طراحی معماری ترکیبی هوش مصنوعی برای نگهداشت مشتریان در صنعت بیمه

چکیده مقاله

در صنعت بیمه، ارزیابی عملکرد شبکه فروش معمولا بر اساس داده های نمایندگان موفق انجام می شود، در حالی که دلایل خروج سایر نمایندگان نادیده گرفته می شود این پدیده که با عنوان «خطای بقا» شناخته می شود، موجب تصویرسازی غیرواقعی از اثربخشی سیستم فروش می گردد این مقاله با هدف اصلاح این سوگیری، از هوش مصنوعی برای تحلیل جامع داده های نمایندگان فعال و غیرفعال استفاده کرده است با بهره گیری از الگوریتم های یادگیری ماشین XGBoost، Random Forest، Logistic Regression و تحلیل ویژگی ها SHAP ، الگوهای موثر در موفقیت یا ریزش نمایندگان شناسایی شد نوآوری پژوهش در طراحی مدلی کاربردی برای پیش بینی ریزش و خوشه بندی رفتاری نمایندگان است یافته ها نشان دادند که نرخ ریزش در دو سال اول ۳۸٪ بوده و آموزش ناکافی، نبود حمایت مدیریتی و تعامل ضعیف از عوامل کلیدی خروج هستند الگوریتم XGBoost با دقت ۸۹٪ بهترین عملکرد را داشت نتایج نشان می دهد که استفاده از AI می تواند به آموزش هدفمند، مداخله زودهنگام و پایداری شبکه فروش بیمه منجر شود

کلیدواژه‌ها

نویسندگان

سید محسن توفیقی

حسن پولادیسید محمدمهدی بهشتی نژاد

حسن پولادی

سید محسن توفیقیسید محمدمهدی بهشتی نژاد

سید محمدمهدی بهشتی نژاد

سید محسن توفیقیحسن پولادی

�وفیقی، سید محسن و پولادی، حسن و بهشتی نژاد، سید محمدمهدی،1404،طراحی معماری ترکیبی هوش مصنوعی برای نگهداشت مشتریان در صنعت بیمه،سی ودومین همایش ملی و سیزدهمین همایش بین المللی بیمه و توسعه با عنوان: «بازاندیشی نظارت در بیمه؛ مسیر نوآورانه برای تنظیم گری موثر»،تهران

ارائه‌شده در

مجموعه مقالات سی ودومین همایش ملی و سیزدهمین همایش بین المللی بیمه و توسعه با عنوان: «بازاندیشی نظارت در بیمه؛ مسیر نوآورانه برای تنظیم گری موثر»11 آذر 1404 · تهران