پيش‌بيني رفتار مشتريان بيمه از طريق تركيب تكنيك‌هاي داده كاوي

امروزه مهمترين اقدام شركت‎هاي بيمه در بحث بازاريابي و تبليغات، بخش‌بندي و تفكيك مشتريان براساس رفتار و نياز آن‎ها است. از اين‌رو، اين شركت‌ها براي شناسايي و تحريك كردن مخاطبان خود، بازاريابي و تبليغات را به‌طور گسترده و هدفمند در تمام محيط‎هاي ارتباطي به انجام مي‎رسانند. براي اثربخشي هرچه بهتر اين رويكرد، مشتريان براساس معيارها و اهداف خاصي تفكيك و بخش‌بندي مي‎شوند. خوشه‌بندي روشي تحليلي براي كشف عملكرد و رفتار مخاطبان از طريق اطلاعات آن‎ها است. اين امر باعث مي‎شود تا شركت‎ها بتوانند از طريق همين عملكرد مخاطبان، دست به اتخاذ تصميم و تبليغات هدفمند نسبت به آن‌ها بزنند. هدف اصلي اين پژوهش، ارائه راهكاري براي شناخت و پيش‌بيني عملكرد و رفتار مشتريان جديد در انتخاب نوع بيمه براي حفاظت مسكن خود در برابر مخاطرات، از طريق تركيب روش Kmedoids با شبكه‎هاي عصبي در جهت تعيين خوشه مشتريان جديد براي ارائه تبليغ محصولات بيمه‎اي است. در اين راستا، بدليل زياد بودن مشخصه‎ها در اكثر مجموعه داده‎ها و پراكندگي آن‎ها، ابتدا از طريق تكنيك‌هاي Kmeans و Kmedoids به كشف الگوهاي مفهومي رسيده و با استفاده از همين الگوها بعد از مشخص شدن خوشه مشتريان، فقط با داشتن اطلاعات جمعيت شناختي از سوي مشتريان جديد، خوشه آن‎ها پيش‌بيني و اقدامات لازم صورت مي‎گيرد. ويژگي متمايز اين پژوهش، تركيب روش‎هاي خوشه‌بندي با روش‎هاي دسته‌بندي در كشف الگو است. آزمايش‎هاي انجام شده، موفقيت روش پيشنهادي در شناخت و كشف نيازها، همچنين رفتار و عملكرد مشتريان را نشان مي‎دهد كه براساس آن تبليغات صورت مي‎گيرد.