ارایه یک رویکرد مبتنی بر روش k-means با تعداد خوشه بهینه به منظور تقسیم بندی مشتریان بیمه اتومبیل

افزایش رقابت و پیچیدگی در صنعت بیمه اتومبیل، شرکت ها را بر آن دا شته ا ست که به تو سعه فعالیت های نوآوری به منظور گرفتن مشتریان جدید و بهبود رضایت مشتریان فعلی و حفظ مشتری، بپردازند. برای این منظور اولین گام، شناسایی مشتری است. این مرحله شامل تمرکز بر مشتریانی است که احتمال بیشتری به ماندگارشدن و سودآوربودن برای سازمان دارند. عناصر مرحله ی شناسایی مشتری، آنالیز اهداف مشتریان و گروه بندی ایشان میباشد. به منظور تق سیم کل م شتریان به گروه های کوچک به طوری که م شتریان قرار گرفته در هر گروه دارای ویژگی های مشابه باشند، مدلی جامع با توجه به ساختار بازار بیمه خودرو پیشنهاد شده است. در این رویکرد از الگوریتم means-k که معروف ترین و سریع ترین الگوریتم خوشه بندی غیر سلسله مراتبی است، به منظور تقسیم بندی مشتریان بیمه اتومبیل استفاده شده است. در لگوریتم means-kرویه انتخاب مراکز خو شه اولیه به گونه ای که بهترین جداکنندگی را به همراه دا شته با شد بسیار حایز اهمیت می با شد. در این رویکرد یک الگوریتم به منظور محاسبه مراکز خوشه اولیه در الگوریتم means-k پیشنهاد می کنیم. نتایج نشان می دهد الگوریتم پیشنهادی در تعیین مراکز خوشه اولیه برای لگوریتم means-k عملکرد بهتری را به همراه خواهد داشت.

کلیدواژه ها:

تقسیم بندی مشتریان ، صنعت بیمه اتومبیل ، الگوریتم means-k ، انتخاب مراکز خوشه