가이거의 랜덤 포레스트, 직관보다 두 배 많은 이탈 위험 고객을 식별하다

독일의 판촉용품 유통업체 가이거(Geiger GmbH)는 직송 고객을 잃고 있으면서도 그 사실을 미리 알아차리지 못하고 있었다. 뒤셀도르프 응용과학대학(Hochschule Düsseldorf)의 교수와 학생들과 함께, 거래·인구통계·상호작용 데이터를 랜덤 포레스트 모델로 전환하여 매달 모든 거래처에 이탈 위험 점수를 부여했다.

이 점수는 영업 담당자가 누구에게 먼저 연락할지 결정하는 데 사용하는 Power BI 대시보드로 전달된다. 배포된 모델은 무작위 표적 대비 두 배 이상 많은 미래 이탈 고객을 식별하므로, 고객 유지 노력이 실제로 떠날 거래처에 집중된다.

이 프로젝트는 학술 협업으로 시작되어 일상적인 영업 운영의 일부가 되었으며, 구조화된 분석 프로젝트가 대규모 데이터 팀 없이도 중소 B2B 기업에서 성과를 낼 수 있음을 보여주었다.

모든 거래처를 매달 점수화하여 영업 담당자가 고객을 잃기 전에 개입하도록 한다

이탈 신호는 영업 담당자가 수작업으로 추적할 수 없는 거래 빈도, 주문 규모, 접촉 패턴 속에 숨어 있다.

매달 자동화된 점수 산정은 고객 유지 활동을 해지된 거래처에 대한 사후 대응이 아니라 사전 대응으로 만든다.

Power BI는 모델을 영업 담당자가 이미 일하는 곳에 배치하여, 새로운 시스템 도입의 장벽을 없앤다.

대학 파트너십은 중견 기업이 내부적으로 채용할 수 없었던 모델링 역량을 제공했다.

중견 B2B 시장에서는 영업팀의 기존 대시보드에 내장된 모델이 독립형 분석 프로젝트보다 우수하다.

이 모델은 가이거의 일상 영업 관행에 확고히 자리 잡았으며 계속 개선되고 있다. 이 사례는 INFORMS Journal on Applied Analytics에 게재되었고, 뒤셀도르프 응용과학대학 프로젝트는 구조화된 분석 프로젝트가 중견 B2B 환경에서 측정 가능한 가치를 창출하는 방식을 보여주는 템플릿이 되었다.