شناسایی و پیش بینی عوامل موثر بر وفاداری مشتری در شرکت‌های بیمه ایران با استفاده از تحلیل عامل تاییدی و شبکه‌های عصبی مصنوعی

هدف: امروزه شرکت‌های بیمه با رقابتی ‌گسترده برای جذب و نگهداری مشتریان وفادار رو‌به‌رو هستند؛ بنابراین اهمیت مدل‌های پیش‌بینی وفاداری مشتریان بیش از گذشته نمایان شده است و می‌تواند موجب سهم بازار گسترده‌تری برای شرکت‌ها می‌شود. هدف اصلی پژوهش حاضر شناسایی عوامل موثر بر وفاداری مشتریان و توسعه مدلی جهت پیش‌بینی میزان وفاداری آن‌ها در صنعت بیمه و در شرکت‌های بیمه است.روش‌شناسی پژوهش: این پژوهش ازنظر رویکرد، کمی، ازنظر گردآوری اطلاعات، پیمایش و ازنظر نتایج حاصله، کاربردی است. در چارچوب این پیمایش از تحلیل عاملی تاییدی و شبکه‌های عصبی مصنوعی استفاده‌شده است. به‌منظور بومی‌سازی عوامل مستخرج از ادبیات نظری و همچنین رفع تناقضات موجود در موثر بودن یا نبودن عوامل به‌دست‌آمده از ادبیات پژوهش، در ابتدا عوامل با استفاده از تحلیل عاملی تاییدی و نرم‌افزار smart pls3 موردبررسی قرار گرفتند و تاثیرات آن ها بر وفاداری مشتریان سنجیده شدند. سپس عوامل تایید‌شده به‌عنوان ورودی برای آموزش شبکه‌ی عصبی مصنوعی با نرم‌افزار matlab r2019b در نظر گرفته شد.یافته‌ها: در این پژوهش حجم نمونه بر اساس جدول مورگان (حجم جامعه نامحدود و سطح خطای %0.05)، 384 نفر در نظر گرفته شده است. تعداد 436 پرسشنامه به‌صورت تصادفی ساده بین بیمه‌گذاران چهار شرکت بیمه شامل بیمه ایران، شرکت بیمه آسیا، شرکت بیمه البرز، شرکت بیمه پارسیان توزیع گردید و 384 پرسشنامه کامل دریافت شد. پس از تحلیل نتایج حاصله از روش تحلیل عاملی تاییدی، عوامل تعهد، کیفیت ادراک‌شده، اعتماد، ارزش ادراک‌شده، همدلی، تصویر برند، جذابیت گزینه‌های دیگر، رضایت مشتری بر وفاداری مشتریان در شرکت‌های بیمه ایران تاثیر داشتند و عامل هزینه جابجایی بر وفاداری مشتری تاثیر ناچیزی داشت. درنهایت مدل مورد هدف پژوهش برای پیش‌بینی وفاداری با 8 نورون ورودی، 110 نورون لایه میانی و 1 خروجی با سطح خطای 0.00992 و رگرسیون 0.98694 طراحی گردید.اصالت/ارزش افزوده علمی: برونداد این پژوهش، مدلی جهت پیش‌بینی وفاداری مشتریان شرکت‌های بیمه‌ای در کشور ایران فراهم می‌کند تا این شرکت‌ها بتوانند بر عواملی که منجر به حفظ وفاداری مشتریان می‌شود سرمایه‌گذاری کنند.

identifying factors and forecasting customer loyalty- using confirmatory factors analysis and artificial neural network modeling

purpose: nowadays insurance companies, same as other companies, are facing massive competition. this issue indicates the value of customer loyalty also a predictive model. customers play a crucial role in the sustainability of organizations by constant repurchasing. companies with loyal customers have more market share, and more money may return on investment. this article’s main aim is to identify the factors affecting customer loyalty in insurance companies.methodology: this research was quantitative, analytical-descriptive. in gathering information, data was collected through the survey, and the findings are practical. in this way, two methods, confirmatory factor analysis (cfa) and artificial neural networks (ann) were used. for localizing the factors extracted from other similar prior literature, first, the elements were examined by cfa with smart pls application due to some conflicts in the literature to evaluate whether each factor affects customer loyalty or not. then, the elements were introduced to the ann for training by this program.findings: in this article, by using the morgan table, the sample size detected 384 people in 0.05 error. questionnaires were distributed randomly between four iranian insurance companies, asia insurance company, alborz insurance company, and parsian insurance company. based on confirmatory factor analysis, elements of commitment, perceived quality, trust, perceived value, empathy, brand image, the attraction of other alternatives, and customer satisfaction impact the customer loyalty of insurers in these companies. the cost of change, nevertheless, did not have a significant effect on customer loyalty. then, the factors used as inputs for the multi-layer perceptron training also customer loyalty are indicated as output. the model was designed with eight inputs, 110 nodes in the hidden layer, and one output the error was e= 0.00992 and the regression = 0.98684.originality/value: the finding of this research is, expanding a model for predicting customer loyalty in iranian insurance companies.