ارایه یک روش هوشمند به منظور شناسایی فاکتورهای موثر در رویگردانی مشتریان در صنعت بیمه با استفاده از تکنیک یادگیری جمعی

با توجه به بازار رقابتی صنعت بیمه و اشباع آن، حفظ مشتریان از مهم‌ترین اهداف کارگزاران بیمه به حساب می‌آید. زیرا برای جذب مشتری جدید علاوه بر ایجاد رابطه با بیمه‌گذار و جلب اطمینان وی، مستلزم صرف هزینه زیادی می‌باشد‌، به‌طوری‌که هزینه جذب مشتریان جدید بسیار بیشتر از حفظ مشتریان موجود است. بر این اساس، استراتژی‌های بازاریابی، از محصول مداری تغییر کرده و بسیاری از شرکت‌ها به مدیریت ارتباط با مشتریان روی آورده‌اند.تعداد زیادی از شرکت‌ها و سازمان‌ها دریافته‌اند که حفظ و نگهداری مشتریان فعلی‌شان به‌عنوان گرانبهاترین سرمایه، ارزش بسیار بالایی دارند. استراتژی شرکت‌های بیمه ابتدا حفظ مشتریان فعلی و سپس جذب مشتریان جدید می‌باشد. در این راستا، شناسایی فاکتورهای موثر در رویگردانی مشتریان از اهمیت های بالایی برخوردار است. در این مقاله از روش های داده کاوی برای پیش بینی عوامل موثر در رویگردانی مشتریان استفاده شده است. بر اساس تجزیه و تحلیل نتایج بدست آمده مشخص شده است که کانال جذب مشتری، سابقه خرید و کاربری مکان بیمه شده به ترتیب از عوامل مهم در رویگردانی مشتریان در صنعت بیمه است.

an intelligent method to identify effective factors in customers’ dissatisfaction in the insurance industry using ensemble learning

given the competitive market of the insurance industry, customer retention is one of the most important goals of insurance brokers. as a matter of fact, attracting a new customer as well as establishing a relationship with the insurer and gaining his trust requires a lot of money. however, the cost of attracting new customers is much more than retaining existing customers. accordingly, marketing strategies have shifted from product-oriented and many companies have turned to customer relationship management.companies and organizations have found that retaining their current customers as their most valuable asset is highly important. therefore, the strategy of insurance companies is to first retain existing customers and then attract new customers. in this regard, identifying the effective factors in customer turnover is essential. in this paper, data mining methods are used to predict the factors affecting customer dissatisfaction. based on the empirical results, it has been determined that the customer attraction channel, purchase history and place of insurer are important factors affecting customers dissatisfaction in the insurance industry, respectively.