محمدرضا آصفی، عباس خندان،
دوره 14، شماره 52 - ( 6-1402 )
چکیده
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.
