경험 기반 구체화
이탈 방지 모델을 개발할 때 가장 중요한 접근법은 이탈의 정의를 먼저 정확히 설정하는 것입니다. 구독 해지인지, 앱 삭제인지, 30일 이상 비활성인지에 따라 레이블 자체가 달라지기 때문에, 비즈니스와 함께 이탈 정의를 명확히 하는 것이 첫 단계입니다. 학교 ML 수업에서 고객 이탈 예측 프로젝트를 했는데, 이탈 클래스 불균형 문제가 가장 먼저 직면한 도전이었습니다. 이탈 고객이 전체의 5% 미만이어서 정확도(Accuracy)만 높이면 모든 고객을 '유지'로 예측하는 모델이 만들어졌는데, Recall과 F1 점수를 함께 최적화하는 방향으로 전환하자 의미 있는 모델이 됐습니다. 모델이 예측한 이탈 가능성이 높은 고객에게 개입 캠페인을 먼저 보내는 방식으로 실제 비즈니스 가치와 연결되는 구조가 중요하다고 생각합니다.