فهرست نشریات علمی دسترسی آزاد ایران

هدف: هدف این پژوهش، بخش‌بندی مشتریان یک واحد کارگزاری بیمه با بهره‌گیری از تکنیک‌های هوش تجاری است. بخش‌بندی مشتریان، مدیران شرکت را قادر می‌سازد تا به بینش عمیق‌تری دررابطه‌با مشتریان خود دست پیدا کنند و از اطلاعات به‌دست‌آمده، در بهبود عملکرد شرکت در حوزه مدیریت ارتباط با مشتریان که یک عنصر کلیدی در صنعت بیمه به شمار می‌آید استفاده کنند.روش‌ پژوهش: این پژوهش از منظر هدف یک پژوهش کاربردی و از منظر نوع پژوهش، یک پژوهش توصیفی – تحلیلی به شمار می‌آید. به منظور انجام این پژوهش، اطلاعات مرتبط با ۳۲۳۷۷ بیمه‌نامه مربوط به ۲۰۴۹۱ نفر از مشتریان حقیقی و سازمانی واحد کارگزاری بیمه رئیس بابایی کرج در بازه ابتدای سال ۱۳۹۶ تا انتهای سال ۱۴۰۰ گردآوری شدند. پس از پردازش داده‌ها و استخراج مشخصه‌های مرتبط و کاربردی، برای بخش‌بندی مشتریان، از مدل RFM به همراه ماتریس ارزش مشتری استفاده شد. برای تحلیل داده‌ها طبق این مدل‌ها، از روش‌های خوشه‌بندی K-Means، GMM، DBSCAN و سلسله‌مراتبی استفاده شد. سپس برای انتخاب روش بهینه، نتایج به دست آمده از این روش‌ها با استفاده از روش‌های Silhouette، Calinski-Harabasz و Davies-Bouldin ارزیابی شد. پس از انتخاب روش بهینه، خوشه‌های ایجاد شده مورد تحلیل و بررسی قرار گرفتند. نوآوری اصلی این پژوهش در تلفیق هوش تجاری با روش‌های مختلف خوشه‌بندی و شناسایی بهترین روش بخش‌بندی مشتریان به‌منظور بهبود تعاملات سازمان با مشتریان نهفته است. یافته‌ها و نتایج پژوهش: نتایج این پژوهش حاکی از این است که روش بهینه برای بخش‌بندی مشتریان، روش خوشه‌بندی K-Means با استفاده از مجموعه‌داده‌های با مقادیر نرمال شده است. مطابق این روش، مشتریان واحد کارگزاری موردمطالعه در ۵ دسته بخش‌بندی می‌شوند. همچنین دریافت شد که با افزایش مقدار متغیر تأخر در مدل تحلیل تأخر، تکرار و مقدار پولی (RFM)، به‌تدریج سهم مشتریان ارزشمندتر در یک خوشه کم‌تر شده و سهم مشتریانی که در دسته نامطمئن قرار می‌گیرند بیشتر می‌شود.