به کارگیری و ارزیابی تکنیک های داده کاوی جهت پیش بینی رویگردانی مشتری درصنعت بیمه

باتوجه به رقابتی شدن صنعت بیمه در سال های اخیر توجه به پیش بینی رویگردانی مشتری در این صنعت اهمیت ویژه ای یافته است در این مقاله تعدادی از تکنیک های شناخته شده دسته بندی داده کاوی برای پیش بینی رویگردانی مشتری در صنعت بیمه به کار گرفته شده است برای نخستین بار پیش بینی رویگردانی مشتری در یک سازمان بیمه ای با استفاده از یکی از رویکرد های مبتنی بر تحقیق در عملیات دسته بندی یعنی تکنیک ماشین بردار پشتیبان SVM انجام میشود در این مقاله نخست از الگوریتم ژنتیک برای انتخاب مشخصه های تاثیر گزار استفاده شده است پس از مدل سازی مساله پارامترهای مدل ماشین بردار پشتیبان با استفاده از دو روش جستجوی شبکه و اعتبار سنجی متقابل K لایه بهینه میشوند در ادامه عملکرد پیش بینی روش SVM با روش های درخت تصمیم شبکه های عصبی رگرسیون لجستیک جنگل تصادفی دسته بندی کننده ی بیزی و K نزدیک ترین همسایگی مقایسه شده است یافته های این تحقیق نشان میدهد که روش ماشین بردار پشتیبان از عملکرد بالاتری نسبت به سایر روش ها برخوردار است در مدل پیشنهادی مبتنی بر این روش مشخصه های سابقه خرید نحوه آشنایی با سازمان و تمایل به خرید به عنوان مشخصه های اصلی پیش بینی کننده رویگردانی مشتری شناسایی شدند در انتها با توجه به مشخصه های اصلی پیش بینی کننده رویگردانی به ارایه راهکارهای پیشگیرانه پرداختیم