به کارگیری و ارزیابی تکنیک های داده کاوی جهت پیش بینی رویگردانی مشتری در صنعت بیمه

رقابتی شدن صنعت بیمه در سال های اخیر و ورود بخش خصوصی به این عرصه، توجه به پیش بینی رویگردانی مشتری را با اهمیت ساخته است. در این پژوهش، تعدادی از تکنیک های شناخته شده دسته بندی داده کاوی برای پیش بینی رویگردانی مشتری در صنعت بیمه به کار گرفته شده است. برای نخستین بار پیش بینی رویگردانی مشتری در یک سازمان بیمه ای با استفاده از تکنیک ماشین بردار پشتیبان (SVM) انجام می شود. در این مقاله نخست از الگوریتم ژنتیک برای فرایند انتخاب مشخصه های تاثیرگذار استفاده شده است. پس از مدل سازی مساله، پارامترهای مدل ماشین بردار پشتیبان با استفاده از دو روش جستجوی شبکه و اعتبارسنجی متقابل K لایه، بهینه می شوند. عملکرد پیش بینی روش SVM با روش های درخت تصمیم، شبکه های عصبی، رگرسیون لجستیک، جنگل تصادفی، دسته بندی کننده بیزی، K نزدیک ترین همسایگی، مقایسه و بهینه سازی پارامترهای هر روش با استفاده از جستجوی شبکه انجام شده است. یافته های تحقیق نشان می دهد که روش ماشین بردار پشتیبان از عملکرد بالاتری نسبت به سایر روش ها برخوردار است. در مدل پیشنهادی مبتنی بر این روش، مشخصه های سابقه خرید، نحوه آشنایی با سازمان و تمایل به خرید، به عنوان مشخصه های اصلی پیش بینی کننده رویگردانی مشتری شناسایی شدند. در این پژوهش با توجه به مشخصه های اصلی پیش بینی کننده رویگردانی، راهکارهایی برای جلوگیری از رویگردانی مشتری ارائه شده است.