 예측하는 단계의 예측 결과를 출력하는 단계를 실행시키되,상기 고객의 이탈 여부를 예측하는 단계는,상기 분류된 시간기준 전처리 데이터를 이용하여 상기 행동패턴을 추출하여 고객의 이탈 여부를 예측하는 과정과, 상기 분류된 고객기준 전처리 데이터를 이용하여 상기 통계지표를 추출하여 고객의 이탈 여부를 예측하는 과정과, 상기 예측 결과에 대해 투표 기법을 적용하여 과반수 이상의 예측 결과를 산출하는 과정을 포함하고,상기 행동패턴을 추출하여 고객의 이탈 여부를 예측하는 과정은 기준 속성에 따라 세분화된 상기 행동패턴을 독립적으로 활용하여 고객의 이탈 여부를 예측하고,상기 통계지표를 추출하여 고객의 이탈 여부를 예측하는 과정은 RF(Random Forest, 랜덤 포레스트) 기반의 예측 모델을 이용하여 Mean Decrease Accuracy를 계산함으로써 상기 고객기준 전처리 데이터에 포함된 각 속성의 중요도를 계산하고, 높은 중요도를 가지는 기설정된 개수의 속성을 선정하여 고객의 이탈 여부를 예측하고,상기 예측 결과에 대해 투표 기법을 적용하여 과반수 이상의 예측 결과를 산출하는 과정은 상기 행동패턴을 추출하여 고객의 이탈 여부를 예측하는 과정과 상기 통계지표를 추출하여 고객의 이탈 여부를 예측하는 과정에서 사용된 모델을 이용하여 구축된 모델을 이용하는 기록매체에 저장된 컴퓨터 프로그램
|