Churn prediction is an important task both theoretically and practically since customer acquisition and retention is essential to maximizing a company’s profits. This study developed a model to predict the churn of app users by using the mobile app log data of OK Cashbag, the largest coalition loyalty program in Korea. The model used customer demographic information and in-app behavior data as variables, and utilized Naïve Bayes Classification, Support Vector Machine, and Deep Neural Network techniques. In particular, the prediction accuracy was significantly improved by adding RFM(Recency, Frequency, Monetary) scores as predictors. The analysis confirmed that the Deep Neural Network showed the highest F1-score by extracting high-dimensional characteristics, and it was also confirmed that customer churn could be effectively predicted by using the behavior log and demographic information.
고객 확보 및 유지는 기업의 이윤 극대화에 필수적이기 때문에 이탈 가능성이 큰 고객을 사전에 예측하는 것은 이론적, 실무적으로 중요한 과제이다. 본 연구는 국내 최대 통합 로열티 프로그램인 OK캐쉬백의 비식별 로그 데이터를 활용하여 앱 이용 고객의 이탈을 예측하는 모델을 개발하였다. 이용 고객의 인구통계학적 정보와 앱 내 행동 데이터를 변수로 사용하고 Naïve Bayes Classification, Support Vector Machine, Deep Neural Network 기법을 활용하였으며, 특히 RFM(Recency, Frequency, Monetary) 스코어를 예측 변수로 추가하여 예측력을 향상시켰다. 분석 결과에 따르면, Deep Neural Network가 여러 층의 가중치 계산으로 고차원적 특성이 추출되어 높은 F1-스코어를 나타냈으며, 행동 로그와 인구통계학적 정보를 활용함으로써 고객 이탈 예측이 가능함을 확인하였다.