18
로우코드 AI
1.1
목표 및 사용 사례 파악하기
기업, 교육 기관, 정부 기관 그리고 실무자들은
ML
의 실제 사례를 반영한 다음과 같은 의사 결
정에 직면하게 됩니다.
•
당뇨병 웹 애플리케이션의 환자 참여도를 높이려면 어떻게 해야 할까요?
•
학생들의 수업 평가 설문 조사 참여도를 높이려면 어떻게 해야 할까요?
•
회사 네트워크에 대한 공격을 더 빠르게 탐지하려면 어떻게 해야 할까요?
•
이메일 서버에 유입되는 스팸 수를 줄일 수 있을까요?
•
제조 생산 라인의 가동 중지 시간을 줄이려면 어떻게 해야 할까요?
•
고객 유지율을 높이려면 어떻게 해야 할까요?
•
고객 이탈률을 줄이려면 어떻게 해야 할까요?
이러한 각 사례에서 문제를 해결하거나 의사 결정을 지원하려면 다양한 출처의 데이터를 검토
해야 합니다. 예를 들어, 고객 이탈률이나 손실률을 줄이는 사용 사례를 살펴보겠습니다.
이탈
예측
은 서비스나 제품을 더는 사용하지 않을 가능성이 높은 고객을 찾는 것입니다. 이 문제는
‘이탈한 고객’과 ‘이탈하지 않은 고객’이라는 두 범주로 나누어지는 분류 문제로, 지도 학습에 속
합니다.
데이터 출처의 관점에서 고객 프로필 정보(이름, 주소, 나이, 직책, 고용 상태), 구매 정보(구매
및 결제 내역), 상호작용 정보(디지털 및 물리적 방식으로 제품과 상호작용을 하는 고객 경험),
고객 서비스 팀 또는 디지털 지원 서비스의 검토가 필요할 수도 있습니다. 고객 정보는 고객 관
계 관리 시스템, 전자 상거래 분석 서비스, 고객 피드백과 같은 출처에서 ...