پیش بینی ریزش بیمه گزاران رشته آتش سوزی با استفاده از مدل های هوش مصنوعی

حفظ بیمه گزاران وفادار در رشته بیمه آتش سوزی، که به دلیل ریسک پایین خسارت نسبت به سایر رشته های بیمه ای مانند شخص ثالث از نرخ تجدید پایینی برخوردار است، می تواند سودآوری قابل توجهی برای شرکت های بیمه به همراه داشته باشد. این پژوهش با هدف توسعه یک مدل پیش بینی کننده هوشمند برای شناسایی وفاداری مشتریان حقیقی رشته آتش سوزی انجام شده است تا شرکت های بیمه بتوانند با آگاهی از وضعیت آینده مشتریان، اقدامات موثری برای حفظ و نگهداری آنها در زمان مناسب به کار گیرند. داده های مربوط به بیمه گزارانی که از ابتدای سال ۱۳۹۲ تا پایان سال ۱۴۰۱ حداقل یک بیمه نامه آتش سوزی از شرکت بیمه تهیه کرده اند، جمع آوری و تحلیل گردید. در این مطالعه، ابتدا با استفاده از الگوریتم های خوشه بندی نظیر K-means و DBSCAN، به همراه مدل های تشخیص ناهنجاری (Anomaly Detection) مانند Isolation Forest، Local Outlier Factor و One-Class SVM، بیمه گزاران در خوشه های مختلف گروه بندی شدند و ویژگی های کلیدی هر خوشه شناسایی گردید. سپس، با ارزیابی الگوریتم های پیش بینی شامل Random Forest، XGBoost و شبکه عصبی MLP، مدل XGBoost با بالاترین امتیازF۱-Score (۸۰%) به عنوان بهترین مدل بر روی داده های موجود، برای پیش بینی وفاداری انتخاب شد. در نهایت، یک فرآیند ترکیبی مبتنی بر Decision Tree و XGBoost طراحی گردید که ابتدا مشتریان را بر اساس ویژگی های فعلی دسته بندی کرده و سپس وفاداری آنها را در آینده پیش بینی می کند. نتایج این پژوهش می تواند به عنوان ابزاری کاربردی برای مدیریت ریزش مشتریان در شرکت های بیمه مورد استفاده قرار گیرد.

Keywords:

مدیریت مشتریان , هوش مصنوعی , بیمه آتش سوزی , وفاداری بیمه گزاران