خوشه بندی مشتریان بیمه بر اساس تکنیک های داده کاوی جهت استفاده در تکنیک های بازی وارسازی
محل انتشار: فصلنامه پژوهشنامه بیمه، دوره: 35، شماره: 4
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 241
فایل این مقاله در 38 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIRC-35-4_004
تاریخ نمایه سازی: 20 تیر 1400
چکیده مقاله:
هدف: لزوم افزایش ضریب نفوذ بیمه در ایران ایجاب می کند شرکت های بیمه از روش های نوین برای افزایش توجه مردم به بیمه، جذب مشتریان جدید و نگهداری مشتریان پیشین استفاده کنند. در این بین، بازی وارسازی یکی از امکانات نرم افزارهای جدید در بحث مدیریت ارتباط با مشتری است که قابلیت پیادهسازی راهکارهای جذاب و متنوعی از جمله امتیازدهی، جایزه، اشتراکگذاری و ... را با استفاده از اطلاعات موجود در پایگاه داده شرکتهای بیمه فراهم نموده و با استفاده از آن میتوان مشتریان را از منظرهای مختلف (وفاداری، سوددهی و...) تقسیمبندی نمود. روش شناسی: در این تحقیق جهت پیاده سازی روش پیشنهادی از داده های بیمه گذاران حقیقی شرکت بیمه ای منتخب در سه سال اخیر با حفظ امنیت و محرمانگی آنها استفاده شد و بیمه گذاران به ۴ دسته ویژه، برتر، میانی و ضعیف تقسیم شدند و جهت بهره گیری از تکنیک های مختلف بازی وارسازی، روش های متناسب با هر گروه از آنها با توجه به ویژگی های جنسیتی، سنی و .. به کار گرفته شد. یافته ها: نتایج نشان داد از مواردی که جهت جایزه و تخفیف استفاده می شوند برای بیمه گذارن برتر و ویژه میتوان بهره گرفت. همچنین از تکنیک هایی ترغیب و ارتقای سطح بیمه گذار مانند پیشرفت مرحله به مرحله ، برای مشتریان میانی و رساندن آنها به سطح مشتریان ویژه واستفاده کرد. در سطوح مشتریان ضعیف نیز از تکنیک های بازاریابی و افزایش گستره مشتریان بالقوه مانند امکان به اشتراک گذاری یا گردونه شانس می توان استفاده نمود. نتیجه گیری: پیاده سازی سیستم بازی وارسازی در صنعت بیمه با در نظر گرفتن سطوح و ویژگی های منحصربهفرد بیمه گذاران، مقوله گسترده ای است که می تواند زمینه تحقیقات جذاب در آینده باشد. طبقه بندی موضوعی: G۲۲، C۳۸، .C۵
کلیدواژه ها:
نویسندگان
مونا پرستش
دانش آموخته کارشناسی ارشد مکاترونیک ، دانشگاه آزاد واحد تهران جنوب و کارشناس هوش تجاری شرکت بیمه البرز.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :