‌خوشه‌بندی مشتریان بیمه بر اساس تکنیک‌های داده‌کاوی جهت استفاده در تکنیک‌های بازی‌وارسازی

هدف: لزوم افزایش ‌ضریب نفوذ بیمه در ایران ایجاب می‌کند ‌شرکت‌های بیمه از روش‌های نوین‌ برای افزایش توجه مردم به بیمه، جذب مشتریان جدید و نگهداری مشتریان پیشین‌ استفاده کنند. در این بین، ‌بازی‌وارسازی یکی از امکانات نرم ‌افزارهای جدید در بحث مدیریت ارتباط با مشتری‌ است که قابلیت پیاده­سازی راهکارهای جذاب و متنوعی از جمله امتیازدهی، جایزه، اشتراک­گذاری و ... را ‌با استفاده از اطلاعات موجود در پایگاه داده شرکت­های بیمه فراهم نموده و با استفاده از آن می­توان مشتریان را از منظرهای مختلف (وفاداری، سوددهی و...) تقسیم­بندی نمود. روش‌شناسی: در این تحقیق جهت پیاده‌سازی روش پیشنهادی از داده‌های ‌بیمه‌گذاران حقیقی شرکت بیمه‌ای منتخب در سه سال اخیر ‌با حفظ امنیت و محرمانگی آنها استفاده شد و بیمه‌گذاران ‌به 4 دسته ‌ویژه، برتر، میانی و ضعیف تقسیم شدند ‌و جهت بهره‌گیری از تکنیک‌های مختلف ‌بازی‌وارسازی، روش‌های متناسب با هر گروه از آنها ‌با توجه به ویژگی‌های جنسیتی، سنی و .. ‌به کار گرفته شد. یافته‌ها: ‌نتایج نشان داد ‌از مواردی که جهت جایزه و تخفیف استفاده می‌شوند برای بیمه‌گذارن برتر و ویژه ‌می­توان بهره گرفت. همچنین از تکنیک‌هایی ‌ترغیب و ارتقای سطح بیمه‌گذار ‌مانند پیشرفت مرحله به مرحله‌، برای مشتریان میانی و رساندن آنها به سطح مشتریان ویژه واستفاده کرد. در سطوح مشتریان ضعیف نیز از تکنیک‌های بازاریابی و افزایش گستره مشتریان بالقوه مانند امکان به اشتراک‌گذاری یا گردونه شانس می‌توان استفاده نمود. ‌ نتیجه‌گیری: ‌پیاده‌سازی سیستم بازی‌وارسازی در صنعت بیمه ‌با در نظر گرفتن سطوح و ویژگی‌های منحصربه­فرد بیمه‌گذاران، ‌مقوله ‌گسترده‌ای‌ است که می‌تواند زمینه تحقیقات جذاب در آینده باشد.

Clustering insurance customers based on data mining techniques for use in gamification techniques

Objective: Insurance companies must use new methods to increase public attention, attract new customers and retain former customers, due to the low penetration of insurance in Iran. In insurance industry, the analysis of customers’ buying behavior is very important, and today new technologies are used in this field. Methodology: One of the features of new customer relationship management softwares is the possibility of gamification, which has the ability to implement attractive and diverse solutions such as scoring, rewards, sharing, etc. Data mining techniques can use the information in insurance companies’ databases, to classify customers from different perspectives (loyalty, profitability, etc.) and suggest solutions for categorizing customers into different groups according to the characteristics of each group. Today, there are various tools for implementing data mining algorithms, and it is easy to master these tools, present useful projects and use them in companies. Results: In this article, we have tried to classify insured and help experts using Python programming language and data mining algorithms. Conclusion: In order to implement the proposed method, the data related to the real insured of Alborz Insurance Company in the last three years have been used while maintaining the security and confidentiality of the data. The insured are divided into 4 categories of special, superior, middle and weak insured. Appropriate gamification methods tailored to each group of clients according to their gender, age, etc. can be used. JEL Classification: G22, C38, C53