XML English Abstract Print


1- دانشکده اقتصاد، دانشگاه خوارزمی ، khandan.abbas@khu.ac.ir
چکیده:   (1012 مشاهده)
هدف: شناسایی و طبقه­بندی مشتریان بیمه درمان به منظور شناسایی جامعه هدف و در نتیجه افزایش سودآوری شرکت‌های بیمه، ایجاد توازن در پرداختی حق‌بیمه و طراحی استراتژی بازاریابی.
روش­شناسی: در این مقاله از 5 الگوریتم یادگیری ماشین درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، بیز‌ ساده و رگرسیون لجستیک به منظور طبقه­بندی مشتریان به دو دسته سود‌ده و زیان‌ده استفاده شده است. به این منظور از داده‌ها و اطلاعات تعداد 2897 بیمه­نامه درمان یک شرکت بیمه خصوصی در بازه زمانی آذر 1400 تا آذر 1401 استفاده شده‌ است.
یافته­ها: این مقاله نشان می‌دهد که با استفاده از روش‌های یادگیری ماشین و ویژگی های ثبت شده از مشتریان در پرسشنامه سلامت می­توان سود‌ده یا زیانده بودن آن­ها را تا حدود مناسبی پیش­بینی کرد. این مقاله نشان می­دهد که تمرکز بر روی جامعه هدف معرفی شده توسط مدل شانس موفقیت و افزایش سود را به مقدار چشم گیری افزایش می­دهد.
نتیجه‌گیری: می­توان با استفاده از روش‌های یادگیری ماشین به درک مناسبی از مشخصه­های مشتریان بیمه درمان و نیاز‌های آنها رسید. پیدا کردن جامعه هدف علاوه بر این­که به افزایش سود شرکت بیمه منجر می­شود می­تواند با تمرکز بر خواسته‌های مشتریان به افزایش رضایتمندی آن‌ها نیز منجر شود.
     
نوع مطالعه: كاربردي | موضوع مقاله: سایر
دریافت: 1403/2/16 | پذیرش: 1403/6/24

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به فصلنامه تحقیقات مدلسازی اقتصادی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Economic Modeling Research

Designed & Developed by : Yektaweb