마지막으로 비행기에 탑승했을 때 얼마나 만족하셨나요? 많은 분들은 지난 탑승 경험에 긍정적이거나 부정적인 영향을 준 몇 가지 요인을 떠올리고, 그 결과로 만족도가 어느 정도였는지 판단할 수 있을 겁니다.

항공사의 경우, 항공편에 탑승한 고객의 만족도가 주된 지표로 작용합니다. 물론 탑승객이 만족했다는 사실을 확인하는 것도 좋지만, 만족한 이유를 아는 것이 더 중요합니다. 이러한 통찰력은 항공사가 고객의 입장에서 자사의 강점과 개선할 점을 파악하는 데 매우 유용합니다. 좀 더 자세히 알아볼까요?

한 고객 만족도 연구에서는 승객들에게 전반적인 만족도와 함께 비행의 여러 요소(예: 좌석의 편안함, 온라인 예약 용이성, 다리 실내 좌석(Legroom), 출발/도착 지연 시간(분))에 대한 평가를 요청했습니다. 설문조사 결과, 승객의 54%가 비행에 만족했다고 응답하여 대다수의 고객이 탑승 경험에 만족한 것으로 나타났습니다.

고객이 만족한 이유 이해하기

대다수의 고객이 비행 경험에 만족했다니 좋은 일입니다. 다음으로 해야 할 질문은 "고객이 만족한 이유는 무엇이며, 만족한 고객과 중립적이거나 불만족한 고객의 차이점은 무엇인가?"입니다. 이 설문 조사에는 20가지가 넘는 예측 변수와 100,000개 행이 넘는 분량의 데이터가 있습니다. Minitab Statistical Software 최신 버전의 예측 분석 메뉴에서는 CART®를 사용하여 고객 만족의 주요 동인을 신속하게 파악할 수 있습니다.

Minitab 최신 버전에 대해 자세히 알아보고 싶으신가요?

CART®(Classification and Regression Trees)는 데이터 변수에서 중요한 패턴과 관계를 찾는 데 사용되는 의사결정 트리 알고리즘입니다. 질문이나 문제에 대한 답변이 이항식 또는 다항식 범주형 답변인 경우 CART 분류(Classification)을, 여러 개의 범주형 또는 연속형 예측 변수가 있는 연속형 답변의 경우 CART 회귀(Regression)을 사용하세요.

이 설문조사에서는 고객의 만족 여부를 두 그룹으로 나누었으므로 CART 분류(Classification)를 사용합니다. CART의 주요한 아이디어는 종속 변수(목표 변수라고도 하며, 이 경우에는 만족도에 해당)를 더욱 정확하게 예측할 수 있도록 예측 변수를 여러 영역으로 나누는 것입니다. Minitab Statistical Software가 최적의 의사결정 트리를 자동으로 찾아 모형 통계를 제공하며, 이를 통해 해당 모형이 유용한지 알아볼 수 있습니다.

이 데이터를 분석할 때 기본 모델이 매우 크더라도 괜찮습니다. 예를 들어 만족도의 주요 원인을 집중적으로 이해하고 싶을 때는 상대 변수 중요도 그림에서 트리의 가장 중요한 변수에 해당하는 예측 변수를 확인할 수 있습니다.

아래에서 보시다시피 기내 엔터테인먼트와 좌석의 편안함은 만족도 예측에 가장 중요한 변수이며, 역시 매우 중요한 변수에 해당하는 온라인 예약 용이성과 온라인 지원이 그 뒤를 이었습니다.

대체 모형에 적합되는 유연성

많은 경우 CART 트리는 규모가 매우 클 수 있습니다. 특히 도출한 통찰력을 다른 사람과 공유하려는 경우, 비슷한 정보를 포함하는 더 작은 트리를 살펴보는 것이 유용할 수 있습니다. 다행히 Minitab Statistical Software의 최신 버전에서는 하나의 창에서 대체 모형을 편리하게 탐색하고 확인하며 검토할 수 있는 대화형 모델 보기 기능이 지원됩니다.

이 기능을 사용하면 아래처럼 훨씬 더 작은 트리를 선택하여 주요 변수와 분할을 확인할 수 있습니다.

상세 정보를 확인할 수 있는 트리 다이어그램

트리를 자세히 살펴보면, 기내 엔터테인먼트의 점수가 3.5점 이상인 경우 고객의 81% 가량이 관련 경험에 만족했다고 응답한 것을 알 수 있습니다.

위와 트리의 각 노드에 표시된 빨간색 및 파란색 표시 막대를 통해 이러한 결과를 편리하게 확인할 수 있습니다. 파란색 표시 막대는 만족을, 빨간색 표시 막대는 중립/불만족을 나타냅니다. 이 다이어그램을 통해 고객의 기내 엔터테인먼트의 점수가 3.5점 미만인 경우에는 좌석의 편안함 점수가 높으면 만족할 가능성이 높으나, 좌석의 편안함 점수가 낮으면 만족할 가능성도 낮아진다는 사실(트리의 왼쪽 경로 참조)도 확인할 수 있습니다.

CART 트리는 중요한 변수의 이해뿐 아니라 모형의 분할 값을 확인하여 변수를 쉽게 알아보는 데에도 도움이 됩니다. 위의 트리를 활용한 항공사는 고객이 양질의 기내 엔터테인먼트와 편안한 좌석을 원한다는 것을 쉽게 예측할 수 있을 뿐 아니라, 기내 엔터테인먼트의 품질이 그다지 좋지 않더라도 편안한 좌석이 제공되면 고객의 만족도를 유지할 수 있다는 중요한 통찰력을 얻을 수 있습니다.

CART는 많은 가정이 필요하지 않으며 비교적 신속하게 실행할 수 있어 유용한 분석 도구입니다. 예측 분석과 머신 러닝이 너무 어렵게 느껴져서 아직 분석하지 않은 데이터가 있다면, Minitab Statistical Software의 최신 버전에서 더욱 더 쉬워진 CART를 사용해 보세요.

Minitab에서의 CART® 사용 방법에 관한 팁과 요령을 자세히 알아보고 싶으신가요?