الگوي خوشه‌بندي مشتريان بيمۀ عمر (مطالعۀ موردي: يك شركت بيمه‌اي)

Clustering Pattern of Life Insurance Customers (Case Study: An Insurance Company

اين پژوهش به مطالعه در اطلاعات مشتريان بيمۀ عمر به منظور دستيابي به الگوي خوشه‌بندي براي ارائۀ خدمات مي‌پردازد. از جامعۀ شركتهاي بيمۀ عمر، يك شركت بيمه‌اي با اندازۀ نمونۀ 1000 نفر كه در سال 1392 اقدام به خريد بيمه‌نامۀ عمر كرده‌اند، انتخاب شد. با استفاده از مدلهاي خوشه‌بندي داده‌كاوي، عوامل موثر و روابط بين آنها مورد بررسي قرار گرفت و درنهايت، نتايج حاصل از مدلهاي مختلف خوشه‌بندي با يكديگر مقايسه شدند. با استفاده از نتايج به‌دست‌آمده، شركتهاي بيمه‌اي مي‌توانند مشتريان بيمۀ عمر را در دو گروه اصلي «مشتريان سودبخش» و «مشتريان داراي ريسك» طبقه‌بندي كنند و به هريك از گروه‌ها، بسته‌هاي خدماتي متناسب ارائه دهند. به‌علاوه، متغيرهاي جمعيتي همچون «جنسيت» و «سن» و متغيرهاي بيمه‌اي همچون «حق‌بيمۀ ساليانه» و «ضريب فوت در اثر حادثه» به‌عنوان عوامل تاثيرگذار در شناسايي گروه‌هاي مشتريان هستند.

This research studies life insurance customers data in order to construct a clustering model for providing services. According to our estimations for sample size, our sample consists of 1000 life insurance policyholders who bought their policies in 2013 from an Insurance Company. Using clustering data mining models, effective factors and their relationships are examined. Finally, the results of different clustering models are compared to each other. According to the results, insurance companies can categorize life insurance customers into two main groups, including "profitable customers" and "risky customers". Hence, insurance company is able to offer suitable service packages to each group of customers. Some demographic indices, such as “gender” and “age”, and insurance indices, such as “annual premium” and “death rate due to accident” are considered as effective factors for identifying groups of customers.