ارائه راه کار پیشنهادی جهت پیش بینی خوشه مشتریان از طریق ترکیب روش K-medoids با درخت تصمیم (مطالعه موردی شرکت بیمه سامان)

امروزه مهمترین اقدام شرکت های بیمه در بحث بازاریابی و تبلیغات، بخش بندی و تفکیک مشتریان بر اساس رفتارو نیاز آن ها است. این اقدام برای ارائه و معرفی بیمه نامه ها و محصولات جدید، همچنین افزایش فروش بیمه نامه ها وارتباطات موثر با مخاطبان به صورت بازاریابی هدف دار انجام می گیرد. از این رو، این شرکت ها برای شناسایی و تحریککردن مخاطبان خود، بازاریابی و تبلیغات را به طور گسترده و هدفمند در تمام محیط های ارتباطی به انجام می رسانند.برای اثر بخشی هرچه بهتر این رویکرد، مشتریان بر اساس معیارها و اهداف خاصی تفکیک و بخش بندی می شوند. خوشهبندی روشی تحلیلی برای کشف عملکرد و رفتار مخاطبان از طریق اطلاعات آن ها است. این امر باعث می شود تا شرکتها بتوانند از طریق همین عملکرد مخاطبان، دست به اتخاذ تصمیم و تبلیغات هدفمند نسبت به آن ها بزنند. هدف اصلیاین پژوهش، ارائه راه کاری برای شناخت و پیش بینی عملکرد و رفتار مشتریان جدید در انتخاب نوع بیمه برای حفاظتمسکن خود در برابر مخاطرات، از طریق ترکیب روش K-medoids با درخت تصمیم در جهت تعیین خوشه مشتریانجدید برای ارائه تبلیغ محصولات بیمه ای می باشد. دراین راستا، بدلیل زیاد بودن مشخصه ها در اکثر مجموعه داده ها وپراکندگی آنها، ابتدا از طریق تکنیک های K-means و K-medoids به کشف الگوهای مفهومی رسیده و با استفاده ازهمین الگوها بعد از مشخص شدن خوشه مشتریان، فقط با داشتن اطلاعات جمعیت شناختی از سوی مشتریان جدید،پیش بینی خوشه آنها صورت می گیرد. ویژگی متمایز این پژوهش، ترکیب روش های تشریحی با روش های دسته بندیدر داده کاوی است. آزمایش های انجام شده شناخت و کشف نیاز ها، رفتار و عملکرد مشتریان را نشان می دهد که براساس آن تبلیغات صورت می گیرد.

کلیدواژه ها:

بازاریابی ، تبلیغات هدفمند ، تفکیک مشتریان ، خوشه بندی ، K-medoids ، K-means ، درخت تصمیم ، پیش بینی ، کشف الگو