مطالعه مقایسه‌ای الگوریتم‌های خوشه‌بندی در راستای سنجش ارزش مشتری در سیستم مدیریت ارتباط با مشتری در صنعت بیمه

نویسندگان

1 دانشگاه علامه طباطبائی

2 موسسه آموزش عالی مهر البرز

چکیده

دنیای رقابتی امروز، تعامل شرکت­ها و سازمان­ها را با مشتریان خود به طور قابل توجهی تغییر و بهبود داده است. از این رو، یکی از چالش­های اساسی سازمان­ها، شناسایی مشتریان فعلی خود، تخصیص بهینه منابع به آنها و ایجاد تمایز بین گروه­های مختلف مشتری و در نهایت سنجش و رتبه­بندی هر گروه بر مبنای ارزش آن گروه است. هدف اصلی این پژوهش، مطالعه مقایسه­ای بین الگوریتم­های خوشه­بندی به عنوان یکی از مهمترین تکنیک­های داده کاوی و به­کارگیری آنها در راستای سنجش ارزش مشتریان(ارزش طول عمر مشتری) است. صنعت مورد مطالعه در این پژوهش، صنعت بیمه و به صورت جزئی­تر، حوزه بیمه بدنه اتومبیل است. روش پیشنهادی این پژوهش، برگرفته از روش CRISP-DM است و نیز در راستای بخش­بندی و سنجش ارزش طول عمر مشتریان، از یکی از مدل­های توسعه یافته RFM استفاده شده است. در این پژوهش اطلاعات نزدیک به 812 مشتری از شرکت منتخب در حوزه بیمه(بیمه بدنه خودرو) استخراج شده است و سپس با استفاده از نرم افزارهای توانمند در حوزه داده­کاوی و محاسبات آماری به نام­های RapidMiner وSPSS و Matlab  و با به­کارگیری الگوریتم­های مختلف، مشتریان خوشه­بندی  شده­اند. پس از تحلیل نتایج هر خوشه و تعیین بهترین روش خوشه­بندی بر مبنای شاخص­های Silhouette و SSE، به تحلیل و مقایسه ارزش مشتریان در خوشه­های به­دست آمده از بهترین شیوه خوشه­بندی می­پردازیم. در نهایت با استفاده از فرایند پیشنهادی این پژوهش می توان ارزش هر گروه از مشتریان را در صنعت بیمه به دست آورد و استراتژی­های بازاریابی متناسب با هر گروه از مشتریان را ارائه نمود.

کلیدواژه‌ها


عنوان مقاله [English]

The Comparative Study of Data Mining Clustering Algorithms to Measure Customer Value in Customer Relationship Management in the Insurance Industry

نویسندگان [English]

  • Mohamad Saleh Torkestani 1
  • Taha Mansouri 1
  • Yasamin Taghizdeh 2
چکیده [English]

In today's competitive world, there is a significant improvement in enterprises’ relation with their customers. In modern business environment, there is a shift from product based frameworks to customer based frameworks. A thorough understanding of customers and their behaviors has found an important role in business strategies. One of the challenges facing organizations is to identify customers and allocate resources to them according to their values for the organization. As a result, finding a proper measurement and ranking method for different categories of customers is considered as one of the main priorities for customer relation systems.The main goal of the current research is to conduct a comparative study among the clustering algorithms and employ them to evaluate customers’ value (the lifetime value), subsequently. Insurance industry and more specifically Comprehensive Vehicle Insurance is the main target of this research. The proposed methodology for the current research is based on CRISP-DM. Besides that, one of the extended RFM models is utilized in order to categorize customers and measure their lifetime value in each sector. At the first step of this research, the information of nearly 812 customers had been extracted from 4800 data records of selected insurance companies in the period of 1391 to 1392 based on the Iranian calendar. Then, customers were clustered using sophisticated software tools in the area of statistical process and data mining including RapidMiner, SPSS and Matlab. After analyzing the results of each cluster, customers were categorized and ranked based on their lifetime value using silhouette and SSE indexes. Finally, the results of best clustering method were compared and analyzed. The proposed method of this research can be employed to find the value of each group of customers in the insurance industry and to determine the most proper marketing strategies for each of them.

کلیدواژه‌ها [English]

  • Insurance
  • Clustering
  • Data Mining
  • Customer Relationship Management
  • Customer life time value
  • RFM model