سمانه حیدری
خوشه بندی و تدوین توصیه های سیاستی برای مشتریان بیمه تکمیلی آتیه سازان حافظ
- دانشجو
- سمانه حیدری
- استاد راهنما
- مجتبی حاجیان حیدری
- استاد مشاور
- ایمان رئیسی وانانی
- استاد داور
- محمدتقی تقوی فرد
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- مدیریت و حسابداری
- شماره ساختمان محل ارائه
- ۴۵
- نام کلاس محل ارائه
- کلاس ۱۱[۲۴۱۱]
- شماره کلاس محل ارائه
- ۱۱۱
- تاریخ دفاع
- ۳۱ شهریور ۱۴۰۳
- ساعت دفاع
- ۰۸:۰۰
- چکیده
-
این پژوهش با بهرهگیری از مجموعه دادههای بانک اطلاعاتی مشتریان بیمه تکمیلی آتیهسازان حافظ مربوط به ۳۰۰۰ مشتری در یک دوره سه ماهه و با هدف شناسایی الگوهای رفتاری و ویژگی‌های مشترک مشتریان بیمه تکمیلی آتیهسازان و تدوین توصیه‌های سیاستی برای بهبود عملکرد شرکت، صورت گرفته است. با استفاده از روش‌های دادهکاوی پیشرفته و تکنیک‌های خوشهبندی، مشتریان به گروه‌های همگن تقسیم‌بندی شده‌اند. نتایج حاصل از این پژوهش نشان می‌دهد که مشتریان بیمه تکمیلی آتیهسازان بر اساس عوامل مختلفی همچون سن، جنسیت، حق بیمه پرداختی، دریافتی و تاریخ آخرین مراجعه، به چندین خوشه مجزا تقسیم می‌شوند. هر یک از این خوشه‌ها دارای ویژگی‌های منحصر به فردی هستند که در انتخاب محصولات، تعامل با شرکت و میزان رضایت‌مندی آن‌ها موثر است. در این پژوهش مشتریان با الگوریتمهای K-Means، Fuzzy C-Means، DBSCANو Fuzzy DBSCAN خوشهبندی شدند. در نهایت دو الگوریتم بعنوان الگوریتمهای بهینه انتخاب شدند و بر این اساس ، توصیه‌های سیاستی متعددی برای بهبود عملکرد شرکت آتیهسازان ارائه شده است. این توصیه‌ها شامل طراحی محصولات بیمه‌ای متناسب با نیازهای هر خوشه، ارائه خدمات شخصی‌سازی شده، تقویت کانال‌های ارتباطی با مشتریان و بهبود فرآیندهای داخلی شرکت می‌باشد.
- Abstract
-
This research is based on the database of customers of Atiye Sazan Hafez supplementary insurance Related to ۳۰۰۰ customers in a three-month period and with the aim of identifying behavioral patterns and common characteristics Futures insurance customers and policy recommendations have been formulated to improve the company's performance. Using advanced data mining methods and clustering techniques, customers have been divided into homogenous groups. The results of this research show that the customers of Atiye Sazan supplementary insurance based on various factors such as age, gender, premium paid and the date of the last visit to Several separate clusters are divided. Each of these clusters has unique characteristics that are effective in choosing products to interact with the company and their level of satisfaction. In this research, customers were clustered. In Fuzzy DBSCANDESCAN, Fuzzy C-Means, K-Means with the last two algorithms were selected as the optimal algorithms, and based on this, several policy recommendations have been provided to improve the performance of Atiye Sazan company. These recommendations include designing insurance products that suit the needs of each cluster, providing personalized services, strengthening communication channels with customers, and Improvement of the company's internal processes.