گروه بندی مشتریان شرکت بیمه ای با استفاده از تکینک های داده کاوی
محل انتشار: دوازدهمین کنفرانس بین المللی مهندسی صنایع
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 791
فایل این مقاله در 10 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:
IIEC12_155
تاریخ نمایه سازی: 8 آبان 1395
چکیده مقاله:
امروزه استفاده از سیستم های مدیریت ارتباط بامشتریان و همچنین بکارگیری تکنیک های داده کاوی در صنایع مختلف از جمله بیمه به منظور تحلیل سیستماتیک مشخصات مشتریان به منظور بخش بندی و هدف قرار دادن مشتریان باارزش شرکت امری متداول میباشد. هنگامی که ارائهدهندگان خدمات به درک در ستی از م شتریان خود بر سند، می توانند ا ستراتژی های بازاریابی منا سبی را برای م شتریان خود تدوین نموده و در نتیجه میتوانند تقا ضای آنها را برآورده نموده و باعث رضایتمندی آنها شوند. K-means در این مقاله نیز بهمنظور د ستیابی به درک در ست از م شتریان و شنا سایی م شتریان سودآور در یک شرکت بیمهای از الگوریتم خو شهبندی بهمنظور گروهبندی مشتریان استفاده شده است. استفاده از تکنیکهای دادهکاوی به شناسایی چهار گروه از مشتریان شامل مشتریان ایدهآل، بالقوه ایده آل، معمولی و م شتریان دارای ارتباط ضعیف کمک نموده ا ست. پس از خو شهبندی به تحلیل خو شههای بهد ست آمده پرداخته شد و در نهایت ا ستراتژیهای متناسب با هر گروه از مشتریان ارائه گردید.بنابراین بخش بندی مشتریان باعث شناخت بهتر مشتریان و مدیریت بهتر روابط با آنها و بکارگیری استراتژی های موثرتری جهت جلب رضایت مشتری و کسب سود بیشتر شده است
کلیدواژه ها:
نویسندگان
شقایق ابوالامکارم
دانشجوی کارشناسی ارشدمهندسی صنایع- مدیریت سیستم و بهره وری، دانشکده مهندسی صنایع واحد تهران جنوب؛ تهران، ایران
فرشید عبدی
استادیار و عضو هیأت علمی دانشکده مهندسی صنایع ، واحد تهران جنوب ،دانشگاه آزاد اسلامی ،تهران،ایران
کاوه خلیلی دامغانی
استادیار و عضو هیئت علمی دانشکده مهندسی صنایع، دانشکده مهندسی صنایع واحد تهران جنوب ؛ تهران، 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 :