고객 만족의 이해를 통한 지속적 향상 Understanding Customer Satisfaction to Keep It Soaring

Jenn Atlas 01 December, 2020

Topics: Minitab Statistical Software, CART, classification trees

Airplane flying through the clouds

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.

mss20-cart-blog-customer-satisfaction-graph-4

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?
새로운 기능 알아보기


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.

Relative Variable Importance graph in Minitab Statistical Software

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.

CART Tree Alternative Model View in Minitab Statistical Software

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.

Indicator Bar in CART Tree in Minitab Statistical Software

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.

Detailed view of CART Tree in Minitab

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?
웨비나 등록