چکیده مقاله
پس از ورود جدی بیمه های خصوصی به عرصه بیمه، رقابت بین بیمه ها به منظور شناسایی، جذب و حفظ مشتریان از اهمیت بالایی برخوردار شده است تحلیل رفتار مشتریان در سازمانهای فعال در این حوزه که با تعداد کثیری از مشتریان در نقاط پراکنده با ویژگی های متفاوت سر و کار دارند، باعث موفقیت آن ها در بازار رقابتی و مدیریت ارتباط موثر با مشتریان می شود بخش بندی مشتریان، از رویکردهای داده کاوی که منجر به کشف گروه های مشابه از مشتریان می شود، اغلب بر اساس مدل RFM، از سه متغیر تازگی آخرین خرید، فراوانی خرید و ارزش پولی خرید استفاده می گردد در این مقاله، الگوی جدید بخشبندی مشتریان بر پایه مدل توسعه یافته RFM به وسیله افزودن متغیر طول ارتباط ارایه شده است مشتریان بیمه بر اساس مدل RFM و مدل پیشنهادی این پژوهش LRFM و با استفاده از الگوریتم خوشه بندی دومرحله ای و به کارگیری گام های متدلوژی CRISP DM بخش بندی شده اند وزن هر یک از مشخصه های این مدل با استفاده از روش فرایند تحلیل سلسله مراتبی تعیین شده است نتایج نشان می دهد، دقت مدل LRFM نسبت به مدل RFM در بخش بندی مشتریان این صنعت بیشتر است ضمن تحلیل رفتار مشتریان هر خوشه، مدلی مبتنی بر شبکه عصبی پیش خوراند برای پیش بینی شماره خوشه مشتریان بر مبنای ویژگی های رفتاری و جمعیت شناختی آن ها توسعه داده شده است
کلیدواژهها
نویسندگان
پردیس زرین قدم
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد الکترونیکی
محسن قره خانی
دکتری مهندسی صنایع، استادیار دانشکده مهندسی دانشگاه قم
شیوه ارجاع
�رین قدم، پردیس و قره خانی، محسن،1395،طراحی الگوی بخش بندی مشتریان بیمه عمر بر مبنای مدل LRFM با استفاده از هوش مصنوعی،بیست و سومین همایش ملی و نهمین همایش بین المللی بیمه و توسعه،تهران
ارائهشده در
مجموعه مقالات بیست و سومین همایش ملی و نهمین همایش بین المللی بیمه و توسعه13 آذر 1395 · تهران