بخش‌بندی بازار بیمه‌نامه بدنه خودرو یکی از بزرگترین شرکت‌های بیمه‌ای ایران

نوع مقاله : مقاله علمی - پژوهشی

نویسندگان

1 دکتری بازاریابی بین الملل، سرپرست اداره تحقیقات بازار

2 عضو هیات علمی دانشگاه الزهرا

10.22056/jir.2020.193749.2537

چکیده

هدف: در فرایند مدیریت بازاریابی، بخش‌بندی بازار کلیه تصمیمات مربوط به آمیخته بازار اعم از طراحی محصول، فیمت­گذاری، توزیع و تبلیغات را تحت تأثیر قرار می‌دهد و اجرای درست آن باعث می‌گردد تا بازاریابان درک بهتری از مشتریان به دست آورند و با طراحی مناسب آمیخته بازاریابی نیازهای آنها را بهتر برآورده سازند. بنابراین، تحقیق حاضر با هدف شناسایی بخش‌های بازار بیمه بدنه خودرو که اهمیت، جایگاه و حجم فروش بالایی در صنعت بیمه دارد، صورت پذیرفته است.
روش‌شناسی: پژوهش حاضر از نظر هدف کاربردی و از نظر روش کمی است. جامعه آماری آن از مشتریان بیمه‌های بدنه خودرو یکی از بزرگترین شرکت‌های بیمه ایران در سال 1397 شامل بیش از 20 هزار فقره بیمه‌نامه تشکیل شده بود که از این بین تعداد 972 فقره به روش تصادفی به­عنوان حجم نمونه تعیین و اطلاعات آنها از پایگاه داده سیستم‌های صدور بیمه‌نامه‌های بدنه خودرو شرکت مذکور استخراج گردید. همچنین، از متغیرهای عمر و ارزش خودرو، تعداد سیلندر، مورد استفاده، شیوه پرداخت حق بیمه، سابقه خسارت قبلی و مدت بیمه‌نامه جهت بخش‌بندی بازار استفاده شد.
یافته‌ها: تحلیل خوشه‌بندی دومرحله‌ای به شناسایی چهار بخش در بازار بیمه‌های بدنه خودرو منجر شد و پیشنهاد گردید خوشه یک به عنوان بازار هدف مدنظر قرار گیرد که بزرگترین بخش شناسایی شده است. همچنین، با توجه به این‌که استفاده از خودرو جهت انجام اداری و امور شرکتی از ویژگی‌های اصلی این خوشه است، پیشنهاد شد بر راهبردهای مربوط به B2B شامل فروش بیمه‌نامه بدنه همراه سایر بیمه‌نامه‌ها به بنگاه، در نظر گرفتن تسهیلات و تخفیفات خاص برای آنها و فروش مستقیم تمرکز شود.
طبقه‌بندی موضوعی: G32 ,G22 ,G2

کلیدواژه‌ها

عنوان مقاله [English]

Auto - Hull insurance market segmentation in one of the biggest insurance Company in Iran

نویسندگان [English]

  • nazila niakan lahiji 1
  • manijeh haghighinasab 2
1 Ph. D in International marketing
2 Associate professor in Alzahra University
چکیده [English]

Objective: Market segmentation in the marketing management process, affects market mix including product, price, distribution and advertising. Proper implementation of this process will help the marketers understand customers well and as a result, meet their needs through desining a better marketing mix. the purpose of this paper is the segmentation of Auto -hull insurance in Iran’s insurance industry.
Research method:  This applied research is conducted using quantitative data gathered from library and the databases. The statistical population of this research was customers of Auto -hull insurance of one of the biggest insurance Company in Iran with 20,000 customers. Sample size of this research was 972 and sampling method was snowball  sampling. The variables of age and value of the car, number of cylinders, usage, method of premium payment, history of previous damages and duration of the insurance policy was used to segment the market.
Findings and Conclusion: Data was analyzed by two-stage cluster analysis and four segments were identified. The insurance company should consider cluster one as the market target, which is the largest cluster available and according to its characteristics, they use cars for office and corporate affairs. Hence, this company should use B2B strategies. Strategies such as selling this type of insurance along with other insurance policies to the company, considering special facilities and discounts or direct sale can be used to attract customers of this segment.
JEL: G2, G22, G32

کلیدواژه‌ها [English]

  • Auto - Hull Insurance
  • Market Segmentation
  • Clustering

مراجع

شیرخدایی، میثم.، نجات، سهیل و اکبری، امیر. (1395). بخش‌بندی بازار بیمه عمر از طریق سبک زندگی مشتریان با استفاده از الگوی  (AIO). تحقیقات بازاریابی نوین. 6(2): 74-55.
قلی‌زاده، حسین. ، گواهر، سولماز. (1394). بخش‌بندی مشتریان شرکت بیمه آسیا با استفاده از روش تحلیل خوشه‌ای (مطالعه موردی : شهر تهران). پایان نامه ارشد مدیریتبازرگانی، دانشگاه آزاد اسلامی واحد تهران جنوب.
حنفی‌زاده، پیام و رستخیز پایدار، ندا. (1390). مدلی جهت دسته‌بندی ریسکی گروه‌های مشتریان بیمه بدنه اتومبیل بر اساس ریسک با استفاده از تکنیک داده کاوی (مورد مطالعه: بیمه بدنه اتومبیل در یک شرکت بیمه‌ای). پژوهشنامه بیمه (صنعت بیمه)، 26(2): 81-55.
حنفی‌زاده، پیام و رستخیز پایدار، ندا. (1390). مقایسه دو روش داده کاوی در بخش‌بندی مشتریان بیمه بدنه اتومبیل براساس ریسک (مورد مطالعه: شرکت بیمه ملت). مطالعات مدیریت صنعتی، 30(1): 97-77.
مرادپور، زهرا. (1394). بخش‌بندی مشتریان بیمه عمر پاسارگاد با استفاده از خوشه‌بندی فازی. پایان‌نامه کارشناسی ارشد مدیریت صنعتی. دانشکده مدیریت، دانشگاه تهران.
Alvarez, C.   Dickson, P.  & Hunter, G. (2014). The four faces of the hispanic consumer: An acculturation-based segmentation. Journal of Business Research, 67)2): 108-115.
Bijak, K. & Thomas, L. (2012). Does segmentation always improve model performance in credit scoring?’. Expert Systems with Applications, 39(3): 2433-2442.
Bond, J. (2003). A class of its own: latent class segmentation and its implications for qualitative segmentation research. Qualitative Market Research: An International Journal, 6(2): 87-94.
Casabayó, M., Agell, N. & Sánchez-Hernández, G. (2015). Improved market segmentation by fuzzifying crisp clusters: A case study of the energy market in Spain. Expert Systems with Applications, 42(3): 1637-1643.
Floh, A., Zauner, A., Koller, M.  & Rusch, T. (2013). Customer segmentation using unobserved heterogeneity in the perceived-value–loyalty–intentions link.  Journal of Business Research, 67(5): 974-982.
Han, S., Lu, S. & Leung, S. (2012). Segmentation of telecom customers based on customer value by decision tree model. Expert Systems with Applications, 39(4): 3973-3964.
Hanafizadeh, P. & Mirzazadeh, M. (2011). Visualizing market segmentation using self-organizing maps and Fuzzy delphi method – AdSL market of a telecommunication company. Expert Systems with Applications, 38(1): 198-205.
Harrison, D. & Kjellberg. H. (2010). Segmenting a market in the making: Industrial market segmentation as construction. Industrial Marketing Management, 39(1): 784-792.
Hiziroglu, A. (2013). Soft computing applications in customer segmentation: State-of-art review and critique. Expert Systems with Applications, 40(16): 6491-6507.
Kesic, T. & Piri Rajh, S. (2003). Market segmentation on the basis of food related lifestyles of creation families. British food Journal, 105(3): 162-174.
Kim, S., Jung, T., Suh, E. & Hwang, H. (2006). Customer segmentation and strategy development based on customer lifetime value: A case study. Expert Systems with Applications, 31(1): 101-107.
Kourtney, K., Collum, J. & Daigle, J. (2015). Combining attitude theory and segmentation analysis to understand travel mode choice at a national park. Journal of Outdoor Recreation and Tourism, 9(2): 17-25.
Legoh ere, P., Hsu, C. & Dauc, B. (2015). Variety-seeking: Using the CHAId segmentation approach in analyzing the international traveler market. Tourism Management, 46(9): 359-366.
Lilly, B. & Nelson, T. (2003). Fads: segmenting the fad-buyer market, journal of customer marketing. 20(3): 252-265.
Liu, Y., Kiang, M. & Brusco, M. (2012). A unified framework for market segmentation and its applications. Expert Systems with Applications, 39(11): 10292-10302.
Safari Kahreh, M., Tiveb, M., Babania, A. & Hesan, M. (2014). Analyzing the applications of customer lifetime value (CLV) based on benefit segmentation for the banking sector. Social and Behavioral Sciencesel, 109(8): 590-594.
Shameem, B. & Gupta S. (2012). Marketing strategies in life insurance services. International Journal of Marketing, Financial Services & Management Research, 1(11): 132-141
Thach, L. & Olsen, J. (2015). high frequency wine consumer by price segmentation in the US: Profiling the market. Wine Economics and Policy, 4(1): 53-59.
Valentine, D. & Powers, T. (2013). Generation Y values and lifestyle segments. Journal of Consumer Marketing, 30(7): 597-606.
Wedel, M., Kamakura, W. (2000). Market Segmentation Conceptual and Methodological Foundation.springer.
Wang, B., Miao, Y., Zhao, H., Jin, J. & Chen Y. (2016). A biclustering-based method for market segmentation using customer pain points. Engineering Applications of Artificial Intelligence, 47(4): 101-109.

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار