دسته بندي مشتريان بيمه درمان با تكنيك‌هاي داده كاوي

هدف: شناسايي و طبقه بندي مشتريان بيمه درمان به منظور شناسايي جامعه هدف و در نتيجه افزايش سودآوري شركت‌هاي بيمه، ايجاد توازن در پرداختي حق‌بيمه و طراحي استراتژي بازاريابي. روش شناسي: در اين مقاله از 5 الگوريتم يادگيري ماشين درخت تصميم، جنگل تصادفي، ماشين بردار پشتيبان، بيز‌ ساده و رگرسيون لجستيك به منظور طبقه بندي مشتريان به دو دسته سود‌ده و زيان‌ده استفاده شده است. به اين منظور از داده‌ها و اطلاعات تعداد 2897 بيمه نامه درمان يك شركت بيمه خصوصي در بازه زماني آذر 1400 تا آذر 1401 استفاده شده‌ است. يافته ها: اين مقاله نشان مي‌دهد كه با استفاده از روش‌هاي يادگيري ماشين و ويژگي هاي ثبت شده از مشتريان در پرسشنامه سلامت مي توان سود‌ده يا زيانده بودن آن ها را تا حدود مناسبي پيش بيني كرد. اين مقاله نشان مي دهد كه تمركز بر روي جامعه هدف معرفي شده توسط مدل شانس موفقيت و افزايش سود را به مقدار چشم گيري افزايش مي دهد. نتيجه‌گيري: مي توان با استفاده از روش‌هاي يادگيري ماشين به درك مناسبي از مشخصه هاي مشتريان بيمه درمان و نياز‌هاي آنها رسيد. پيدا كردن جامعه هدف علاوه بر اين كه به افزايش سود شركت بيمه منجر مي شود مي تواند با تمركز بر خواسته‌هاي مشتريان به افزايش رضايتمندي آن‌ها نيز منجر شود.