شناسائی مشتریان آتی بیمه بدنه خودرو با استفاده از داده کاوی روی مشخصه های RFM

سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,470

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IMMC03_049

تاریخ نمایه سازی: 11 آذر 1387

چکیده مقاله:

بیمه نامه بدنه خودرو برای یک بازه زمانی اغلب یکساله صادر می شود و پس از طی دوره باطل می گردد پایان مدت بیمه نامه می تواند پایان عمر مشتری باشد در صورت سود آور بودن مشتری در بازه فوق از دست دادن وی زیان و در صورت زیان آور بودن وی سود خواهد بود شرکتهای بیمه با داشتن اطلاعات درباره مشتریان خود می توانند در حفظ آنها تصمیم بگیرند از سوی دیگر شناخت مشتری که احتمال خرید مجدد وی و یا به عبارت دیگر تمدید بیمه نامه بیشتر است می وتاند در هدف مند کردن تبلیغات و سیاست های حفظ مشتری میسر باشد از این رو در مقاله حاضر روشی برای شناخت مشتری بر اساس مشخصه های RFM ارائه می شود در روش ارائه شده احتمال خریدار بودن مشتری در سال آتی با استفادهع از ساخت مدل درخت تصمیم برآورد می گردد . مدل روی داده های مشتریان یک شرکت بیمه ایرانی آزمون شده و نتایج آن بیان می شود

کلیدواژه ها:

نویسندگان

سروناز چوبدار

گروه فناوری اطلاعات ، دانشکده فنی و مهندسی ، دانشگاه تربیت مدرس

بابک تیمورپور

گروه فناوری اطلاعات ، دانشکده فنی و مهندسی ، دانشگاه تربیت مدرس

محمد مهدی سپهری

گروه فناوری اطلاعات ، دانشکده فنی و مهندسی ، دانشگاه تربیت مدرس

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 :
  • _ رستم, ح., بررسی نقش عوامل ایجادکننده ریسک در قیمت‌گذاری ...
  • _ فلاح, ز.پ, بررسی عوامل عمده اثرگذار بر تقاضای بیمه‌بدنه ...
  • Ye, N., The Hardbook of Data Mining, Mahwah, New Jersey ...
  • Christmann, A., On a Strntegy to Develop Rebust and Simple ...
  • Chistmann, A., An approach to _ compler high-dim _ irsura.ce ...
  • Apte C., Grossman E., Pednault E., Rosen B., Tipu F. ...
  • Guo, L., Applying Datu Miming Techniques _ P roperty/Casua iyu ...
  • 1. Berkovsky, S., Eytari, Y., Furman, E., and Makov, U., ...
  • Kolyshkina, I. and _ Rooyen, M., _ Mining for Insurance ...
  • Gray, J.B. and Fan, G., Classification tree analysis using TARGET. ...
  • Ho, T.B., Knowledge Discovery and Data Mining -Techniques and Practice ...
  • Kaymak, U., Data and Clster Weighting im Target Selection Based ...
  • Rud, O.P., Data Mining Cookbook: Modeling Data for Marketing, Risk, ...
  • Bauer, A., A direct n1ail _ ustomer p urchase podel. ...
  • Stone, B., Successful direct marketing methods. 1984: Chicago: Crain books. ...
  • Nash, E., Direct marketing: strategy, plarnirg, execution (Third Ed ed.). ...
  • Levin, N., and Zahavi, J. J Segmentation analysis vith _ ...
  • Liu.Y and Schuman.M, Data miring feature selection for credit scoring ...
  • نمایش کامل مراجع