계산 예시
이탈 예측 점수 0.8인 고객은 0.5인 고객보다 떠날 가능성이 크다고 본 거예요. 이 고객이 반드시 떠난다는 뜻도, 떠날 확률이 80%라는 뜻도 아니에요.
흔한 오해
"점수가 높으면 그 고객은 떠난다." 점수는 비슷한 고객들 사이의 가능성이에요. 높은 점수에도 남는 고객이 있고, 낮은 점수에도 떠나는 고객이 있어요.
배우는 길
- 먼저 보면 좋아요
- 이탈
- 여기서 배워요
- 단원 9-2 예측 점수와 기준선
- 다음에 보면 좋아요
- 정밀도와 재현율
예측 점수
Propensity Score
고객이 어떤 행동(이탈, 재구매, 반응)을 할 가능성을 AI나 통계 모델이 0에서 1 사이 숫자로 매긴 것. 과거 고객의 기록에서 배운 규칙으로 매기므로, 과거 데이터의 착시와 빈칸도 함께 배워요. 점수는 예언이 아니고, 점수 숫자가 곧 확률인 것도 아니에요(0.7이 떠날 확률 70%라는 뜻은 아니에요). 누가 더 떠날 것 같은지 순서를 매기는 데 먼저 쓰고, 어디서 끊어 행동할지(기준선)는 사람이 정해요.