자연어 처리(NLP)와 머신러닝 기반 인과추론(Causal ML) 방법론을 어떻게 적용해본 경험이 있나요?

NLP 토픽 모델링과 인과추론을 결합해 구독 서비스 이탈 원인을 분석한 경험이 있습니다. 해지 시 작성하는 이유 텍스트에서 LDA 토픽 모델링으로 주요 이탈 이유 패턴을 추출했고, 각 토픽이 이탈 확률에 미치는 인과 효과를 Causal Forest로 추정했습니다. 비정형 텍스트를 인과추론의 처리 변수로 변환하는 방식이 핵심 설계 과제였고, 토픽 비중 벡터를 연속 처리 변수로 사용하는 방식을 택했습니다.

가격 불만과 기능 불만이 이탈에 미치는 인과 효과가 사용자 세그먼트별로 다르다는 것이 주요 발견이었습니다. 장기 사용자는 기능 불만이, 신규 사용자는 가격 불만이 이탈에 더 강한 영향을 미쳤고, 세그먼트별 리텐션 대응 전략 차별화에 이 결과를 활용했습니다.