دسته بندی مشتریان بیمه درمان با تکنیک های بازاریابی داده محور

هدف: شناسایی و طبقه­بندی مشتریان بیمه درمان به منظور شناسایی جامعه هدف و در نتیجه افزایش سودآوری شرکت های بیمه، ایجاد توازن در پرداختی حق بیمه و طراحی استراتژی بازاریابی. روش­شناسی: در این مقاله از ۵ الگوریتم یادگیری ماشین درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، بیز ساده و رگرسیون لجستیک به منظور طبقه­بندی مشتریان به دو دسته سود ده و زیان ده استفاده شده است. به این منظور از داده ها و اطلاعات تعداد ۲۸۹۷ بیمه­نامه درمان یک شرکت بیمه خصوصی در بازه زمانی آذر ۱۴۰۰ تا آذر ۱۴۰۱ استفاده شده است. یافته­ها: این مقاله نشان می دهد که با استفاده از روش های یادگیری ماشین و ویژگی های ثبت شده از مشتریان در پرسشنامه سلامت می­توان سود ده یا زیانده بودن آن­ها را تا حدود مناسبی پیش­بینی کرد. این مقاله نشان می­دهد که تمرکز بر روی جامعه هدف معرفی شده توسط مدل شانس موفقیت و افزایش سود را به مقدار چشم گیری افزایش می­دهد. نتیجه گیری: می­توان با استفاده از روش های یادگیری ماشین به درک مناسبی از مشخصه­های مشتریان بیمه درمان و نیاز های آنها رسید. پیدا کردن جامعه هدف علاوه بر این­که به افزایش سود شرکت بیمه منجر می­شود می­تواند با تمرکز بر خواسته های مشتریان به افزایش رضایتمندی آن ها نیز منجر شود.

کلیدواژه ها:

Health insurance ، Data-driven marketing ، Data mining ، Machine learning ، Classification ، بیمه درمان ، بازاریابی داده محور ، داده کاوی ، یادگیری ماشین ، طبقه بندی