14809

13327

كارشناسي ارشد

بهينه سازي سيستم ها

اصفهان : دانشگاه صنعتي اصفهان

1398

چهارده، 106ص. : مصور، جدول،‌نمودار

علي زينل همداني

غلامعلي رئيسي اردلي، مهدي خاشعي

1398/05/05

كتابنامه

مهندسي صنايع

مهندسي صنايع و سيستم ها

1398/05/05

2550160

چکیده امروزه با رقابتی شدن فعالیت در اکثر حوزههای خدماتی و صنعتی مدیریت ارتباط با مشتری از اهمیت ویژهای برخوردار شده است با توسعه کشور و افرایش فعالیتهای اقتصادی به منظور حفاظت در برابر زیانهای مالی توجه به حوزه بیمه نسبت به گذشته افزایش یافته است و سبب شده است که شرکتهای مختلفی در زمینه بیمه به فعالیت بپردازند با افزایش رقابت شرکتها در این حوزه شناسایی و حفظ مشتریان سودآور و با ارزش برای شرکت ضروری است در نتیجه به کارگیری مدیریت ارتباط با مشتری اجتناب ناپذیر است به دلیل تعداد بسیار زیاد مشتریان و تنوع و گستردگی فعالیتهای شرکتهای بیمه امكان به کارگیری روشهای سنتی مدیریت ارتباط با مشتری تقریبا غیرممكن است همچنین پیشرفتهای روزافزون در زمینه اطالعات و تكنولوژیهای مرتبط سبب شده است که فناوری اطالعات و دادههای مشتریان پایه و اساس استراتژیهای موفق مدیریت ارتباط با مشتریان باشد در نتیجه جمعآوری و مدیریت دادههای مرتبط با مشتریان و استفاده از تكنیکهای دادهکاوی برای تجزیه و تحلیل دادهها میتواند یک ابزار موثر برای شرکتهای بیمه باشد در این پایاننامه با بهرهگیری از مدل تأخر تكرار و مقدار پول که یكی از سادهترین و پرکاربردترین مدلهای محاسبه ارزش طول عمر مشتری است و توسعه آن براساس موضوع مورد بررسی در این پژوهش مدل RFMdcu وزندار برای محاسبه ارزش مشتریان بیمه بدنه اتومبیل پیشنهاد شده است در ادامه پایاننامه به منظور به کارگیری مدل پیشنهادی از دادههای دوسال مشتریان بیمه بدنه اتومبیل یكی از شرکتهای بیمه استفاده شد و این دادهها با استفاده از فرآیند استاندارد میان صنعتی برای دادهکاوی فاز به فاز براساس مدل پیشنهادی مراحل کشف دانش را طی نمود پس از محاسبه ارزش هر یک از مشتریان براساس مدل RFMdcu و همچنین وزندهی هر یک از این متغیرها براساس روش تحلیل سلسله مراتبی به منظور بخشبندی مشتریان از یكی از وظایف دادهکاوی یعنی خوشهبندی استفاده شد برای این منظور از روش خوشهبندی جداسازی استفاده شد بدین صورت که از روش k means و k means و دو روش دیگر که یكی از آنها همان روش k means با پارامترهای متفاوت و دیگری روشی پیشنهادی به نام h k means است که در این پایاننامه پیشنهاد شده است استفاده شد با توجه به اینكه در روشهای مبتنی بر k means الزم است تعداد خوشهها به منظور خوشهبندی مشخص باشد شاخص dunn به منظور تعیین بهترین تعداد خوشه برای هر یک از روشهای فوقالذکر به کارگرفته شد در ادامه برای تعیین بهترین خوشهبندی انجام شده از دو شاخص اعتبارسنجی خوشهبندی Davies Bouldin و silhouette استفاده شد بنابراین دادههای مربوط به دو سال متوالی مشتریان بیمه بدنه اتومبیل یكی از شرکتهای بیمه که براساس روش RFMdcu وزندار ارزشگذاری شده بودند با استفاده از روش پیشنهادی h k means در 31 خوشه خوشهبندی شدند مشتریان خوشههای 01 31 و 4 با ارزشترین مشتریان شرکت هستند مشتریان خوشه 2 در جایگاه بعدی از نظر ارزش قرار دارند مشتریان خوشه 3 مشتریانی هستند که ارتباطشان با شرکت قطع شده است و شرکت باید درصدد جذب مجدد آنها باشد مشتریان خوشههای 6 1 9 و 11 مشتریان کم ارزش شرکت هستند و مشتریان خوشههای 5 7 8 و 21 مشتریان با ارزش ناچیز و بدترین مشتریان شرکت بیمه مورد بررسی هستند کلمات کلیدی مدیریت ارتباط با مشتری بیمه بدنه اتومبیل مدل تأخر تكرار و مقدار پول RFMdcu دادهکاوی CRISP DM خوشهبندی معیار ارزیابی خوشهبندی

Customer value evaluation in vehicle insurance using data mining methods Case study Mohammad Mohammad Sharifi msheriif@gmail com Department of Industrial Engineering Isfahan University of technology Isfahan 84156 83111 Iran Degree M Sc Language Persian Supervisor Dr Ali Zeinal HamadaniAbstract Nowadays with more competition in industrial societies and service sectors Customer RelationshipManagement is becoming more important On the other hand with increasing developments in the country inorder to protect financial losses more attention is drawn to insurance sector and made it grown In competitiveareas identifying and retaining profitable and valuable customers is essential for companies So the use ofCRM which is a comprehensive strategy is inevitable Due to the large number of customers and diversityscope in insurance companies using traditional CRM methods is almost impossible With recent advances ininformation and IT successful CRM strategies are based on tools IT and customers data As a result collectingand managing customer s data and using data mining techniques for data analysis can be an effective tool forinsurance companies In this thesis we consider the RFM model which is one of the simplest and most useful models for evaluatingthe Customer s Lifetime Value and further develop it based on the subject of this study vehicle insurance Wethen proposed weighted RFMdcu model to evaluate the value of vehicle insurance customers Proposed modelwas applied to Data obtained from vehicle insurance customers of one of Iranian insurance companies amongtwo years CRISP DM were used for discover knowledge in customers data After evaluating the value of eachcustomer based on RFMdcu model and weighting its variables based on AHP method a clustering techniquewas applied to segment vehicle insurance customers K means method and k means method and two othermethods one of which is k means with different parameters and the other one is a method which proposedin this thesis called h k means were used for clustering In k means methods determining number of clustersis necessary so dunn index was used to determine the best number of clusters for each of the above methods In order to determine the best clustering Davies Bouldin and Silhouette cluster validity evaluation were used Therefore the data of two consecutive years of vehicle insurance customers of one of Iranian insurancecompanies based on RFMdcu model were clustered in 13 clusters based on h k means Customers in clusters4 10 and 13 are the most valuable customers of company Customers in cluster 2 are valued and goodcustomers Customers in cluster 3 are valued customers who separated from company Customers in clusters1 6 9 and 11 are low value customers and customers of cluster 5 7 8 and 12 are the worst customers ofcompany Key WordsCustomer Relationship Management CRM vehicle insurance RFM RFMdcu Datamining CRISP DM Clustering cluster evaluation measures

علي زينل همداني

غلامعلي رئيسي اردلي، مهدي خاشعي