دسته بندی نظرات خریداران بیمه زندگی بر اساس الگوریتم های متن کاوی

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 294

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIRC-38-1_002

تاریخ نمایه سازی: 13 تیر 1402

چکیده مقاله:

پیشینه و اهداف: در سال های اخیر صنعت بیمه رشدی چشمگیر داشته است و شرکت های مختلف با خدمات گوناگون پا به عرصه گذاشته اند. بازاریابی موفق یکی از اهداف اصلی شرکت های بیمه است؛ پیداکردن افرادی که احتمال میرود از خدمات بیمه استفاده کنند، بسیار مهم است و منجر به مدیریت هرچه بهتر سرمایه و هزینه ها می شود. هدف اصلی این پژوهش، دستهبندی نظرات خریداران بیمه زندگی یک شرکت بیمه ای بر اساس الگوریتمهای متن کاوی است تا بتوان از این دسته بندی به عنوان مبنایی برای پیش بینی مشتریان احتمالی آتی استفاده کنیم. با پیش بینی این دسته از مشتریان می توانیم استراتژی بازاریابی مناسبی برای فروش خدمات خود اتخاذ کنیم.روش شناسی: در این پژوهش به بررسی یک مجموعه داده متنی شامل نظرات خریداران بیمه زندگی پرداخته ایم، چرا که با وجود رشد روز افزون حجم این دسته از داده ها، وجود ابزارهایی جهت سازماندهی، بازیابی و کشف دانش مفید از آنها ضروری است. در همین راستا، تاکنون تحقیقات گسترده ای روی تکنیک های پردازش متن صورت گرفته است. این تکنیک ها، با استفاده از شناسایی و کشف الگوها، به دنبال استخراج اطلاعات مفید از داده های متنی بدون ساختار هستند. در این مقاله نظرات خریداران بیمه زندگی ، به صورت یک مساله مستقل مورد بررسی قرار گرفته است. هدف اصلی، دسته بندی این نظرات بر اساس الگوریتم های متن کاوی به دو دسته مثبت و منفی است. برای رسیدن به این هدف، برای اولین بار در صنعت بیمه از چهار الگوریتم مختلف یادگیری ماشین برای متن کاوی نظرات بیمه گذاران استفاده شده است.یافته ها: با توجه به نتایج حاصله از تکنیک های به کار رفته در این پژوهش می توان گفت که الگوریتم ماشین بردار پشتیبان با میزان ۷۳ درصد، بیشترین میزان معیار دقت پیش بینی را در بین سایر الگوریتم های مورد استفاده در این پژوهش داشته است. در ضمن اکثریت بیمه گذاران نیز نظر مثبتی در ارتباط با خدمات دریافتی داشته اند و این بدان معناست که اکثر مشتریان استفاده کننده از خدمات، از شرکت راضی هستند.نتیجه گیری: اکثریت بیمه گذاران مایلند در آینده نیز این خدمت بیمه ای را در سبد خرید خود داشته باشند. لذا مسئولین شرکت می توانند، مشتریان احتمالی خود را از میان این افراد پیدا و برای فروش خدمات خود بر روی آنها سرمایه گذاری کنند. با این استراتژی بازاریابی، مدیران می توانند هزینه های شرکت را کاهش داده و با صرفه جویی در هزینه از این راه، قیمت خدمات خود را کاهش دهند. همه ما می دانیم که هدف هر شرکتی تعیین قیمت برای به حداکثررساندن سود است که به آن قیمت بهینه نیز گفته می شود. تعیین قیمت بهینه به درک هزینه ها، کشش قیمت، ترجیحات مصرف کننده و اقدامات استراتژیک بازاریابی ما بستگی دارد. با این نتایج می توانیم استراتژی بازاریابی مناسب خود را انتخاب کنیم. زیرا تعیین یک قیمت حق بیمه بهینه یک مزیت رقابتی برای شرکت ها ایجاد می کند. مانند هر صنعت دیگری، قیمت تابع قانون عرضه و تقاضا است. از آنجایی که دریافت بهترین قیمت جزو اولویت های اصلی مشتریان بیمه است، حتی درصد کمی تغییر در قیمت حق بیمه باعث می شود بسیاری از مشتریان بیمه گران خود را تغییر دهند. بنابراین، قیمت گذاری بهینه در بخش بیمه، حداکثر سود را ممکن می سازد.

نویسندگان

علیرضا امین پور

گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه ایوان کی، ایوان کی، ایران

محمد ربیعی

گروه مهندسی برق و کامپیوتر، دانشکده فنی و مهندسی، دانشگاه ایوان کی، ایوان کی، ایران

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 :
  • Amarasinghe, H.; Warnakulasuriya, S.; Johnson, N. W., (۲۰۲۱). Evaluation of ...
  • Asghari, R., (۲۰۱۲). Application of N-gram model in statistical language ...
  • Boroun, G.; Raad, F.; Parvin, H., (۲۰۱۵). Evaluation analysis and ...
  • Fadaei eslam, M.J., (۲۰۲۱). Co-partitioning using the two-stage structured matrix ...
  • Homburg, C.; Jozić, D.; Kuehnl, C., (۲۰۱۷). Customer experience management: ...
  • Hsia, J.; Kemper, E.; Kiefe, C.; Zapka, J.; Sofaer, S.; ...
  • Izadparast, M.; Farahi, A.; Fathnezhad, F.; Teimourpour, B., (۲۰۲۲). Using ...
  • Kiadaliri, F.; Azizi, A., (۲۰۲۰). An overview of performance evaluation ...
  • Pahlevani Ghomi, M.; Osati Araghi, N.; Nazari, S., (۲۰۲۰). Machine ...
  • Rezaei navaei, S.; Koosha, H., (۲۰۱۷). Applying and evaluating data ...
  • Sagiroglu, S.; Sinanc, D., (۲۰۱۳). Big data: A review. Collaboration ...
  • Turney, P.D., (۲۰۰۲). Thumbs up or thumbs down? Semantic orientation ...
  • Vali Mohammadi, S.; Shekarchi, A., (۲۰۱۰). The application of data ...
  • Zaresaadabadi, E.; Zaresaadabadi, M., (۲۰۱۴). Data mining is a new ...
  • نمایش کامل مراجع