‌خوشه‌بندی مشتریان بیمه بر اساس تکنیک‌های داده‌کاوی جهت استفاده در تکنیک‌های بازی‌وارسازی

نوع مقاله : مقاله علمی - پژوهشی

نویسنده

دانش آموخته کارشناسی ارشد مکاترونیک‌، دانشگاه آزاد واحد تهران جنوب و کارشناس هوش تجاری شرکت بیمه البرز.

10.22056/jir.2020.210068.2625

چکیده

هدف: لزوم افزایش ‌ضریب نفوذ بیمه در ایران ایجاب می‌کند ‌شرکت‌های بیمه از روش‌های نوین‌ برای افزایش توجه مردم به بیمه، جذب مشتریان جدید و نگهداری مشتریان پیشین‌ استفاده کنند. در این بین، ‌بازی‌وارسازی یکی از امکانات نرم ‌افزارهای جدید در بحث مدیریت ارتباط با مشتری‌ است که قابلیت پیاده­سازی راهکارهای جذاب و متنوعی از جمله امتیازدهی، جایزه، اشتراک­گذاری و ... را ‌با استفاده از اطلاعات موجود در پایگاه داده شرکت­های بیمه فراهم نموده و با استفاده از آن می­توان مشتریان را از منظرهای مختلف (وفاداری، سوددهی و...) تقسیم­بندی نمود.
روش‌شناسی: در این تحقیق جهت پیاده‌سازی روش پیشنهادی از داده‌های ‌بیمه‌گذاران حقیقی شرکت بیمه‌ای منتخب در سه سال اخیر ‌با حفظ امنیت و محرمانگی آنها استفاده شد و بیمه‌گذاران ‌به 4 دسته ‌ویژه، برتر، میانی و ضعیف تقسیم شدند ‌و جهت بهره‌گیری از تکنیک‌های مختلف ‌بازی‌وارسازی، روش‌های متناسب با هر گروه از آنها ‌با توجه به ویژگی‌های جنسیتی، سنی و .. ‌به کار گرفته شد.
یافته‌ها: ‌نتایج نشان داد ‌از مواردی که جهت جایزه و تخفیف استفاده می‌شوند برای بیمه‌گذارن برتر و ویژه ‌می­توان بهره گرفت. همچنین از تکنیک‌هایی ‌ترغیب و ارتقای سطح بیمه‌گذار ‌مانند پیشرفت مرحله به مرحله‌، برای مشتریان میانی و رساندن آنها به سطح مشتریان ویژه واستفاده کرد. در سطوح مشتریان ضعیف نیز از تکنیک‌های بازاریابی و افزایش گستره مشتریان بالقوه مانند امکان به اشتراک‌گذاری یا گردونه شانس می‌توان استفاده نمود. ‌
نتیجه‌گیری: ‌پیاده‌سازی سیستم بازی‌وارسازی در صنعت بیمه ‌با در نظر گرفتن سطوح و ویژگی‌های منحصربه­فرد بیمه‌گذاران، ‌مقوله ‌گسترده‌ای‌ است که می‌تواند زمینه تحقیقات جذاب در آینده باشد.
 
‌‌طبقه‌بندی موضوعی: G22، C38، .C5

کلیدواژه‌ها

عنوان مقاله [English]

Clustering insurance customers based on data mining techniques for use in gamification techniques

نویسنده [English]

  • mona parastesh
M.A in Mechatronics, Islamic Azad University, South Tehran Branch. (Corresponding Author).
چکیده [English]

Objective: Insurance companies must use new methods to increase public attention, attract new customers and retain former customers, due to the low penetration of insurance in Iran. In insurance industry, the analysis of customers’ buying behavior is very important, and today new technologies are used in this field.
Methodology: One of the features of new customer relationship management softwares is the possibility of gamification, which has the ability to implement attractive and diverse solutions such as scoring, rewards, sharing, etc. Data mining techniques can use the information in insurance companies’ databases, to classify customers from different perspectives (loyalty, profitability, etc.) and suggest solutions for categorizing customers into different groups according to the characteristics of each group. Today, there are various tools for implementing data mining algorithms, and it is easy to master these tools, present useful projects and use them in companies.
Results: In this article, we have tried to classify insured and help experts using Python programming language and data mining algorithms.
Conclusion: In order to implement the proposed method, the data related to the real insured of Alborz Insurance Company in the last three years have been used while maintaining the security and confidentiality of the data. The insured are divided into 4 categories of special, superior, middle and weak insured. Appropriate gamification methods tailored to each group of clients according to their gender, age, etc. can be used.
JEL Classification: G22, C38, C53

کلیدواژه‌ها [English]

  • Insurance
  • Customer segmentation
  • Data mining
  • Gamification

مراجع

البدوی، امیر.، محمدی، رضا و عالم خان، آفاق. (1385).ارزیابی اثرات مدیریت ارتباط با مشتری و موانع شخصی سازی در موسسات مالی. مجله بانک و اقتصاد، 69: ‌45-43.
بشیری موسوی، سیدعلیرضا.، افسر، امیر و محجوبی­فرد، آرش. (1394). تحلیل ارزش مشتری در بانک با استفاده از تکنیک داده‌کاوی و تحلیل سلسله مراتبی فازی. پژوهش­های مدیریت در ایران، ‌19(1): 43-23.
بهشتی، عطیه و اعلایی، محبوبه. (1397). ‌ضرورت و مزایای استفاده از گیمیفیکیشن در صنعت بیمه. بیست و پنجمین همایش ملی بیمه و توسعه، تهران، 13 آذرماه.
ترکستانی، محمدصالح.، قربانی، مریم و فروتن، مریم. (1393). کاربردهای داده کاوی در مدیریت ارتباط با مشتریان صنعت بیمه ایران. بیست و یکمین همایش ملی و هفتمین همایش بین‌المللی بیمه و توسعه، 13 آذرماه.
سلامت منش، مهرداد و نیکجو، امیر. (1392). مدیریت ارتباط با مشتریان بیمه. پیام ‌بیمه ایران، 17(398‌): 8-1.
مختاری، احسان و میرروشن دل، سیدابواقاسم. (‌1395).‌ پیش‌بینی رفتار مشتریان بیمه با استفاده از تکنیک‌های داده کاوی. کنفرانس ملی نوآوری در مدیریت سیستم‌ها و فناوری اطلاعات با رویکرد هوشمندی کسب‌و‌کار، تهران: دانشگاه الزهرا، 28 مهرماه.
ویسی، هادی و غروی، عرفانه. (1393). رویکرد مبتنی بر داده کاوی در مدیریت ارتباط با مشتری و بازاریابی. مطالعات رفتار مصرف­کننده، 2(2): 44-25.
‌Wind, Y. (1978). Issues and advances in segmentation research. Journal of Marketing Research, 15(3), 317–337.
‌Chen, S. C. & Huang M. Y. (2011). Constructing credit auditing and control &  management model with data mining technique. Expert Systems withApplications, 38: 5359–5365.
Roy, P. K., ‌Bhuiyan, A., Janke, A., Desmond, P. M., Wong, T. Y.,  Storey, E., Abhayaratna, W. P.  & Ramamohanarao, K. ‌(2014). Automated segmentation of white matter lesions using global neighbourhood given contrast feature-based random forest and markov random field. International Conference on Healthcare Informatics, 1: 1-6.
‌Ngai, E. W. T., Xiu, L., & Chau, D. C. K. (2009). Application of data mining techniques in customer relationship management: A literature review and classification. Expert Systems with Applications, 36(2), 2592-2602.
‌Zichermann, G., & Cunningham, C. (2011). Gamification by design: Implementing game mechanics in Web and mobile apps. Sebastopol, scientific Research: O’Reilly Media.
                                                        

فایل ها

اشتراک گذاری

ارجاع به این مقاله

آمار