نوع مقاله : مقاله علمی
نویسندگان
1 گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه ایوان کی، ایوان کی، ایران
2 گروه مهندسی برق و کامپیوتر، دانشکده فنی و مهندسی، دانشگاه ایوان کی، ایوان کی، ایران
چکیده
پیشینه و اهداف: در سالهای اخیر صنعت بیمه رشدی چشمگیر داشته است و شرکتهای مختلف با خدمات گوناگون پا به عرصه گذاشتهاند. بازاریابی موفق یکی از اهداف اصلی شرکتهای بیمه است؛ پیداکردن افرادی که احتمال میرود از خدمات بیمه استفاده کنند، بسیار مهم است و منجر به مدیریت هرچه بهتر سرمایه و هزینهها میشود. هدف اصلی این پژوهش، دستهبندی نظرات خریداران بیمه زندگی یک شرکت بیمه ای بر اساس الگوریتمهای متنکاوی است تا بتوان از این دستهبندی به عنوان مبنایی برای پیشبینی مشتریان احتمالی آتی استفاده کنیم. با پیشبینی این دسته از مشتریان میتوانیم استراتژی بازاریابی مناسبی برای فروش خدمات خود اتخاذ کنیم.
روششناسی: در این پژوهش به بررسی یک مجموعه داده متنی شامل نظرات خریداران بیمه زندگی پرداختهایم، چرا که با وجود رشد روز افزون حجم این دسته از دادهها، وجود ابزارهایی جهت سازماندهی، بازیابی و کشف دانش مفید از آنها ضروری است. در همین راستا، تاکنون تحقیقات گستردهای روی تکنیکهای پردازش متن صورت گرفته است. این تکنیکها، با استفاده از شناسایی و کشف الگوها، به دنبال استخراج اطلاعات مفید از دادههای متنی بدون ساختار هستند. در این مقاله نظرات خریداران بیمه زندگی، به صورت یک مساله مستقل مورد بررسی قرار گرفته است. هدف اصلی، دستهبندی این نظرات بر اساس الگوریتمهای متنکاوی به دو دسته مثبت و منفی است. برای رسیدن به این هدف، برای اولین بار در صنعت بیمه از چهار الگوریتم مختلف یادگیری ماشین برای متنکاوی نظرات بیمهگذاران استفاده شده است.
یافتهها: با توجه به نتایج حاصله از تکنیکهای به کار رفته در این پژوهش میتوان گفت که الگوریتم ماشینبردار پشتیبان با میزان 73 درصد، بیشترین میزان معیار دقت پیشبینی را در بین سایر الگوریتمهای مورد استفاده در این پژوهش داشته است. در ضمن اکثریت بیمهگذاران نیز نظر مثبتی در ارتباط با خدمات دریافتی داشتهاند و این بدان معناست که اکثر مشتریان استفاده کننده از خدمات، از شرکت راضی هستند.
نتیجهگیری: اکثریت بیمهگذاران مایلند در آینده نیز این خدمت بیمهای را در سبد خرید خود داشته باشند. لذا مسئولین شرکت میتوانند، مشتریان احتمالی خود را از میان این افراد پیدا و برای فروش خدمات خود بر روی آنها سرمایهگذاری کنند. با این استراتژی بازاریابی، مدیران میتوانند هزینههای شرکت را کاهش داده و با صرفهجویی در هزینه از این راه، قیمت خدمات خود را کاهش دهند. همه ما میدانیم که هدف هر شرکتی تعیین قیمت برای به حداکثررساندن سود است که به آن قیمت بهینه نیز گفته میشود. تعیین قیمت بهینه به درک هزینهها، کشش قیمت، ترجیحات مصرفکننده و اقدامات استراتژیک بازاریابی ما بستگی دارد. با این نتایج میتوانیم استراتژی بازاریابی مناسب خود را انتخاب کنیم. زیرا تعیین یک قیمت حق بیمه بهینه یک مزیت رقابتی برای شرکتها ایجاد میکند. مانند هر صنعت دیگری، قیمت تابع قانون عرضه و تقاضا است. از آنجایی که دریافت بهترین قیمت جزو اولویتهای اصلی مشتریان بیمه است، حتی درصد کمی تغییر در قیمت حق بیمه باعث میشود بسیاری از مشتریان بیمهگران خود را تغییر دهند. بنابراین، قیمتگذاری بهینه در بخش بیمه، حداکثر سود را ممکن میسازد.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Classification of life insurance customer point of views based on text mining algorithms
نویسندگان [English]
- A. Aminpour 1
- M. Rabiei 2
1 Department of Industrial Engineering, Faculty of Engineering, University of Eyvanekey, Eyvanekey, Iran
2 Department of Electrical and Computer Engineering, Faculty of Engineering, University of Eyvanekey, Eyvanekey, Iran
چکیده [English]
BACKGROUND AND OBJECTIVES: In recent years, the insurance industry has grown significantly and different companies started working with various services in this field. Since successful marketing is one of the main goals of insurance companies, it is very important to find people who are likely to want to use life insurance services. This achievement can lead to better management of capital and costs. The main objective of this research is to classify the views of life insurance customers of an insurance company based on text mining algorithms, so that this classification can be used as a basis for predicting potential customers in the future. Anticipating this category of customers. In that case, we will be able to adopt a suitable marketing strategy to sell our services.
METHODS: In this research, we have analyzed a textual dataset, including life insurance customer’s opinions. Despite the growing volume of this type of data, there are applicable tools for organizing, retrieving and discovering useful knowledge from them. In this regard, this research has been carried out on text processing techniques. These techniques seek useful information from unstructured textual data using pattern recognition and discovery. In this article, the views of customers related to life insurance have been examined as an independent issue. The main goal is to categorize these comments into positive and negative categories based on text mining algorithms. To achieve this objective, for the first time in the insurance industry, four different machine algorithms are used in line with text mining of policyholders' points of view.
FINDINGS: According to the techniques used in this research and the obtained results, it can be said that the support vector machine algorithm has the highest prediction accuracy criterion with 73% compared to other algorithms used in this research. At the same time, most of the insurance policyholders have also expressed a positive opinion about the services received, and this means that most of the customers using the mentioned services were satisfied with the company.
CONCLUSION: The majority of insured would like to keep this insurance service in their shopping basket in the future. Therefore, company managers can find their potential customers from among these people and plan to sell their services to them. By adopting this type of marketing strategy, managers can reduce the costs of their company and reduce the price of their services by saving marketing costs. It is natural that one of the important goals of any company is to earn more profit, and this will not be possible unless it maintains its customers by offering optimal prices and increases them day by day. Achieving this depends on our cost understanding, price acceptance, consumer satisfaction and strategic marketing actions. By exploiting the results of this research, it is possible to achieve a suitable marketing strategy for determining the price of insurance services. Determining the optimal price of insurance premium is considered a competitive advantage for companies. The price in all industries is subject to the law of supply and demand. Since getting the best price is one of the top priorities of insurance customers, even a small percentage change in premium prices will cause many customers to switch insurers. Therefore, optimal pricing can be very effective in increasing insurance profits.
کلیدواژهها [English]
- Knowledge Discovery
- Life Insurance
- Machine Learning
- Textual Data
- Text Mining
نامه به سردبیر
سردبیر نشریه پژوهشنامه بیمه، هرگونه پیشنهاد و انتقاد دیگر نویسندگان و خوانندگان را در خصوص نقد و بررسی این مقاله مندرج در سامانه نشریه را ظرف مدت 3 ماه از تاریخ انتشار آنلاین مقاله در سامانه و قبل از انتشار چاپی نشریه، به منظور اصلاح و نظردهی امکان پذیر نموده است.، البته این نقد در مورد تحقیقات اصلی مقاله نمی باشد.
توجه به موارد ذیل پیش از ارسال نامه به سردبیر لازم است در نظر گرفته شود:
[1] نامه هایی که شامل گزارش آماری، واقعیت ها، تحقیقات یا نظریه پردازی ها هستند، لازم است همراه با منابع معتبر و مناسب همراه باشد، اگرچه ارسال بیش از زمان 3 نامه توصیه نمی گردد.
[2] نامه هایی که بجای انتقاد سازنده به ایده های تحقیق، مشتمل بر حملات شخصی به نویسنده باشند، توجه و چاپ نمی شود.
[3] نامه ها نباید بیش از 300 کلمه باشد.
[4] نویسندگان نامه لازم است در ابتدای نامه تمایل یا عدم تمایل خود را نسبت به چاپ نظریه ارسالی نسبت به یک مقاله خاص اعلام نمایند.
[5] به نامه های ناشناس ترتیب اثر داده نمی شود.
[6] شهر، کشور و محل سکونت نویسندگان نامه باید در نامه مشخص باشد.
[7] به منظور شفافیت بیشتر و محدودیت حجم نامه، ویرایش بر روی آن انجام می پذیرد.
ارسال نظر در مورد این مقاله