میترا قنبرزاده

پیشینه و اهداف: حفظ مشتریان همواره به عنوان مهم ترین شاکله در همه صنایع تلقی می شود و صنعت بیمه نیز از این امر مستثنی نیست. طی سال های اخیر در ایران و با افزایش فروش بیمه نامه های زندگی، حفظ مشتریان بیمه به گونه ای مورد توجه مدیران و صاحب نظران صنعت بیمه قرار گرفته است که با ارائه پوشش های متنوع بیمه ای طیف وسیعی از مشتریان خود را راضی نگه دارد. امروزه، ایجاد حس رضایت در مشتریان بیمه های زندگی توسط شرکت های بیمه یک هنر محسوب می شود و هر چه شرکت بیمه مشتریان بیشتری را راضی نگه دارد، دیگر نگران بازخرید و خارج شدن مشتریان خود نیست. هدف اصلی مقاله، پیاده سازی روش های داده کاوی در پیش بینی ریزش مشتری و شناسایی عوامل تاثیرگذار بر ریزش مشتری در محصولات بیمه زندگی یکی از شرکت های بیمه در ایران است. منظور از پیش بینی ریزش مشتری شناسایی مطلوب طبقه یا کلاس مربوط به بیمه نامه هایی است که قبل از پایان یافتن زمان پوشش بیمه، به درخواست بیمه گذار، متوقف و پایان می یابد. روش شناسی: در مقاله حاضر، سعی شده است با بهره گیری از الگوریتم های داده کاوی مانند جنگل تصادفی، درخت تصمیم، رگرسیون لجستیک و شبکه عصبی به طبقه بندی مشتریان بیمه های زندگی بر اساس ریزش و یا عدم ریزش بپردازیم. داده های مورد استفاده در این تحقیق، شامل اطلاعات بیمه نامه های زندگی یک شرکت بیمه پایلوت در سال 1398 در استان تهران است که سهم مناسب و بالایی در پرتفوی صنعت بیمه دارد. یافته ها: نتایج تحقیق حاکی از عملکرد بالای الگوریتم های جنگل تصادفی، درخت تصمیم ، رگرسیون لجستیک و شبکه عصبی در پیش بینی کلاس مربوط به ریزش مشتریان دارد. براساس نتایج حاصل از تحقیق، احتمال باز خرید در زنان و افراد دارای مشاغل پر ریسک و سن بالاتر، ببشتر است. از طرف دیگر، افرادی که در ابتدا پرداخت حق بیمه را به صورت سالانه، حق بیمه کمتر و درصد ضریب تغییر سرمایه و ریسک سرمایه بیشتری را انتخاب کرده اند، احتمال بازخرید آن ها کمتر بوده است. نتیجه گیری: با توجه به بلندمدت بودن بیمه های زندگی و نیاز به نقدینگی مشتریان با توجه به شرایط اقتصادی، شرکت های بیمه باید توجه بیشتری به مشتریان بیمه های زندگی داشته باشند و ضمن رصد رفتار مشتری در طول بیمه نامه، برنامه های وفاداری به جهت حفظ مشتری را در دستور کار خود قرار دهند.