یاسمین تقی زاده

دنیای رقابتی امروز، تعامل شرکت ها و سازمان ها را با مشتریان خود به طور قابل توجهی تغییر و بهبود داده است. از این رو، یکی از چالش های اساسی سازمان ها، شناسایی مشتریان فعلی خود، تخصیص بهینه منابع به آنها و ایجاد تمایز بین گروه های مختلف مشتری و در نهایت سنجش و رتبه بندی هر گروه بر مبنای ارزش آن گروه است. هدف اصلی این پژوهش، مطالعه مقایسه ای بین الگوریتم های خوشه بندی به عنوان یکی از مهمترین تکنیک های داده کاوی و به کارگیری آنها در راستای سنجش ارزش مشتریان(ارزش طول عمر مشتری) است. صنعت مورد مطالعه در این پژوهش، صنعت بیمه و به صورت جزئی تر، حوزه بیمه بدنه اتومبیل است. روش پیشنهادی این پژوهش، برگرفته از روش CRISP-DM است و نیز در راستای بخش بندی و سنجش ارزش طول عمر مشتریان، از یکی از مدل های توسعه یافته RFM استفاده شده است. در این پژوهش اطلاعات نزدیک به 812 مشتری از شرکت منتخب در حوزه بیمه(بیمه بدنه خودرو) استخراج شده است و سپس با استفاده از نرم افزارهای توانمند در حوزه داده کاوی و محاسبات آماری به نام های RapidMiner وSPSS و Matlab و با به کارگیری الگوریتم های مختلف، مشتریان خوشه بندی شده اند. پس از تحلیل نتایج هر خوشه و تعیین بهترین روش خوشه بندی بر مبنای شاخص های Silhouette و SSE، به تحلیل و مقایسه ارزش مشتریان در خوشه های به دست آمده از بهترین شیوه خوشه بندی می پردازیم. در نهایت با استفاده از فرایند پیشنهادی این پژوهش می توان ارزش هر گروه از مشتریان را در صنعت بیمه به دست آورد و استراتژی های بازاریابی متناسب با هر گروه از مشتریان را ارائه نمود.