پردیس زرین قدم - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه آزاد اسلامی واحد الکترونیکی
محسن قره خانی - دکتری مهندسی صنایع، استادیار دانشکده مهندسی دانشگاه قم

پس از ورود جدی بیمه های خصوصی به عرصه بیمه، رقابت بین بیمه ها به منظور شناسایی، جذب و حفظ مشتریان از اهمیت بالایی برخوردار شده است. تحلیل رفتار مشتریان در سازمانهای فعال در این حوزه که با تعداد کثیری از مشتریان در نقاط پراکنده با ویژگی های متفاوت سر و کار دارند، باعث موفقیت آن ها در بازار رقابتی و مدیریت ارتباط موثر با مشتریان می شود. بخش بندی مشتریان، از رویکردهای داده کاوی که منجر به کشف گروه های مشابه از مشتریان می شود، اغلب بر اساس مدل RFM، از سه متغیر تازگی آخرین خرید، فراوانی خرید و ارزش پولی خرید استفاده می گردد. در این مقاله، الگوی جدید بخشبندی مشتریان بر پایه مدل توسعه یافته RFM به وسیله افزودن متغیر طول ارتباط ارایه شده است. مشتریان بیمه بر اساس مدل RFM و مدل پیشنهادی این پژوهش LRFM و با استفاده از الگوریتم خوشه بندی دومرحله ای و به کارگیری گام های متدلوژی CRISP-DM بخش بندی شده اند. وزن هر یک از مشخصه های این مدل با استفاده از روش فرایند تحلیل سلسله مراتبی تعیین شده است. نتایج نشان می دهد، دقت مدل LRFM نسبت به مدل RFM در بخش بندی مشتریان این صنعت بیشتر است. ضمن تحلیل رفتار مشتریان هر خوشه، مدلی مبتنی بر شبکه عصبی پیش خوراند برای پیش بینی شماره خوشه مشتریان بر مبنای ویژگی های رفتاری و جمعیت شناختی آن ها توسعه داده شده است.

مدیریت ارتباط با مشتری، بخش بندی مشتریان، داده کاوی، بیمه عمر، مدل RFM