11041

11041

توسعه مدلي براي پيش بيني ريزش مشتريان در صنعت بيمه با استفاده از داده كاوي

كارشناسي ارشد

صنايع - مهندسي فناوري اطلاعات - تجارت الكترونيك

خرداد ماه 1391

خرداد ماه 1391

دكتر محمد فتحيان

دكتر محمد رضا غلاميان - دكتر بهروز مينايي

چكيده امروزه دنياي كسب‌وكار بر پايه مديريت ارتباط با مشتري استوار است به طوري كه ارائه خدمات بدون در نظر گرفتن اين اصل نه تنها مشكل بلكه غير ممكن است. با افزايش رقابت در بازار، مديريت ريزش مشتريان به عنوان بخشي از فرايند مديريت ارتباط با مشتري تبديل به مسئله قابل توجهي براي سازمان¬ها شده است زيرا جذب مشتريان جديد فرايندي پرهزينه¬ و مشكل¬تر از حفظ مشتريان جاري است و از دست دادن مشتريان با ارزش سازمان، باعث از دست رفتن سود سازمان مي¬شود. بدين منظور سازمان¬ها همواره به دنبال يافتن روش¬هايي براي مطالعه رفتار مشتريان با ارزش خود مي¬باشند تا بتوانند با توليد الگوهايي از رفتار اين مشتريان، ريزش آنان را پيش بيني كرده و با تدابيري پيشگيرانه از اين امر جلوگيري نمايند. يكي از پركاربردترين روش‌هاي موجود در بحث پيش¬بيني ريزش مشتريان رده‌بندي است. رده‌بندي با استفاده از داده¬هايي كه رده آن¬ها مشخص است، مدلي را ساخته و سپس بر اساس اين مدل، رده داده¬هاي جديد با رده نامشخص را پيش¬بيني مي¬نمايد. درخت¬هاي تصميم، به دليل سادگي و سرعت بالا به عنوان يكي از پركاربردترين روش¬هاي رده¬بندي به شمار مي¬آيند. تا كنون تحقيقات كمي در زمينه در نظر گرفتن هزينه رده¬بندي اشتباه در بحث پيش¬بيني انجام شده است. اكثر اين تحقيقات، هزينه رده¬بندي اشتباه را به عنوان معياري براي مقايسه مدل¬هاي رده¬بندي به كار برده¬اند و تعداد كمي از آن¬ها به وارد كردن اين هزينه در ساخت مدل پيش¬بيني پرداخته¬اند. در اين پايان نامه چارچوبي براي پيش¬بيني ريزش مشتريان با ارزش سازمان با استفاده از رگرسيون لجستيك و درخت¬هاي تصميم مبتني بر هزينه ارائه شده است. در چارچوب پيشنهادي، معياري بر پايه ارزش هر مشتري، به عنوان هزينه رده¬بندي اشتباه مشتري ارائه شده است و ساخت چارچوب ريزش با در نظر گرفتن اين هزينه انجام شده است. طبق اين چارچوب، مدل رده¬بندي طوري ايجاد مي¬شود كه احتمال صحيح پيش¬بيني كردن مشتريان با ارزش بالا بيش از مشتريان با ارزش پايين¬تر باشد. چارچوب معرفي شده، در پيش¬بيني ريزش مشتريان يك شركت بيمه¬اي در ايران استفاده شده است و بر مبناي آن راهكارهايي براي مديريت ريزش مشتريان ارائه شده است. واژه‌هاي كليدي: پيش¬بيني ريزش، بازخريد، داده¬كاوي، درخت تصميم، رگرسيون لجستيك