머신러닝 기법을 활용한 이동통신사업자의 5G 요금제 잠재고객 이탈요인에 관한 연구

Abstract

과학기술의 급속한 발전에 따라 통신 기술도 제4 세대 이동통신 기술 (4G)에서 제5 세대 이동통신 기술 (5G)로의 큰 도약을 맞이하고 있다. 통신사들에게 있어서 경쟁이 치열한 통신 업계에서 선도적인 우위를 확보하고 5G 잠재고객에 대한 연구는 분리할 수 없는 관계다. 5G 요금제 잠재고객을 효과적이고 정확하게 예측하고 식별하며 이들을 실제 5G 요금제 고객으로 전환시키는 것은 현재 모든 이동통신 사업자가 5G 요금제를 홍보할 때 집중적으로 주목해야 할 문제이다. 본 논문은 중국 이동통신 회사의 4G(LTE)에서 5G로 전환하는 사용자 데이터 정보를 기반으로 Logistic regression, Decision tree, Random forest, XGboost, Stacking 모델을 구축하여 5G 요금제 잠재고객을 예측하고 이탈 요인을 분석한다. 결과적으로 XGBoost와 Stacking 모델은 다른 모델에 비해 모델 성능이 우수하여 5G 잠재고객을 더 정확하게 예측하고 식별할 수 있다. 선행 연구의 5G 잠재 고객 예측 모델에 비해 모델의 정확도가 크게 향상되었다. 변수 중요도와 연구 결과를 통해 최근 3개월 평균 ARPU, 당월 ARPU, 가정 사용자 여부, 사용자 주요 요금제 가치, 사용자 총 요금제 가치 등이 5G 요금제에 영향을 미치는 요인임을 확인했다. 선행 연구의 이탈 요인 분석 방법을 결합하여 변수 중요도와 로지스틱 회귀를 사용한 가설 검정 결과는 5G 잠재 고객의 이탈에 영향을 효과적으로 파악할 수 있다. 일반적으로 통신 고객의 이탈 요인이 가격, 네트워크 속도, 서비스 품질과 관련이 있다고 한다. 새롭게 발견된 사실은 5G 환경에서는 휴대폰 교체 등의 요인이 5G 요금제 잠재 고객에게 긍정적인 영향을 미친다. 특히, 광대역과 터미널 번들 요인이 5G 요금제 잠재 고객에게 긍정적인 영향을 미치는 것은 5G 요금제 환경에서만 발견할 수 있는 요인이었다. 이동 통신 사업자는 연구 결과를 통해 이탈 요인을 파악하고, 잠재적인 5G 고객을 효과적으로 예측하고 식별할 수 있다. 이는 5G 고객 전환율 향상과 5G 상업화를 촉진하는 데 중요한 실용적 의미를 가지고 있다.|With the rapid advancement of science and technology, telecommunications technology is undergoing a significant leap from the fourth-generation mobile communication technology (4G) to the fifth-generation mobile communication technology (5G). Securing a leading position in the highly competitive telecommunications industry and conducting research on potential 5G customers are crucial for telecom companies. Effectively and accurately predicting and identifying potential customers for 5G plans and converting them into actual 5G plan subscribers are critical concerns for all mobile telecommunication businesses when promoting 5G plans.This paper constructs Logistic regression, Decision tree, Random forest, XGBoost, and Stacking models based on user data from a Chinese mobile communication company's transition from 4G (LTE) to 5G. The models aim to predict potential customers for 5G plans and analyze the factors contributing to customer churn. The results indicate that the XGBoost and Stacking models outperform other models, achieving more accurate prediction and identification of potential 5G customers.Compared to previous research on predicting potential 5G customers, the model's accuracy has significantly improved. Through the evaluation of variable importance and research results, it has been confirmed that factors such as the average monthly revenue per user (ARPU) for the past three months, monthly ARPU, user status (home user or not), the value of the user's primary plan, and the value of the user's total plan significantly influence the adoption of 5G plans. By combining prospective departure factor analysis methods, hypothesis testing using variable importance and logistic regression effectively identify the factors influencing potential customer churn in relation to 5G plans.Generally, factors contributing to customer churn in the telecommunications industry are related to price, network speed, and service quality. A newly discovered fact is that in the 5G environment, factors such as cell phone replacement have a positive impact on potential customers for 5G plans. Particularly, it is within the 5G plan environment that factors such as broadband and terminal bundle have a positive impact on potential customers for 5G plans.Mobile telecommunication businesses can effectively predict and identify potential 5G customers by leveraging the research findings to identify churn factors. This has significant practical implications for improving the conversion rate of 5G customers and promoting the commercialization of 5G technology.