1دانشجوی کارشناسی ارشد، گروه فناوری اطلاعات، دانشکدة مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی
2استادیار گروه فناوری اطلاعات، دانشکدۀ مهندسی صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی (نویسندۀ مسئول)
چکیده
با اشباع بازارها، سازمانها دریافتهاند که باید حفظ مشتریان، به‌خصوص مشتریان باارزش، در مرکز راهبردهای مدیریتی آنان قرار گیرد چراکه هزینۀ جذب مشتریان جدید بیشتر از هزینۀ نگهداری مشتریان موجود است. صنعت بیمه نیز از این امر مستثنی نیست و به دلیل هزینۀ جابجایی اندک، با مشتریانی روبه‌رو است که تمایل دارند شرکت فعلی خود را تغییر دهند. پژوهش حاضر تأثیر متغیرهای طول ارتباط، تأخر خرید، فرکانس خرید، ارزش مالی، سودآوری و گروه محصولات خریداری‌شده را در ارزشگذاری مشتریان مورد مطالعه‌شده بررسی میکند. برای این کار از ابزار پیمایشی پرسشنامه به منظور آگاهی از نظرات خبرگان در خصوص متغیرهای مؤثر بر ارزشگذاری مشتریان استفاده شده است. نتایج نشان میدهد که متغیرهای فرکانس خرید، طول مدت همکاری و تعداد گروههای بیمهای خریداری‌شده از منظر خبرگان بیشترین اهمیت را در ارزشگذاری مشتریان دارا هستند. سپس با استخراج متغیرها و عوامل مهم بر رویگردانی بیمهگذاران، تأثیر و اهمیت این عوامل بر روی رویگردانی مشتریان باارزش بررسی و در ادامه با استفاده از متغیرهای شناسایی‌شده در مرحلۀ قبل به توسعۀ مدل پیشبینیکنندۀ رویگردانی پرداخته شده است. با مدلهای مختلف (شبکۀ عصبی، درخت تصمیم، ماشین بردار پشتیبان، و رگرسیون لوژستیک) مدلسازی پیشبینی انجام و دقت مدلهای ساخته‌شده، ارزیابی شده است. نتایج نشان میدهد که مدل درخت تصمیم C5.0 نسبت به سایر مدلها دقت و صحت بالاتری در پیشبینی رویگردانی دارد.
Prediction of Customer Churn in Insurance Industry (Case Study)
نویسندگان [English]
Ali Baghaei1؛ Monireh Hosseini2
چکیده [English]
With the saturation of markets, the organizations have found that retaining customers- especially valuable customers- should be at the center of their management strategies because the cost of attracting new customers is more than the cost of retaining existing ones. The insurance industry is no exception and because of low switching costs is faced with customer churn. This study examines the impact of length of relationship, time of purchase, frequency of purchase, monetary value, profitability and group of purchased products on the valuation of customers. To do this, a survey is used to elicit expert opinions on the effective variables in the valuation of customers. Results indicate that the variables of purchase frequency, length of relationship and the number of groups of purchased products are most important in valuation of customers from the perspective of experts. Then, we develop a model of customer churn to determine the factors that affect high value customers’ churn. Using different methods (neural network, decision tree, logistic regression and support vector machine), predictive models are built and their accuracy is evaluated. The results show that C5.0 decision tree model has a higher accuracy and precision than other models in churn prediction.
کلیدواژه ها [English]
Customer churn, churn prediction and analysis, customer valuation, insurance industry
ابتدای صفحه