میثم قنبری مروست - دانشکده مهندسی صنایع، دانشگاه یزد
احمد صادقیه - دانشکده مهندسی صنایع، دانشگاه یزد
حسن خادمی زارع - دانشکده مهندسی صنایع، دانشگاه یزد

در دنیای امروزی با توجه به تغییرات و پیشرفت در فناوریهای موجود، محیطهای کسب وکار ماهیت شدید رقابتی به خود گرفتهاند. مهمترین دغدغه بنگاه های اقتصادی و سازمانهایی همچون شرکتهای بیمه کمک به بهبود خدمات و افزایش حس رضایتمندی مشتریان است، حفظ مشتریان یکی از مهم ترین راه های رقابت در بازار برای شرکت های بیمه است از اینرو سازمان ها باید از ریزش مشتریان جلوگیری کنند. در این پژوهش برای پیش بینی ریزش مشتریان از الگوریتم های یادگیری جمعی که یکی از روش های پیشرفته در علم داده کاوی است استفاده شده است ابتدا مجموعه داده مورد بررسی با روش بیش نمونه گیری تصادفی متعادل شده و سپس پیش پردازش داده ها انجام شد و درنهایت پیش بینی ریزش مشتری با استفاده از الگوریتم های یادگیری جمعی رای گیری و تقویت شده سازگار انجام شد. طبق نتایج پیش بینی، الگوریتم یادگیری جمعی رای گیری با دقت % ۹۵/۱۳ در برابر الگوریتم یادگیری جمعی تقویت شده سازگار با دقت % ۹۴/۸۴ عملکرد بهتری از خود نشان داده است. نتایج نشان می دهد که می توان با دقت بالا به شناسایی مشتریانی که امکان ریزش را دارند پرداخت و با شناسایی دلایل این ریزش، تصمیمات مدیریتی جهت حفظ و نگهداشت آنها اتخاذ کرد.

صنعت بیمه، پیش بینی، ریزش مشتری، الگوریتم های یادگیری جمعی