정상 이용
25.4명
MARKOV SIMULATION LABPROTOTYPE
현재 상태만으로
미래를 예측할 수 있다면?
전이 확률을 직접 바꾸고 고객 상태가 24개월 동안 어떻게 이동하는지 확인해보세요. 행렬 한 줄이 미래의 분포를 어떻게 바꾸는지 즉시 볼 수 있습니다.
정상 이용이탈 위험이탈
TRANSITION MATRIX
전이 확률 편집기
각 행은 현재 상태에서 다음 달에 이동할 확률입니다.
모든 행의 합계가 100%여야 합니다.
LIVE DISTRIBUTION
12
개월 경과
초기 고객 100명의 확률적 기대값 · 개인별 무작위 표본이 아닙니다.
25.4%
9.3%
65.3%
이탈 위험
9.3명
이탈
65.3명
월별 상태 변화
선은 기대 고객 수를, 점선은 현재 선택한 시점을 나타냅니다.
CHOOSE THE RIGHT MODEL
더 빠른 계산보다, 맞는 계산이 먼저입니다.
마르코프 체인은 개별 경로를 압축해 상태별 기대값을 계산합니다. 압축해도 되는 정보가 무엇인지가 대체 가능성을 결정합니다.
개별 단위 시뮬레이션
각 사람의 경로를 따라갑니다
- 1개별 사용자·에이전트 생성
- 2행동과 이력 추적
- 3규칙·이벤트별 계산
- 4마지막에 결과 집계
마르코프 체인
전체 분포를 한 번에 옮깁니다
- 1서로 구분되는 상태 정의
- 2전이 확률 행렬 구성
- 3행렬을 기간만큼 반복 계산
- 4상태별 기대값 산출
계산량이 줄어들 가능성은 있지만 개선 폭은 상태 수, 에이전트 수, 이벤트 구조와 구현 방식에 따라 달라집니다.
THE MEMORY PROBLEM
현재가 같아도, 과거는 다릅니다.
단순 마르코프 체인은 다음 상태가 현재 상태에만 의존한다고 가정합니다. 그래서 아래 두 고객을 같은 ‘위험’ 상태로 처리합니다.
고객 A정상정상위험
고객 B위험위험위험
상태 확장
최근 행동이나 고객 등급을 별도 상태로 나눠 과거 정보 일부를 현재 상태에 담습니다.
비동질 마르코프 체인
월·계절·정책에 따라 서로 다른 전이 행렬을 사용합니다.
준마르코프 모델
현재 상태뿐 아니라 그 상태에 머문 시간까지 다음 이동에 반영합니다.
MDP
상태에서 어떤 행동을 선택할지와 그 행동의 보상까지 함께 최적화합니다.
FIT CHECK
사내 시뮬레이션에 맞을까요?
다섯 가지 조건으로 출발점을 찾아봅니다. 이 결과는 설계 검토용 체크리스트이며 실제 대체 가능성을 확정하지 않습니다.