پیش بینی وفاداری و رویگردانی بیمه شدگان خویش فرمای سازمان تامین اجتماعی مبتنی بر روشهای داده کاوی

وفاداری و رویگردانی مشتریان یکی از چالش های مهم شرکتها و موسساتی است که خدمات و کالا را به مشتریان خود عرضه میکنند. سازمان تامین اجتماعی هم در موضوع وفاداری بیمه شدگان خویش فرما جهت ادامه بیمه پردازی، در سالهای اخیر با چالش فوق مواجه بوده است. در این پژوهش اطلاعات و شاخصهای مهم حدود ۲۱۴۰۷ نفر در قالب ۲۷ ویژگی از بانکهای اطلاعاتی سازمان مذکور استخراج گردید. سپس با استفاده از الگوریتم NSGA-II، تعداد ۷ ویژگی مهم که دارای حداقل خطای طبقه بندی بودند، انتخاب شد. در ابتدا عملیات طبقه بندی داده ها با شبکه عصبی چندلایه برروی داده های موجود و با استفاده از ۲۷ ویژگی انجام شد و دقت طبقه بندی ۹۷.۶ درصد بدست آمد. پس از انتخاب بهترین طبقه بند که شبکه عصبی بود، عملیات طبقه بندی با شبکه عصبی برروی همان داده ها و در قالب ۷ ویژگی انجام شد و دقت ۹۶.۸ درصد بدست آمد. در مرحله انتخاب بهترین طبقه-بند جهت انجام پیش بینی های مورد نیاز، از ۳ الگوریتم شبکه عصبی چندلایه، الگوریتم ماشین بردار پشتیبان (SVM) و الگوریتم KNN استفاده شد که نهایتا شبکه عصبی چندلایه، بهترین دقت طبقه بندی را با مقدار ۹۶.۸ درصد بدست آورد. سپس برای شبکه عصبی مذکور با استفاده از ۷ ویژگی مربوط به داده های سالهای ۱۳۶۷ تا ۱۳۹۵ آموزش انجام شد. از شبکه عصبی آموزش دیده جهت پیش بینی وفاداری و رویگردانی مشتریان سالهای ۱۳۹۶ و ۱۳۹۷ که به تعداد ۸۳۶۴ رکورد می باشد، استفاده شد. نهایتا این نتیجه حاصل شد که با در نظر گرفتن همه احتمالات، حدود ۲۷.۶۵ درصد از بیمه شدگان خویش فرمای سالهای ۱۳۹۶و۱۳۹۷ در کلاس رویگردان دسته بندی خواهند شد.

کلیدواژه ها:

تامین اجتماعی ، وفاداری و رویگردانی ، طبقه بندی ، انتخاب ویژگی