ارائه مدلی جدید برای تعیین میزان ارزش گذاری مشتریان با استفاده از مدل های RFM و توسعه آن (مطالعه موردی شرکت بیمه البرز)
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 928
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
- صنعت بیمه > بیمه البرز
- صنعت بیمه > صنعت بیمه
- صنعت بیمه > ریسک بیمه
- هوش مصنوعی > داده کاوی
- هوش مصنوعی > درخت تصمیم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0422
تاریخ نمایه سازی: 16 شهریور 1395
Abstract:
هدف این پژوهش ارائه مدلی برای خوشه بندی مشتریان بیمه است به طوریکه بتوان ابهامات و ریسک را در خصوصطبقات مشتریان و نیز متغیر های تاثیرگذار در رفتار آنها را پوشش داد . در این راستا اطلاعات مربوط به بیمه های خودرودر شرکت بیمه ی البرز از سال 88 تا 92 جمع آوری شده است.در ابتدا داده ها بررسی و پیش پردازش شده و سپس با استفاده از تکنیک RFM و دو رویکرد پیشنهادی ARFM وSRFM و همچنین بررسی ریسک مشتریان که ناشی از دریافت خسارت می باشد، با روش خوشه بندی K-Meanو Fuzzy K-Means وفاداری مشتریان مورد بررسی قرار می گیرد. در مرحله بعد تکنیک RFM و رویکردهایپیشنهادی را به همراه ریسک مشتریان بصورت ترکیبی مورد بررسی قرار می دهیم. نتایج بدست آمده نشان از بیش برازشمدل های فازی داشته و نتایج قطعی نشان از کمتر بودن بیش برازش ومناسب تر بودن برای استفاده در تحلیل درختتصمیم دارند. از بین رویکردهای مورد آزمایش و این منطق که افزایش متغیرها منجر به بهبود عملکرد مدل خواهند شد،رویکرد در نظر گرفتن ریسک نیز به مدل افزوده شده و نهایتا از تلفیق ریسک و تحلیل RFM رویکردی جامع استخراجگردید که 8.41 % منجر به افزایش دقت درخت تصمیم شده و دقیقترین مدل این پژوهش را ایجاد نمود.
Authors
مستوره معینی
کارشناس ارشد مهندسی نرم افزار، دانشگاه آزاد اسلامی واحد قزوین، ایران
ساسان حسینعلی زاده
استادیار و عضو هیئت علمی دانشگاه آزاد اسلامی واحد قزوین، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :